AI 图像生成全家桶

这个 pack 包含什么

这是一个真正搞图像生成的工程师周末会装的核心 — 不是 Civitai 收藏夹倾倒。每个都是开源、活跃维护、值得占磁盘的。安装顺序经过精心安排：每个工具回答前一个工具产生的问题。

如果你一周只生成一张图，本 pack 你用不上 — Midjourney 就够了。本 pack 针对的是这些场景：要可复用可版本化的工作流图、要训练自己的人物 / 风格 LoRA、要 ControlNet 姿态 / 深度条件控制、要在 Replicate 上批量跑 10k 张、要把图像生成通过 MCP 接进 Claude / Codex agent。2026 年这一摞需求只能用开源解决。

推荐安装顺序

1. ComfyUI — 工作流引擎。从这里开始，因为后面所有工具最终都会接到 ComfyUI 的某个节点里。图形化、JSON 可序列化的工作流，1000+ 自定义节点支持 Flux / SDXL / ControlNet / LoRA。装完 ComfyUI，其他东西都只是 models/checkpoints/ 里的一个文件。
2. AUTOMATIC1111 (SD Web UI) — 基础模型 UI。新下载一个 SDXL / SD 1.5 checkpoint 想快速验证、不想接节点的最低门槛方式。留着做快速健康检查；正经生产还是 ComfyUI。
3. InvokeAI — 生产级画布 + 队列。A1111 是研究员的玩具场，InvokeAI 才是真 UI：团队友好的元数据、prompt 库、队列管理。出图量真正起来的时候上它。
4. Fooocus — 有主见的 SDXL，默认参数香。「就给我一张好图」的兄弟版。适合团队里的非工程师，也是「好的默认参数长什么样」的参考。
5. ControlNet — 空间条件控制。能生成之后立刻就会想加：姿态、深度、边缘、分割。ControlNet 就是答案；它不是独立 app，而是在 ComfyUI / A1111 / InvokeAI / Diffusers 里加载的模型插件。
6. Diffusers (Hugging Face) — Python 底座。上面所有工具底层都是 Diffusers。当你要脚本化批量 5 万张、从 notebook 调用、或者组合 pipeline（SDXL + IP-Adapter + ControlNet + Refiner）— 就下沉到 Diffusers。别从这里开始，要的时候才下沉。
7. Kohya sd-scripts — LoRA 训练事实标准。SD 1.5 / SDXL / Flux 的 LoRA 训练社区都用它。跑两周图你就会想要一个人物 / 风格 LoRA — 社区都是这么训的。配 24GB 显卡或者租一小时 A100。
8. AnimateDiff — 扩散模型的运动模块。在 ComfyUI 里接一个节点，现有图像模型直接出 16 帧视频片段。不学新模型族进入 AI 视频的最便宜入口。
9. Replicate — 本地不够用时上云批量。要 10k 张图，或者模型太大跑不动（Flux dev 满精度要 24GB+），API 推给 Replicate。按秒计费。同样的模型 — 把 prompt JSON 推过去，拿 URL 回来。
10. mcp-image — 给 agent 的 MCP server。最新一层：通过 MCP 把图像生成暴露成 Claude Code / Codex / Gemini CLI 的工具。让 agent 自己「画好图嵌进文档」而不是来求你。

它们怎么协同

ComfyUI (工作流引擎)
   │
   ├─ 从磁盘加载 checkpoints + LoRAs + ControlNet 模型
   │
   └─ 节点底层调 Diffusers (HF)
         │
         ├─ Kohya 训出 ComfyUI 要加载的 LoRA
         │
         └─ AnimateDiff 是 ComfyUI 的一个节点，不是独立 app

AUTOMATIC1111 / Fooocus — 基础模型快速健康检查
InvokeAI — 生产画布 + 队列（和 ComfyUI 平行）

ControlNet — 模型插件，活在以上所有工具内部

Replicate — 同样的模型文件，通过 HTTPS 跑在云端

mcp-image — 把以上任何一个暴露成 MCP 工具

核心组合是 ComfyUI + ControlNet + Kohya + Diffusers。这四件套覆盖：什么都能生成、能训自己的风格、能加姿态 / 深度 / 边缘条件、UI 走不通的时候下沉到 Python。pack 里其他全都是绕这四件套的专用适配器。

你会遇到的取舍

• ComfyUI vs AUTOMATIC1111 vs InvokeAI — A1111 用来快速测模型。ComfyUI 用来搭可复用的正经工作流。InvokeAI 给需要真队列 + 元数据的团队。三个都装、各司其职，别想用一个工具搞定三件事。
• Fooocus vs ComfyUI — Fooocus 默认参数好，ComfyUI 天花板高。Fooocus 给设计师同事，ComfyUI 留自己用。
• 本地训 LoRA vs 租 A100 — 1024 分辨率 SDXL LoRA 在 Kohya 上：4090 大概 1.5-3 小时，A100 大概 25-45 分钟（约 $1.50）。一周不到一个 LoRA 就租；多了就本地买。
• Replicate vs 自建 — Replicate 适合脉冲负载和本地跑不动的大模型（Flux dev 满精度要 24GB+）。稳定吞吐量的话，自己一张 4090 在 SDXL 量级下不到 30 天回本。
• MCP 图像生成 vs 直接 API — 只在你的 agent 真的需要出图时才接 mcp-image，否则就是个没人用的活动部件。

常见踩坑

• 磁盘按 30GB / checkpoint 起步消失 — SDXL base 约 7GB、Flux dev 约 24GB、加 LoRA（每个 150MB）、加 ControlNet 模型（每个约 1.5GB）、加 VAE。认真搞至少 500GB SSD 起步。
• CUDA / xformers 版本漂移 — 上面每个工具想要的 PyTorch + CUDA + xformers 组合都略不同。一个 venv 一个工具，pin 死版本。别想让 ComfyUI + A1111 + InvokeAI 共享一个 venv。
• Kohya 训出来的 LoRA 一眼坏了的人物 — 99% 是数据集问题（10 张 768px 是底线，30+ 张 1024px 才安全），不是超参问题。先把数据集打磨好再碰学习率。
• ControlNet 模型和 base 不匹配 — SDXL 的 ControlNet 不能用在 SD 1.5 上，反过来也是。不匹配 = 一团噪声。下载前看文件名后缀（_sdxl / _sd15）。
• AnimateDiff 第一次跑出来是幻灯片不是动画 — context length / motion scale / 采样步数要联调。先跑官方发布的示例工作流再自己改。