ترکیب الگوها در ComfyUI؛ از معماری ورک فلو تا سناریوهای واقعی

این مقاله بخش چهارم و پایانی از سری ۴ قسمتی Bitgraph درباره‌ی ساخت ورک‌فلو در ComfyUI است:

قسمت ۱: تفکر معکوس و روش‌شناسی طراحی ورک‌فلو

قسمت ۲: آناتومی Data Flow و انواع داده‌ها

قسمت ۳: کتابخانه‌ی ۸ الگوی استاندارد ورک‌فلو

قسمت ۴ (همین مقاله): ترکیب الگوها، Subgraph، سناریوهای واقعی، Debugging

در سه قسمت قبلی، یک سفر کامل طی کردیم: از روش‌شناسی تفکر معکوس، به آناتومی نوع داده‌ها، به کتابخانه‌ی ۸ الگوی استاندارد. حالا به قسمت نهایی رسیده‌ایم، جایی که همه‌چیز کنار هم قرار می‌گیرد.

در دنیای واقعی، هیچ پروژه‌ی حرفه‌ای از یک الگوی خالص استفاده نمی‌کند. یک کمپین برندی نیاز دارد: Inpainting برای تغییر جزئیات، ControlNet برای حفظ ساختار، Style Transfer برای consistency بصری، و Upscaling برای کیفیت چاپی. این‌ها چهار الگوی مختلف هستند که باید با یکدیگر کار کنند. هنر ترکیب آن‌ها، همان چیزی است که یک کاربر را از سطح «کاربر ComfyUI» به سطح «Workflow Architect» ارتقا می‌دهد.

در این مقاله، یاد می‌گیرید: چطور الگوها را در نقاط اتصال صحیح به هم وصل کنید؛ چطور از Subgraph (ویژگی رسمی جدید ComfyUI) برای مدیریت ورک‌فلوهای پیچیده استفاده کنید؛ چطور سه سناریوی واقعی برندی را از ابتدا تا انتها طراحی کنید؛ و چطور با یک روش‌شناسی مرحله‌ای خطاها را در ورک‌فلوهای پیچیده پیدا کنید.

نقاط اتصال بین الگوها؛ کلید ترکیب حرفه‌ای

وقتی می‌خواهید دو الگو را با هم ترکیب کنید، ابتدا باید بپرسید: «کدام خروجی الگوی اول، ورودی الگوی دوم است؟» این خروجی مشترک، نقطه‌ی اتصال شما است. در اکثر ترکیب‌های ComfyUI، این نقطه‌ی اتصال یکی از سه چیز است: LATENT، CONDITIONING، یا IMAGE.

سه نوع ترکیب: Sequential، Parallel، و Nested

ترکیب الگوها سه حالت اصلی دارد.

Sequential: خروجی الگوی A مستقیماً ورودی الگوی B است، مثل Basic Generation → Upscaling.

Parallel: دو الگو همزمان روی یک داده‌ی مشترک کار می‌کنند، مثل ControlNet + Style Transfer که هر دو CONDITIONING را تقویت می‌کنند.

Nested: یک الگو درون الگوی دیگر، مثل Inpainting با ControlNet، که ControlNet بخشی از pipeline Inpainting است.

قاعده‌ی طلایی ترکیب: هر بار که دو الگو را ترکیب می‌کنید، نقطه‌ی اتصال را روی کاغذ مشخص کنید قبل از اینکه وارد ComfyUI شوید. اگر نمی‌توانید نقطه‌ی اتصال را بیابید، احتمالاً این دو الگو نمی‌توانند مستقیم ترکیب شوند و به یک الگوی واسط نیاز دارید.

پنج پترن اتصال پرکاربرد

اول، «Generate & Upscale»، رایج‌ترین ترکیب: Basic Generation یا Multi-Stage، سپس Upscaling. نقطه‌ی اتصال: IMAGE از VAE Decode به Image Upscale With Model.

