SDXL LoRA 推論：在 ComfyUI 中運行 AI Toolkit LoRA 以獲得訓練匹配的結果
SDXL LoRA 推論：在 ComfyUI 中用更少的步驟獲得訓練匹配的結果。 該工作流程通過 RunComfy 的 RC SDXL (RCSDXL) 自訂節點（在 runcomfy-com GitHub 組織庫中開源）運行 Stable Diffusion XL (SDXL) 和 AI Toolkit 訓練的 LoRAs。通過包裝一個 SDXL 特定管道（而不是通用取樣器圖）並標準化 LoRA 加載和縮放（lora_path / lora_scale）與 SDXL 正確的預設，您的 ComfyUI 輸出將更接近您在訓練預覽中看到的結果。
如果您在 AI Toolkit（RunComfy Trainer 或其他地方）中訓練了一個 SDXL LoRA，並且您的 ComfyUI 結果與訓練預覽相比看起來“偏差”，這個工作流程是最快的方式來恢復到訓練匹配的行為。
如何使用 SDXL LoRA 推論工作流程
步驟 1：打開工作流程
打開 RunComfy SDXL LoRA 推論工作流程
步驟 2：導入您的 LoRA（2 個選項）
- 選項 A（RunComfy 訓練結果）： RunComfy → Trainer → LoRA Assets → 找到您的 LoRA → ⋮ → 複製 LoRA 鏈接
- 選項 B（AI Toolkit LoRA 在 RunComfy 外訓練）： 複製您的 LoRA 的直接
.safetensors下載鏈接並將該 URL 粘貼到lora_path。
步驟 3：配置 RCSDXL 以進行 SDXL LoRA 推論
在 RCSDXL SDXL LoRA 推論 節點 UI 中，設置剩餘參數：
prompt：您的主要文本提示（包括您在訓練期間使用的任何觸發詞）negative_prompt：可選；如果在訓練預覽中未使用，則留空width/height：輸出分辨率sample_steps：取樣步驟（在比較結果時匹配您的訓練預覽設置）guidance_scale：CFG / 指導（匹配訓練預覽 CFG）seed：使用固定種子以保證可重複性；更改它以探索變化lora_scale：LoRA 強度/強度
如果您在訓練期間調整了取樣，請打開 AI Toolkit 訓練 YAML 並在此處複製相同的值——尤其是 width、height、sample_steps、guidance_scale 和 seed。 如果您在 RunComfy 上訓練，您也可以打開 LoRA Config 在 Trainer → LoRA Assets 並複製預覽/取樣值。
步驟 4：運行 SDXL LoRA 推論
- 點擊 Queue/Run → 輸出會自動通過 SaveImage 保存
為什麼 SDXL LoRA 推論在 ComfyUI 中常常看起來不同 & RCSDXL 自訂節點的作用
大多數 SDXL LoRA 不匹配不是由於一個錯誤的旋鈕——它們是因為推論 管道 變更。 AI Toolkit 訓練預覽是通過特定模型的 SDXL 推論實現生成的，而許多 ComfyUI 圖是由通用組件重構的。即使使用相同的提示、步驟、CFG 和種子，不同的管道（和 LoRA 注入路徑）也可能產生明顯不同的結果。
RC SDXL (RCSDXL) 節點包裝了一個 SDXL 特定的推論管道，因此 SDXL LoRA 推論 保持與 AI Toolkit 訓練預覽管道一致，並使用一致的 LoRA 注入行為進行 SDXL。參考實現：`src/pipelines/sdxl.py`
SDXL LoRA 推論故障排除
大多數“訓練預覽與 ComfyUI 推論”問題來自於 管道不匹配，而不是單個錯誤參數。 如果您的 LoRA 是使用 AI Toolkit (SDXL) 訓練的，最可靠的方式在 ComfyUI 中恢復 訓練匹配行為 是通過 RunComfy 的 RCSDXL 自訂節點運行推論，這將 SDXL 取樣 + LoRA 注入在 管道層級 對齊。
