Z-Image 基础 LoRA ComfyUI 推理：使用 AI Toolkit LoRA 进行训练对齐生成

这个生产就绪的 RunComfy 工作流允许您在 ComfyUI 中运行 AI Toolkit 训练的 Z-Image LoRA 适配器，获得 训练匹配 的结果。基于 RC Z-Image (RCZimage) 构建——这是由 RunComfy 开源的管道级别自定义节点（来源）——工作流包裹了 Tongyi-MAI/Z-Image 推理管道，而不是依赖于通用采样器图。您的适配器通过 lora_path 和 lora_scale 注入到该管道中，使 LoRA 应用与 AI Toolkit 生成的训练预览一致。

为什么 Z-Image 基础 LoRA ComfyUI 推理在 ComfyUI 中看起来不同

AI Toolkit 训练预览是通过特定模型的推理管道渲染的——调度器配置、条件流和 LoRA 注入都在该管道内发生。标准的 ComfyUI 采样器图将这些部分以不同方式组装，因此即使是相同的提示、种子和步数也可能产生明显不同的输出。差距不是由单个错误参数引起的；这是管道级别的不匹配。RCZimage 通过直接包裹 Z-Image 管道并在其中应用您的 LoRA 来恢复训练对齐行为。实施参考：`src/pipelines/z_image.py`。

如何使用 Z-Image 基础 LoRA ComfyUI 推理工作流

步骤 1：获取 LoRA 路径并将其加载到工作流中（2 个选项）

选项 A — RunComfy 训练结果 → 下载到本地 ComfyUI：

1. 前往 Trainer → LoRA Assets
2. 找到您想使用的 LoRA
3. 点击右侧的 ⋮ (三点) 菜单 → 选择 复制 LoRA 链接
4. 在 ComfyUI 工作流页面，将复制的链接粘贴到 右上角 的 下载 输入框中
5. 在点击下载之前，确保目标文件夹设置为 ComfyUI → models → loras（必须选择此文件夹作为下载目标）
6. 点击 下载 — 这会将 LoRA 文件保存到正确的 models/loras 目录中
7. 下载完成后，刷新页面
8. LoRA 现在出现在工作流中的 LoRA 选择下拉菜单中 — 选择它

选项 B — 直接 LoRA URL（覆盖选项 A）：

1. 将 直接 .safetensors 下载 URL 粘贴到 LoRA 节点的 path / url 输入框中
2. 当此处提供 URL 时，它将 覆盖选项 A — 工作流会在运行时直接从 URL 加载 LoRA
3. 不需要本地下载或文件放置

提示：URL 必须指向实际的 .safetensors 文件，而不是网页或重定向。

步骤 2：将推理参数与您的训练样本设置匹配

在 LoRA 节点上设置 lora_scale — 从您在训练预览中使用的相同强度开始，然后根据需要进行调整。

其余参数位于生成节点上：

• prompt — 您的文本提示；包括训练期间使用的任何触发词
• negative_prompt — 除非您的训练 YAML 包含负面，否则保持为空
• width / height — 输出分辨率；匹配您的预览大小以便直接比较（32 的倍数）
• sample_steps — 推理步骤数；Z-Image 基础默认值为 30（使用您预览配置中的相同计数）
• guidance_scale — CFG 强度；默认是 4.0（首先镜像您的训练预览值）
• seed — 固定一个种子以重现特定输出；更改它以探索变化
• seed_mode — 选择 fixed 或 randomize
• hf_token — Hugging Face 令牌；仅当基础模型或 LoRA 存储库是受限/私有的才需要

训练对齐提示：如果您在训练期间自定义了任何采样值，请将这些确切的值复制到相应的字段中。如果您是在 RunComfy 上训练的，请打开 Trainer → LoRA Assets → 配置以查看解析后的 YAML，并将预览/样本设置复制到节点中。

步骤 3：运行 Z-Image 基础 LoRA ComfyUI 推理

点击 Queue/Run — SaveImage 节点会自动将结果写入您的 ComfyUI 输出文件夹。

快速检查表：

• ✅ LoRA 是：已下载到 ComfyUI/models/loras（选项 A），或通过直接 .safetensors URL 加载（选项 B）
• ✅ 本地下载后刷新页面（仅选项 A）
• ✅ 推理参数与训练 sample 配置匹配（如果已自定义）