دوم، «Controlled Generation»، می شود Basic Generation + ControlNet. نقطه‌ی اتصال: CONDITIONING از Apply ControlNet به KSampler. ControlNet یک شاخه‌ی اضافه به CONDITIONING مثبت اضافه می‌کند.

سوم، Basic Generation + Style Transfer + Upscaling. نقطه‌ی اتصال اول: MODEL از IP-Adapter Apply به KSampler. نقطه‌ی اتصال دوم: IMAGE از VAE Decode به Upscaler.

چهارم، «Inpaint with Control»، می شود Inpainting + ControlNet. هر دو به CONDITIONING مثبت وصل می‌شوند: ControlNet قبل از CONDITIONING به Inpaint KSampler، و VAE Encode (for Inpaint) برای LATENT ماسک‌دار.

پنجم، «Full Production Pipeline»، ترکیب چهار یا پنج الگو: Style Transfer → Generate → Inpaint → Upscale. این الگوی کامل را در سناریوهای واقعی بخش بعدی خواهیم دید.

Subgraph؛ ویژگی رسمی ComfyUI که همه‌چیز را تغییر داد

در آگوست ۲۰۲۵، Comfy.Org رسماً ویژگی Subgraph را به ComfyUI اضافه کرد. با Subgraph، شما می‌توانید چندین نود مرتبط را در یک «super-node» واحد بسته‌بندی کنید، درست مثل تبدیل یک فولدر پر از فایل به یک آرشیو زیپ. در اعلامیه‌ی رسمی Comfy Org،  ویژگی Subgraph به‌عنوان «LEGO block برای ورک‌فلو» توصیف شده است.

چرا Subgraph یک game-changer است؟

تصور کنید یک ورک‌فلوی ۸۰ نودی دارید. بدون Subgraph، هر بار که می‌خواهید ویرایش یا debug کنید، باید میان ۸۰ نود در هم پیچیده جستجو کنید. با Subgraph، هر بخش به یک نود واحد تبدیل می‌شود با نام مشخص. ورک‌فلوی ۸۰ نودی به یک ورک‌فلوی ۳ نودی تبدیل می‌شود: «Inpaint» + «ControlNet» + «Upscale».

چطور Subgraph بسازیم؟

۴ گام ساخت Subgraph:

• 1. نودهایی که می‌خواهید بسته‌بندی کنید را انتخاب کنید (box-select)
• 2. روی آیکون Subgraph در نوار ابزار انتخاب کلیک کنید
• 3. ComfyUI به‌طور خودکار ورودی‌ها و خروجی‌ها را شناسایی و slot می‌کند
• 4. نام Subgraph را تعریف کنید و شروع به کار کنید

Nested Subgraph، ساخت سلسله‌مراتب

یکی از قدرتمندترین ویژگی‌های Subgraph، پشتیبانی از نستینگ است. می‌توانید Subgraph را درون Subgraph دیگری قرار دهید. مستندات رسمی ComfyUI در docs.comfy.org این ویژگی را تأیید می‌کند.

Blueprint؛ کتابخانه‌ی شخصی Subgraphها

Blueprint یک قدم فراتر از Subgraph است. وقتی یک Subgraph را به‌عنوان Blueprint ذخیره می‌کنید، می‌توانید آن را در هر ورک‌فلوی دیگری با یک کلیک load کنید، بدون نیاز به کپی-پیست از پروژه‌های قبلی. این یعنی یک «کتابخانه‌ی شخصی» از بلوک‌های آماده‌ی ComfyUI می‌سازید. بهترین کاندیداها برای Blueprint: آرایش‌های بارگذاری مدل، پایپ‌لاین‌های Upscaling، و ترکیبات ControlNet پرکاربرد.

نکته‌ی مهم: بر اساس گزارش کاربران در blog.comfy.org، برخی اتصالات Subgraph هنگام save و restart ComfyUI ممکن است به‌درستی بارگذاری نشوند. توصیه می‌شود Subgraphهای پیچیده را بعد از load تست کنید. تیم Comfy روی این مشکل کار می‌کند.