(1) 推論 lora .safetensor 文件 sdxl 模型不匹配訓練樣本
為什麼會發生
即使 LoRA 加載，結果仍可能漂移，如果您的 ComfyUI 圖不匹配訓練預覽管道（不同的 SDXL 預設、不同的 LoRA 注入路徑、不同的修飾處理）。
如何修復（推薦）
- 使用 RCSDXL 並將您的直接
.safetensors鏈接粘貼到lora_path。 - 從您的 AI Toolkit 訓練配置（或 RunComfy Trainer → LoRA Assets 配置）中複製取樣值：
width、height、sample_steps、guidance_scale、seed。 - 除非您在訓練/取樣中使用了它們，否則在比較中保持“額外速度堆疊”（LCM/Lightning/Turbo）不被使用。
(2) SDXL lora 密鑰未加載 "lora_te2_text_projection.*"
為什麼會發生
您的 LoRA 包含 SDXL 文本編碼器 2 投影密鑰，您的當前加載路徑未應用（當注入/密鑰映射不匹配 SDXL 的雙編碼器設置時容易發生）。
如何修復（最可靠）
- 使用 RCSDXL 並在節點內通過
lora_path加載 LoRA（管道層級注入）。 - 保持
lora_scale一致，並包含在訓練中使用的相同觸發詞。 - 如果警告仍然存在，嘗試使用訓練中使用的確切基準檢查點（不匹配的 SDXL 變體可能會產生缺失/忽略的密鑰）。
(3) 無法再使用 LoRAs 與 SDXL
為什麼會發生
在更新 ComfyUI / 自訂節點後，SDXL LoRA 應用可能會改變（加載器行為、緩存、記憶體行為），使得以前有效的圖失敗或漂移。
如何修復（推薦）
- 使用 RCSDXL 保持 SDXL 推論路徑穩定且訓練對齊。
- 在更新後清除模型/節點緩存或重新啟動會話（特別是如果行為僅在調整 LoRA/加載器設置後改變）。
- 為了進行調試，先運行一個最小的僅基準 SDXL 工作流程，然後再加回複雜性。
(4) 排程掛鉤 LoRA 在更改值後的後續運行中不正確的 CLIP 緩存
為什麼會發生
掛鉤/排程工作流程在參數更改後可以重用緩存的 CLIP 狀態，這會破壞可重複性，並使 LoRA 行為在不同運行中看起來不一致。
如何修復（推薦）
- 為了訓練匹配推論，首先偏好 RCSDXL 與簡單的
lora_path/lora_scale（避免掛鉤/排程層直到基線匹配）。 - 如果必須使用掛鉤/排程節點，在更改掛鉤參數後清除緩存（或重新啟動），然後使用相同的種子重新運行。
(5) 使用 LORA 在 SDXL 中進行修補時出現 Ksampler 錯誤
為什麼會發生
修補堆疊在取樣期間修補模型。某些自訂節點 / 幫助包裝器在您中途更改設置時可能會與 LoRA 修補衝突，觸發 KSampler/修補工作者錯誤。
如何修復（推薦）
- 確認 LoRA 在 RCSDXL 中首先在純 txt2img 工作流程中有效（管道層級基線）。
- 一次添加一個組件回修補。如果錯誤僅在編輯後出現，重新運行前重新啟動/清除緩存。
- 如果問題僅在特定幫助節點出現，嘗試使用普通修補路徑或更新/禁用衝突的自訂節點。
(6) 我收到此錯誤 clip missing: ['clip_l.logit_scale', 'clip_l.transformer.text_projection.weight']
為什麼會發生
這通常意味著加載的 CLIP/文本編碼器資產與您正在運行的 SDXL 檢查點不匹配（缺少預期的 SDXL CLIP 權重），這也可能使 LoRA 行為看起來“偏差”。
如何修復（推薦）
- 確保您使用的是正確的 SDXL 檢查點設置，具有正確的 SDXL 文本編碼器/CLIP 組件。
- 然後通過 RCSDXL 運行 LoRA 推論，以確保 SDXL 調節路徑從頭到尾保持一致。
現在運行 SDXL LoRA 推論
打開 RunComfy SDXL LoRA 推論 工作流程，將您的 LoRA 粘貼到 lora_path，並運行 RCSDXL 以在 ComfyUI 中進行訓練匹配的 SDXL LoRA 推論。