如果你用 Ostris AI Toolkit 训练了 LoRA，然后遇到过这些问题：
- “AI Toolkit 训练的 LoRA 在 ComfyUI 里效果不一样”
- “AI Toolkit 预览 vs ComfyUI 推理不一致”
- “为什么训练 Samples 看起来更好，放到 ComfyUI 就变了？”
- “AI Toolkit 训练出来的 LoRA 在 ComfyUI 里不生效”
……那这篇就是写给你的。
本文专门讲 如何在 ComfyUI 里运行 AI Toolkit 训练的 LoRA，并尽量让结果与 AI Toolkit 的训练 Samples / Previews 保持一致。
想要非 ComfyUI 的推理（Playground / API）？
见： AI Toolkit Inference: Get Results That Match Your Training Samples (Playground/API)
AI Toolkit Samples 为什么不匹配 ComfyUI：真正原因
你的 ComfyUI 工作流，并不是 AI Toolkit 用来渲染训练 Samples 的那套推理 pipeline。
而且这种不一致发生在 pipeline 级别，所以仅仅复制“看得见”的参数（prompt、seed、steps、CFG/Guidance、分辨率）通常 无法复现相同的观感。
所谓 “pipeline mismatch” 通常意味着：
- Sampler / Scheduler 语义不同
很多 AI Toolkit 的新目标依赖 Flow‑matching 风格采样（以及模型家族的 scheduler 语义）。ComfyUI 里“看起来差不多”的 sampler 往往并不等价。
- 模型家族的隐藏开关（不会以 steps/CFG 的形式出现）
例如：新架构常见的采样补丁/shift 参数。
- LoRA 应用方式不同
“Load LoRA” 在不同架构里可能意味着不同事情（adapter vs patch 权重；注入位置不同）。
- Key / module 名称不匹配
LoRA 表面上“加载成功”，但可能悄悄 没绑到预期模块，所以效果弱或缺失。
- 基座模型 / 变体漂移
哪怕很小的差异（dev vs turbo、4B vs 14B、de‑turbo vs turbo、量化差异）都可能显著改变结果。
一句话：想匹配 AI Toolkit 预览，你需要对齐 完整的推理 pipeline，而不是只对齐可见参数。
RunComfy 为 ComfyUI 用户做了什么
RunComfy 把 AI Toolkit 训练 Samples/Previews 用的那套推理 pipeline（“Samples/Preview”）按基座模型逐个 对齐到 ComfyUI 推理。
然后把这套对齐逻辑打包成：
- ComfyUI 节点（让 “AI Toolkit 预览 pipeline 行为” 可在工作流中直接使用）
- Training Preview‑Match 工作流（可直接运行的 ComfyUI 图，每个基座模型一套）
结果就是：
- 一个基座模型 = 一个 ComfyUI 工作流：打开与你训练基座一致的那份
- 放入你的 AI Toolkit LoRA（
.safetensors） - 生成的图/视频会比“手工调一套随机 ComfyUI 图”更稳定地 接近 AI Toolkit 训练 Samples / Previews
Training Preview‑Match 工作流库（一个基座模型 = 一个工作流）
请选择与你训练时使用的基座模型一致的工作流。
首批发布支持如下模型。后续会持续补齐，直到覆盖 所有 AI Toolkit 基座模型。
常见问题排查（AI Toolkit LoRA in ComfyUI）
下面是最常见的 “AI Toolkit → ComfyUI” 问题与最快修复方式。
“AI Toolkit 训练 Samples 很好，但 ComfyUI 推理更差 / 不一样。”
原因：你没有在 ComfyUI 使用 AI Toolkit 的训练预览推理 pipeline。
修复：使用你训练基座对应的 Training Preview‑Match 工作流（一个基座模型一套）。
跳转： Training Preview‑Match 工作流库
“我已经匹配 prompt/seed/steps/CFG，但还是不一样。”
原因：当 sampler/scheduler + pipeline 逻辑 不同时，仅匹配参数是不够的。
修复：别再试图“手工调到一致”。直接用基座对应的 Preview‑Match 工作流。
跳转： Training Preview‑Match 工作流库
“LoRA 在 ComfyUI 里能加载，但几乎没效果。”
原因：最常见是以下之一：
- 基座工作流选错（架构/变体不匹配）
- LoRA key/module 映射不匹配（没打到你以为的模块上）
- LoRA 权重（scale）太低，效果不明显
修复：先用正确的 Preview‑Match 工作流，然后把 scale 测试到 0.9–1.0。
跳转： Training Preview‑Match 工作流库
“Flux/FlowMatch 在 AI Toolkit 预览很强，但在 ComfyUI 用 Euler/DPM 就丢相似度。”
原因：AI Toolkit 的 FLUX 预览常依赖 Flow‑matching 采样行为。换 sampler（即使 steps 相同）也会改变结构/相似度。
修复：使用专门匹配 AI Toolkit 采样 pipeline 的 FLUX Preview‑Match 工作流。
跳转：
“Z‑Image Turbo 在 AI Toolkit 预览能对上，但在 ComfyUI 里看起来被降级了。”
原因：Z‑Image 家族推理对模型特定的采样补丁/参数很敏感（自定义图里很容易漏掉）。
修复：使用 Z‑Image Preview‑Match 工作流（Turbo vs De‑Turbo 选错会直接不对）。
跳转：
- ComfyUI Workflow: Z‑Image Turbo LoRA Inference (AI Toolkit Preview‑Match)
- ComfyUI Workflow: Z‑Image De‑Turbo LoRA Inference (AI Toolkit Preview‑Match)
相关指南：不使用 ComfyUI 也要对齐（Playground/API）
如果你不需要 ComfyUI，只想最快获得与训练预览一致的推理（或要集成到应用里），可以看：
- AI Toolkit Inference: Get Results That Match Your Training Samples（Playground/API）→ link
Ready to start training?