سه سناریوی واقعی؛ از Brief کارفرما تا ورک‌فلوی کامل

حالا با سه سناریوی واقعی دست‌وپنجه نرم می‌کنیم. هر سناریو یک چالش واقعی طراحی است که با یک ترکیب مشخص از الگوهای قسمت سوم حل می‌شود.

سناریوی ۱ - کمپین کاتالوگ محصول

Brief کارفرما: «۱۲ تصویر محصول داریم که باید با سبک بصری یکسان به یه مودبرد خاص تطبیق داشته باشن، بعضیاشون هم پس‌زمینه‌ی شلوغ دارن که باید تمیز بشه. کیفیت نهایی برای چاپ کاتالوگ لازمه.»

ورک‌فلوی کامل — کاتالوگ:

Subgraph «Style Setup»: Load Checkpoint + Load CLIP Vision + Load IP-Adapter Subgraph «Product Prep»: Load Image → Mask Editor → VAE Encode (for Inpaint) Subgraph «Generate & Style»: IP-Adapter Apply + CLIP Text Encode + KSampler → VAE Decode Subgraph «Upscale & Export»: Latent Upscale → KSampler (denoise 0.3) → 4x-UltraSharp → Save

نکته‌ی کلیدی: پارامتر weight در IP-Adapter باید بین ۰.۵ تا ۰.۷ باشد. خیلی بالا باعث می‌شود سبک moodboard روی جزئیات محصول سایه بیندازد.

سناریوی ۲ - ساخت شخصیت یکپارچه برای کمپین دیجیتال

Brief کارفرما: «یه کاراکتر برند می‌خوایم که در ۱۰ حالت مختلف (نشسته، ایستاده، در حال کار...) نشون داده بشه. هر بار همون شخصیت باشه، همون چهره، همون لباس، همون ویژگی‌ها.» در این جدول به عنوان مقال sdxl نوشته شده است چون کنترل نت های قابل قبول تری دارد. شما با هر مدل دیگری میتوانید تصور کنید.

ترتیب کلیدی در سناریوی ۲:

• 1. Generate تصویر اول (پایه)→ Fix seed
• 2. از همان seed + IP-Adapter با reference تصویر اول → Generate پوز دوم
• 3. OpenPose ControlNet برای کنترل پوز هر تصویر جدید
• 4. FaceDetailer (Inpainting اتوماتیک روی ناحیه چهره)
• 5. Upscaling نهایی

سناریوی ۳ - تبدیل عکس‌های واقعی به تصاویر کمپین AI

Brief کارفرما: «عکس‌های واقعی محصول داریم. می‌خوایم به سبک Midjourney-style با نورپردازی سینمایی تبدیل بشن. ساختار محصول و فرم اصلی باید حفظ بشه.»

ورک‌فلوی کامل سناریوی ۳:

• 1. Load عکس → Preprocessor Canny → Load ControlNet Canny
• 2. Load عکس → Preprocessor Depth → Load ControlNet Depth
• 3. CLIP Text Encode: «cinematic product photography, studio lighting, Midjourney style, 8K»
• 4. Apply ControlNet Canny (strength 0.6) + Apply ControlNet Depth (strength 0.5)
• 5. KSamplerAdvanced (Base، denoise 0.7، steps 0-20)
• 6. KSamplerAdvanced (Refiner، steps 20-30) 7. VAE Decode → 4x-UltraSharp → Save

نکته‌ی کلیدی: استفاده از دو ControlNet با هم (Canny برای لبه‌ها + Depth برای ساختار سه‌بعدی). اما strength هر کدام باید زیر ۰.۷ باشد (مجموع زیر ۱.۲) تا از conflicting control جلوگیری شود.

Debuggingپیشرفته؛ پیدا کردن خطا در ورک‌فلوهای پیچیده

ورک‌فلوهای پیچیده، خطاهای پیچیده هم دارند. یک روش‌شناسی مرحله‌ای وجود دارد که ۸۰ درصد مشکلات را در کمتر از ۱۰ دقیقه حل می‌کند.

