From Using AI to Building an AI Workflow
這幾天花了不少時間研究 ComfyUI。
如果很粗略地分，我會這樣理解：Midjourney 比較像入門級，Stable Diffusion 是進階，而建立在 SD 生態上的 ComfyUI，已經很接近專家級工具。
ComfyUI 最不一樣的地方，在於它不是單純輸入 Prompt 然後等圖片出來，而是把整個生成過程拆成一個個節點。模型、取樣器、ControlNet、LoRA、放大、局部重繪、條件控制，都可以被重新連接，最後形成屬於自己的工作流。
也因為如此，它的自由度很高，但學習成本也很高。即使之前已經有一些 Stable Diffusion 經驗，真正開始碰 ComfyUI，還是會明顯感覺到：你不只是學一個軟體，而是在理解一套生成系統。
模型怎麼接、節點怎麼串、不同版本是否相容、缺哪個自訂節點、為什麼工作流突然報錯，很多時間其實不是花在「生成圖片」，而是在排查整個系統。如果再加上網路環境問題，學習成本就更高。像 GitHub、Civitai 這些模型與節點資源網站，一旦下載速度不穩，一整天下來可能只是把環境裝好、把缺的模型補齊，真正開始測試的時間反而沒有多少。
這種時候確實很容易懷疑：
我到底是在學 AI，還是在修電腦？
但換個角度想，這些基本功還是很難跳過。越是複雜的系統，前面的學習曲線越陡，可是一旦工作流真正搭建成功，後面的可控性、重複性與效率也會完全不同。
這也是我對 ComfyUI 最有興趣的地方。
目前室內、服裝、廣告等領域，已經可以看到一些相對成熟的工作流。如果未來景觀與建築也能把場地條件、風格控制、材質、視角、空間結構與批量生成整合起來，那麼 AI 就有可能從「個人創作工具」，進一步變成可以被團隊複用的商業化生產流程。
學起來很痛苦。
但如果最後真的能把景觀或建築的 AI 工作流搭出來，那這些時間大概都不會白花。
十年磨一劍。
有些東西，還是只能相信時間的力量。
