01 / 创作方式
把一次生成拆成可以看见的节点：文字经过编码，与模型及潜空间一起进入采样器，再经过 VAE 解码得到图像。两套工作流保留了各自的模型与采样设置，便于切换和继续调整。
读取扩散模型、Qwen3 文字编码器与 VAE。
分别处理正向和负向提示词。
将文字条件与初始潜空间连接到 KSampler。
通过 VAE Decode 还原图像，再交给 Save Image。
02 / 图片生成
两种配置，各自展开。 选择一条流程，查看其中的细节。
Z-Image Turbo / GGUF
使用 Q4_0 扩散模型与 Q4 文字编码器，保留 768 × 768、8 步、CFG 1.0 的配置。
Z-Image / INT8 ConvRot
使用 INT8 ConvRot 扩散模型，保留 768 × 768、25 步、CFG 4.0 的配置。
03 / 文件与使用
工作流文件保留了节点与参数。模型权重需另行准备；GGUF 流程需要 ComfyUI-GGUF 节点，INT8 流程还需 ComfyUI-INT8-Fast。
Turbo GGUF 工作流JSON · 原始工作流INT8 工作流JSON · 原始工作流基于 ComfyUI 与 Z-Image 模型；这里展示我的本地部署与工作流整理。