Z-Image 基礎 LoRA ComfyUI 推理：使用 AI Toolkit LoRA 進行訓練對齊生成

這個生產就緒的 RunComfy 工作流程使您可以在 ComfyUI 中運行 AI Toolkit 訓練的 Z-Image LoRA 適配器，並獲得 訓練匹配 的結果。該工作流程圍繞 RC Z-Image (RCZimage) 構建——由 RunComfy 開源的管道級自定義節點（source），該工作流程包裝了 Tongyi-MAI/Z-Image 推理管道，而不是依賴於通用的採樣器圖。您的適配器通過 lora_path 和 lora_scale 注入到該管道中，保持 LoRA 應用的一致性，就像 AI Toolkit 生成訓練預覽一樣。

為什麼 Z-Image 基礎 LoRA ComfyUI 推理在 ComfyUI 中經常看起來不同

AI Toolkit 訓練預覽是由特定模型推理管道生成的——調度器配置、條件流和 LoRA 注入都在該管道內進行。標準的 ComfyUI 採樣器圖以不同的方式組裝這些部分，因此即使是相同的提示詞、種子和步數也可能產生顯著不同的輸出。這種差距不是由單個錯誤參數引起的，而是管道級的不匹配。RCZimage 通過直接包裝 Z-Image 管道並在其中應用您的 LoRA 來恢復訓練對齊的行為。實施參考：`src/pipelines/z_image.py`。

如何使用 Z-Image 基礎 LoRA ComfyUI 推理工作流程

步驟 1：獲取 LoRA 路徑並將其加載到工作流程中（2 種選擇）

選擇 A — RunComfy 訓練結果 → 下載到本地 ComfyUI：

1. 轉到 Trainer → LoRA 資產
2. 找到您要使用的 LoRA
3. 點擊右側的 ⋮ (三點) 菜單 → 選擇 複製 LoRA 鏈接
4. 在 ComfyUI 工作流程頁面，將複製的鏈接粘貼到 UI 右上角的 下載 輸入字段中
5. 在點擊下載之前，確保目標文件夾設置為 ComfyUI → models → loras（此文件夾必須選擇為下載目標）
6. 點擊 下載 — 這會將 LoRA 文件保存到正確的 models/loras 目錄中
7. 下載完成後，刷新頁面
8. LoRA 現在出現在工作流程中的 LoRA 選擇下拉列表中 — 選擇它

選擇 B — 直接 LoRA URL（覆蓋選擇 A）：

1. 將 直接 .safetensors 下載 URL 粘貼到 LoRA 節點的 path / url 輸入字段中
2. 當此處提供 URL 時，它將 覆蓋選擇 A — 工作流程在運行時直接從 URL 加載 LoRA
3. 不需要本地下載或文件放置

提示：URL 必須指向實際的 .safetensors 文件，而不是網頁或重定向。

步驟 2：將推理參數與您的訓練樣本設置匹配

在 LoRA 節點上設置 lora_scale — 從您在訓練預覽中使用的相同強度開始，然後根據需要進行調整。

其餘參數位於生成節點上：

• prompt — 您的文本提示；包含您在訓練中使用的任何觸發詞
• negative_prompt — 除非您的訓練 YAML 包含負面，否則保持空白
• width / height — 輸出分辨率；匹配您的預覽尺寸以便直接比較（32 的倍數）
• sample_steps — 推理步數；Z-Image 基礎默認為 30（使用您的預覽配置中的相同計數）
• guidance_scale — CFG 強度；默認為 4.0（首先鏡像您的訓練預覽值）
• seed — 固定種子以重現特定輸出；更改它以探索變化
• seed_mode — 選擇 fixed 或 randomize
• hf_token — Hugging Face 令牌；僅當基礎模型或 LoRA 存儲庫受限/私有時才需要

訓練對齊提示：如果您在訓練期間自定義了任何採樣值，請將這些確切值複製到相應字段中。如果您在 RunComfy 上進行訓練，請打開 Trainer → LoRA 資產 → 配置以查看解析的 YAML 並將預覽/樣本設置複製到節點中。

步驟 3：運行 Z-Image 基礎 LoRA ComfyUI 推理

點擊 Queue/Run — SaveImage 節點會自動將結果寫入您的 ComfyUI 輸出文件夾。

快速檢查清單：

• ✅ LoRA 已下載到 ComfyUI/models/loras（選擇 A），或通過直接 .safetensors URL 加載（選擇 B）
• ✅ 本地下載後刷新頁面（僅選擇 A）
• ✅ 推理參數與訓練 sample 配置匹配（如果自定義）