如果以上所有内容都正确，这里的推理结果应与您的训练预览非常匹配。

Z-Image 基础 LoRA ComfyUI 推理故障排除

大多数 Z-Image 基础 (Tongyi-MAI/Z-Image) 的“训练预览与 ComfyUI 推理”差距来自 管道级别的差异（模型加载方式、使用的默认值/调度器以及 LoRA 注入的位置/方式）。 对于 AI Toolkit 训练的 Z-Image 基础 LoRA，在 ComfyUI 中恢复到 训练对齐 行为的最可靠方法是通过 RCZimage（RunComfy 管道包装器）运行生成，并通过 lora_path / lora_scale 在该管道内注入 LoRA。

(1) 当在 ComfyUI 中使用 Z-Image LoRA 时，出现“lora key not loaded”消息。

为什么会发生这种情况 这通常意味着您的 LoRA 是针对与您当前 ComfyUI Z-Image 加载器期望的 不同模块/键布局 进行训练的。对于 Z-Image，“相同模型名称”仍然可能涉及不同的键约定（例如，原始/扩散器风格与 Comfy 特定命名），这足以触发“key not loaded”。

如何解决（推荐）

• 通过 RCZimage（工作流的管道包装器）运行推理，并通过 lora_path 在 RCAITKLoRA / RCZimage 路径 上加载您的适配器，而不是通过单独的通用 Z-Image LoRA 加载器注入。
• 保持工作流 格式一致：用 AI Toolkit 训练的 Z-Image 基础 LoRA → 用 AI Toolkit 对齐的 RCZimage 管道 进行推理，这样您就不依赖于 ComfyUI 端键重映射/转换器。

(2) 在使用 ZIMAGE LORA 加载器（仅模型）时，VAE 阶段出现错误。

为什么会发生这种情况 一些用户报告说，添加 ZIMAGE LoRA 加载器（仅模型） 即使默认 Z-Image 工作流在没有加载器的情况下运行良好，也可能导致重大减速并在 最终 VAE 解码阶段 出现故障。

如何解决（用户确认）

• 移除 ZIMAGE LORA 加载器（仅模型） 并重新运行默认 Z-Image 工作流路径。
• 在此 RunComfy 工作流中，等效的“安全基线”是：使用 RCZimage + lora_path / lora_scale，使 LoRA 应用保持 在管道内，避免有问题的“仅模型 LoRA 加载器”路径。

(3) Z-Image Comfy 格式与原始代码不匹配

为什么会发生这种情况 ComfyUI 中的 Z-Image 可能涉及 Comfy 特定格式（包括与“原始”约定不同的键命名差异）。如果您的 LoRA 是用 AI Toolkit 在一种命名/布局约定下训练的，而您尝试在 ComfyUI 中应用它并期望另一种，您将看到部分/失败的应用和“它运行但看起来不对”的行为。

如何解决（推荐）

• 当您试图匹配训练预览时，不要混合格式。使用 RCZimage 使推理在 AI Toolkit 预览使用的 Z-Image 管道 中运行，并通过 lora_path / lora_scale 在其中注入 LoRA。
• 如果必须使用 Comfy 格式的 Z-Image 堆栈，请确保您的 LoRA 是该堆栈期望的 相同 格式（否则键将无法对齐）。

(4) 使用 lora 的 Z-Image oom

为什么会发生这种情况 根据精度/量化、分辨率和加载器路径，Z-Image + LoRA 可能会将 VRAM 推到极限。一些报告提到，在 12GB VRAM 设置中，当使用较低精度模式结合 LoRA 时会出现 OOM。

如何解决（安全基线）

• 首先验证您的基线：在目标分辨率下运行没有 LoRA 的 Z-Image 基础。
• 然后通过 RCZimage（lora_path / lora_scale） 添加 LoRA，并保持比较控制（相同的 width/height、sample_steps、guidance_scale、seed）。
• 如果仍然遇到 OOM，首先降低 分辨率（Z-Image 对像素数量敏感），然后考虑降低 sample_steps，然后在确认稳定性后重新引入更高设置。在 RunComfy 中，您还可以切换到更大的机器。

立即运行 Z-Image 基础 LoRA ComfyUI 推理

打开 RunComfy Z-Image 基础 LoRA ComfyUI 推理 工作流，设置您的 lora_path，让 RCZimage 保持 ComfyUI 输出与您的 AI Toolkit 训练预览对齐。