سلاح اصلی debugging: نود Preview Image

قدرتمندترین ابزار debugging در ComfyUI، نود Preview Image است. این نود را به خروجی IMAGE هر مرحله وصل کنید تا ببینید در آن نقطه تصویر چه شکلی است. در نسخه‌ی ۰.۳.۷۶ ComfyUI، نود جدیدی به‌نام Preview as Text هم اضافه شده که برای debugging داده‌های غیر بصری (مثل STRING یا INT) بسیار مفید است.

۶ گام Debugging مرحله‌ای

• گام ۱: تعریف دقیق «چه چیزی اشتباه است». «ورک‌فلو کار نمی‌کند» مفید نیست. بنویسید: «ناحیه‌ی inpainted با باقی تصویر blend نمی‌شود». این دقت، جستجو را هدفمند می‌کند.
• گام ۲: ورک‌فلو را به بخش‌های مستقل تقسیم کنید. با Subgraph یا به‌صورت ذهنی، ورک‌فلو را به ۳-۴ بخش تقسیم کنید. سپس هر بخش را جداگانه اجرا و Preview کنید.
• گام ۳: پیدا کردن بخش خراب. بخش‌ها را از ابتدا چک کنید. اولین بخشی که خروجی نامطلوب می‌دهد، مشکل آنجاست.
• گام ۴: ایزوله کردن نود خاطی. داخل بخش خراب، همان روش را اعمال کنید تا به نود اصلی برسید.
• گام ۵: تست با داده‌ی ساده. نود خاطی را با داده‌ی ساده‌تر تست کنید تا بفهمید مشکل از نود است یا از داده.
• گام ۶: تغییر یک پارامتر در هر بار. وقتی مشکل را پیدا کردید، فقط یک پارامتر را تغییر دهید. این رویکرد علمی، سریع‌ترین راه است.

ترفند حرفه‌ای: اگر خطا فقط در پروژه‌های پیچیده رخ می‌دهد، ورک‌فلو را با حداقل نودها شروع کنید (فقط Basic Generation) و یک الگو در هر بار اضافه کنید. این تکنیک «incremental building» رایج‌ترین روش ساخت ورک‌فلوهای پیچیده در پروژه‌های VFX حرفه‌ای است.

Workflow Architect؛ روش‌شناسی ۵ گامی برای هر پروژه‌ی پیچیده

در طول این سری ۴ قسمتی، ابزارهای زیادی یاد گرفتیم. اما دانستن ابزارها کافی نیست، نیاز به یک روش‌شناسی منسجم است که همه‌ی این ابزارها را کنار هم بگذارد.

گام ۱: تحلیل Brief با روش ۳ سؤالی

سه سؤال Workflow Architect (معمار ورک فلو):

• سؤال ۱: خروجی نهایی چیست؟ (نوع، کیفیت، ابعاد، تعداد)
• سؤال ۲: ورودی‌های موجود چه هستند؟ (تصاویر، مدل‌ها، مرجع‌ها)
• سؤال ۳: چه تبدیل‌هایی بین ورودی و خروجی نیاز است؟

گام ۲: انتخاب و ترتیب‌بندی الگوها

از کتابخانه‌ی ۸ الگوی قسمت سوم، الگوهای مورد نیاز را انتخاب و ترتیب‌شان را مشخص کنید. قاعده‌ی کلی: الگوهای «تولید» قبل از الگوهای «پالایش» قرار می‌گیرند. Generation و Style Transfer اول، سپس Inpainting برای جزئیات، در آخر Upscaling. نقاط اتصال بین الگوها را روی کاغذ مشخص کنید.

گام ۳: ساخت Incremental، یک الگو در هر بار

با ساده‌ترین ورک‌فلوی ممکن شروع کنید. یک الگو بسازید و تست کنید. وقتی جواب داد، الگوی بعدی را اضافه کنید. در هر مرحله، یک Preview Image موقت وصل کنید و نتیجه را بررسی کنید.