如果以上所有內容正確，這裡的推理結果應該與您的訓練預覽非常接近。

Z-Image 基礎 LoRA ComfyUI 推理故障排除

大多數 Z-Image Base (Tongyi-MAI/Z-Image) 的“訓練預覽與 ComfyUI 推理”差距來自於 管道級別的差異（模型如何加載，使用哪些默認值/調度器以及 LoRA 在何處/如何注入）。 對於 AI Toolkit 訓練的 Z-Image Base LoRA，最可靠的方式是在 ComfyUI 中恢復 訓練對齊的 行為是通過 RCZimage（RunComfy 管道包裝器）運行生成並在該管道內通過 lora_path / lora_scale 注入 LoRA。

(1) 當在 ComfyUI 中使用 Z-Image LoRA 時，出現“lora key not loaded”消息。

為什麼會發生這種情況 這通常意味著您的 LoRA 是針對與當前 ComfyUI Z-Image 加載器期望的不同模塊/鍵佈局訓練的。對於 Z-Image，相同的模型名稱仍然可能涉及不同的鍵約定（例如，原始/擴散器樣式與 Comfy 專用命名），這足以觸發“key not loaded”。

如何修復（推薦）

• 通過 RCZimage（工作流程的管道包裝器）運行推理，並通過 RCAITKLoRA / RCZimage path 上的 lora_path 加載您的適配器，而不是通過單獨的通用 Z-Image LoRA 加載器注入它。
• 保持工作流程 格式一致：Z-Image 基礎 LoRA 使用 AI Toolkit 訓練 → 使用 AI Toolkit 對齊的 RCZimage 管道 進行推理，因此您不依賴於 ComfyUI 端的鍵重新映射/轉換器。

(2) 在使用 ZIMAGE LORA 加載器（僅模型）時，VAE 階段發生錯誤。

為什麼會發生這種情況 一些用戶報告添加 ZIMAGE LoRA 加載器（僅模型） 可能會導致重大減速，並在 最終 VAE 解碼階段 發生故障，即使默認的 Z-Image 工作流程在沒有加載器的情況下運行良好。

如何修復（用戶確認）

• 移除 ZIMAGE LORA 加載器（僅模型） 並重新運行默認的 Z-Image 工作流程路徑。
• 在此 RunComfy 工作流程中，等效的“安全基線”是：使用 RCZimage + lora_path / lora_scale，因此 LoRA 應用保持 在管道內，避免了問題的“僅模型 LoRA 加載器”路徑。

(3) Z-Image Comfy 格式與原始代碼不匹配

為什麼會發生這種情況 在 ComfyUI 中，Z-Image 可能涉及 Comfy 專用格式（包括與“原始”約定不同的鍵命名差異）。如果您的 LoRA 是使用 AI Toolkit 在一種命名/佈局約定下訓練的，而您在 ComfyUI 中嘗試應用它卻期望另一種格式，您將看到部分/失敗的應用和“運行但看起來錯誤”的行為。

如何修復（推薦）

• 當您嘗試匹配訓練預覽時，不要混合格式。使用 RCZimage，以便推理在與 AI Toolkit 預覽使用的相同“家族” Z-Image 管道中運行，並通過 lora_path / lora_scale 在其中注入 LoRA。
• 如果您必須使用 Comfy 格式的 Z-Image 堆棧，請確保您的 LoRA 是該堆棧期望的 相同 格式（否則鍵不會對齊）。

(4) 使用 lora 的 Z-Image oom

為什麼會發生這種情況 Z-Image + LoRA 可以根據精度/量化、分辨率和加載路徑將 VRAM 推至極限。一些報告提到當將 LoRA 與低精度模式結合時，12GB VRAM 設置會出現 OOM。

如何修復（安全基線）

• 首先驗證您的基線：在目標分辨率下運行不帶 LoRA 的 Z-Image 基礎。
• 然後通過 RCZimage (lora_path / lora_scale) 添加 LoRA，並保持對比受控（相同的 width/height、sample_steps、guidance_scale、seed）。
• 如果您仍然遇到 OOM，首先降低 分辨率（Z-Image 對像素數量很敏感），然後考慮降低 sample_steps，只有在確認穩定性後才重新引入更高的設置。在 RunComfy 中，您還可以切換到更大的機器。

現在運行 Z-Image 基礎 LoRA ComfyUI 推理

打開 RunComfy Z-Image Base LoRA ComfyUI 推理 工作流程，設置您的 lora_path，讓 RCZimage 使 ComfyUI 輸出與您的 AI Toolkit 訓練預覽保持一致。