ComfyUI工作流中LoRA怎么加载：LoraLoader节点权重与触发词设置

在ComfyUI的模块化工作流中，Checkpoint模型提供了基础的画风与人物特征，而LoRA（Low-Rank Adaptation）则像是一个轻量级的风格插件，用于微调或增强特定效果。要使用LoRA，核心在于正确连接LoraLoader节点，并理解其输入输出逻辑。这不仅是简单的文件加载，更涉及对模型权重的精细控制。

ComfyUI工作界面，显示节点画布与右侧菜单

关于LoraLoader节点的位置与连接

LoraLoader节点通常位于“Loaders”分类下。在空白画布右键点击，搜索“LoraLoader”即可找到。该节点的作用是将指定的LoRA模型文件注入到主模型流中。

节点主要包含两个输入端和两个输出端：

• model：接收来自Checkpoint Loader的基础模型数据。
• clip：接收来自Checkpoint Loader的文本编码器数据。
• MODEL：输出经过LoRA调整后的模型数据，需连接到KSampler的model输入端。
• CLIP：输出经过LoRA调整后的CLIP数据，需连接到CLIP Text Encode（Prompt）节点的clip输入端。

这种串联结构意味着LoRA是“夹”在基础模型和采样器之间的。如果你需要加载多个LoRA，可以将第一个LoraLoader的输出连接到第二个LoraLoader的输入，形成链式结构。

LoraLoader节点与Checkpoint及KSampler的连接关系

模型选择与路径管理

在LoraLoader节点的参数面板中，最关键的设置是lora_name。点击下拉菜单，系统会列出models/loras文件夹下的所有.safetensors或.pt文件。

如果列表为空或找不到刚下载的文件，请检查以下两点：

1. 确认文件已放入ComfyUI根目录下的models/loras文件夹。
2. 点击界面右侧菜单中的“Refresh”按钮刷新模型列表，或重启ComfyUI服务。

选择正确的文件名后，节点即锁定该LoRA模型。注意，不同版本的LoRA可能对基础模型有特定要求（如SD1.5或SDXL），混用可能导致生成黑图或噪点过多。

在lora_name参数中选择模型文件

权重强度的调节逻辑

LoraLoader节点提供了两个强度参数：strength_model和strength_clip。

• strength_model：控制LoRA对图像生成过程（UNet）的影响程度。默认值为1.0。降低此值（如0.6-0.8）可以减弱LoRA的特征，使其更自然地融入基础画风；提高此值可能增强特征，但也容易导致画面过饱和或崩坏。
• strength_clip：控制LoRA对文本理解（CLIP）的影响程度。通常保持与strength_model一致，或略低。在某些情况下，单独调节CLIP强度可以改变提示词的响应敏感度，而不大幅改变画面结构。

建议从1.0开始测试，根据生成结果逐步微调。对于风格类LoRA，0.7-0.9往往是较安全的区间；对于角色类LoRA，可能需要更高的权重以保持特征一致性。

调节strength_model和strength_clip数值

触发词的正确使用

许多LoRA模型训练时绑定了特定的触发词（Trigger Words）。这些词汇必须在正向提示词（Positive Prompt）中出现，才能激活LoRA的最佳效果。

操作步骤如下：

1. 查看LoRA模型的说明页面或元数据，找到推荐的触发词。
2. 将触发词填入连接到LoraLoader输出端的CLIP Text Encode节点的正向提示框中。
3. 触发词通常放在提示词的开头或紧随主体描述之后，以确保高优先级。

需要注意的是，并非所有LoRA都需要触发词。一些通用风格LoRA可能无需特定词汇即可生效。如果不确定，可以尝试在不加触发词的情况下生成一张图，对比添加后的效果差异。同时，避免在负向提示词中包含触发词，除非你明确希望抑制该特征。

在CLIP Text Encode节点中添加LoRA触发词

当多个LoRA串联使用时，总权重效应会累积。如果画面出现严重失真，应尝试降低每个LoRA的权重，或减少同时加载的LoRA数量。LoraLoader节点的灵活性在于它允许你在不更换基础Checkpoint的情况下，快速切换和组合不同的微观风格。