گام ۴: Subgraph و سازماندهی

وقتی ورک‌فلو کار کرد، با Subgraph سازماندهی کنید. هر بخش منطقی را به یک Subgraph تبدیل کنید. Subgraphهای عمومی را به‌عنوان Blueprint ذخیره کنید تا در پروژه‌های بعدی قابل استفاده باشند.

گام ۵: مستندسازی با Note nodes

در کنار هر Subgraph، یک Note بزنید که توضیح دهد: این Subgraph چه کاری می‌کند، کدام پارامترها مهم‌اند، و چه محدودیت‌هایی دارد. این سرمایه‌گذاری ۵ دقیقه‌ای، شما را از ساعت‌ها سردرگمی ۳ ماه بعد نجات می‌دهد.

سؤالات متداول، قسمت پایانی

آیا Subgraph ورک‌فلوهای من را کندتر می‌کند؟

نه. طبق مستندات رسمی ComfyUI Nodes 2.0، Subgraph هیچ تأثیری روی سرعت اجرا ندارد. Subgraph صرفاً یک ابزار سازماندهی بصری است، موتور اجرایی ComfyUI هنگام اجرا، Subgraph را به نودهای اصلی تبدیل می‌کند و دقیقاً مثل ورک‌فلوی بدون Subgraph اجرا می‌کند.

بهترین ترتیب برای یادگیری ترکیب الگوها چیست؟

ترتیب پیشنهادی: اول Basic Generation + Upscaling (رایج‌ترین). سپس Basic Generation + ControlNet. سپس Image-to-Image + Style Transfer. بعد Inpainting + ControlNet (پیچیده‌ترین ترکیب رایج). در آخر Full Production Pipeline. هر هفته یک مرحله، ۵ هفته تمرین منظم، شما را به سطح حرفه‌ای می‌رساند.

چطور workflow خودم را با دیگران share کنم؟

دو روش اصلی: اول، ذخیره‌ی workflow به‌صورت JSON از طریق Workflow > Save As JSON. دوم، ذخیره‌ی یک تصویر PNG که workflow را در metadata خود دارد. در GitHub رسمی ComfyUI توضیح داده شده که drag کردن یک PNG تولیدشده با ComfyUI، workflow کامل آن را load می‌کند و این را بارها در ویدیوهای یوتوب توضیح داده ایم. 

پس از اتمام این سری، قدم بعدی چیست؟

سه مسیر پیشنهادی:

اول، پروژه‌ی شخصی، یک پروژه‌ی واقعی از ابتدا تا انتها.

دوم، کتابخانه‌ی Blueprint، تمام ورک‌فلوهای موفق را Blueprint کنید.

سوم، مدل‌های local ویدیویی، LTX-Video و Wan در ComfyUI به‌خوبی کار می‌کنند. با همین مهارت‌هایی که یاد گرفتید می‌توانید workflow‌های Image-to-Video هم بسازید.

جمع‌بندی کل سری؛ از صفر تا Workflow Architect

در این سفر ۴ قسمتی، یک مسیر منسجم طی کردیم. در قسمت اول، یاد گرفتیم که از خروجی به ورودی فکر کنیم. در قسمت دوم، الفبای ComfyUI را فهمیدیم: ۸ نوع داده و قاعده‌ی همرنگ. در قسمت سوم، با ۸ الگوی استاندارد آشنا شدیم. و در این قسمت، یاد گرفتیم چطور این الگوها را ترکیب کنیم و از Subgraph برای مدیریت استفاده کنیم.

اگر یک پیام نهایی از این سری باید با خود ببرید، این است: ComfyUI یک ابزار قدرتمند است، اما قدرت آن از ساختار تفکر شما می‌آید، نه از تعداد نودها. یک workflow architect خوب، با ۱۵ نود ساختاریافته، نتایج بهتری از کسی می‌گیرد که ۱۰۰ نود تصادفی را به هم وصل کرده.