嗨喽，我刚接触ComfyUI，想从简单的案例开始，一步步挑战更复杂的项目。有没有什么好地方可以找到这种分层次（基础-进阶）的学习案例呢？我想边学边练，这样印象更深刻。

以下是一些在企业内部落地应用 AI 大模型工具的实践案例： 1. 阿里云百炼： 智能体应用：能够弥补大模型的不足，如回答私有领域问题、获取实时信息、回答专业问题等。适用于有企业官网、钉钉、微信等渠道，期望为客户提供产品咨询服务，以及缺少技术人员开发大模型问答应用的场景。典型场景包括私有领域知识问答、个性化聊天机器人、智能助手等。 内部业务助手：通过企业内部规章制度、部门结构、产品介绍等文档构建知识库，并借助 RAG 智能体实现内部知识问答功能。系统支持多源异构数据，并通过复杂文档解析和视觉增强技术，提升文档理解的准确性与深度。目前该功能已灰度上线，需提供 UID 并通过白名单进行开启。 2. 达摩院： AI 模特（虚拟换装）：支持虚拟换装、姿态编辑。 3. 电商零售： 推广文案写作：通过内置的多样化营销场景的文体模板，基于用户输入的创作主题以及参考素材，大模型即可为您生成对应的营销文案，为营销活动和宣传文案提供灵感和文案写作支持。 4. 泛企业： VOC 挖掘：是一个面向各类企业的 VOC 标签挖掘的工具。不论是用户的长短评论、帖子、还是用户和客服/销售的聊天记录、通话记录，都可以使用。通过选中或自定义标签，即可让大模型针对海量非结构化的 VOC 数据快速打标。相比于人工打标或规则打标准确率更高；对于业务标签变动频繁的情况，也能更敏捷、快速地影响。 5. 通义晓蜜：基于深度调优的对话大模型，为营销服类产品提供智能化升级所需的生成式摘要总结、质检、分析等能力应用。

以下是一些中小学在生成式 AI 教育场景应用中采用项目式学习的案例： 北京市新英才学校： 开设“AI 创作家”小学课后服务特色课程，12 个五、六年级的学生在老师的引导和帮助下，主导设计一款实用的桌游。 学生们提出解决学校面积大导致新生和访客迷路的问题，决定制作一款学校地图桌游。 课程中，学生有时听老师讲解人工智能知识和工具使用方法，有时自己写 prompt 与大语言模型对话，还使用文生图 AI 工具生成桌游卡牌背后的图案，手绘第一版学校地图，选择游戏机制并梳理游戏流程。 在教育领域，生成式 AI 带来了诸多改变： 解决了教育科技长期以来在有效性和规模之间的权衡问题，可大规模部署个性化学习计划，为每个用户提供“口袋里的老师”，如实时交流并给予发音或措辞反馈的语言老师。 出现了众多辅助学习的产品，如教授新概念、帮助学习者解决各学科问题、指导数学作业、提升写作水平、协助创建演示文稿等。

以下是北京市新英才学校在中小学教育场景中生成式 AI 的应用案例： 特色课程方面：学校开设了“AI 创作家”小学课后服务特色课程，12 个五、六年级的学生在老师的引导下，用 AIGC 工具设计一款实用的桌游。学生主导从收集需求、定义问题到设计背景、机制、内容、视觉，再到测试、迭代的全过程。例如，为解决学校面积大导致新生和访客迷路的问题，学生决定做一款学校地图桌游。课程中，学生学习人工智能知识、使用工具写 prompt 与大语言模型对话，还使用 OpenInnoLab平台生成桌游卡牌图案、手绘地图、选择游戏机制、梳理游戏流程。此外，还邀请中国传媒大学的吴卓浩教授合作，采用“大学生，小学生同上一节课”的方式，大学生为小学生讲解 AI 工具、试玩桌游。本学期，学生们测试并迭代桌游，使用 3D 打印机打印配件，用 ChatGPT 和 Midjourney 增强视觉设计，用 Kimi 辅助编写说明书，还计划让学生尝试用文生音乐工具 Suno 制作歌曲加入桌游 2.0 版本。 英语主课方面：初中部的英语课也融入了 AIGC 工具。魏一然协助初中部的英文老师杨佳欣和刘奕玚进行探索。在课程初期，更多是老师带着学生使用 AIGC 工具，prompt 由学生提出，老师引导。例如，在研究学校食堂食物浪费问题时，老师带着学生与 ChatGPT 对话，了解处理方法，让 ChatGPT 为学生生成生词解释和例句，形成生词库，并灵活加工生词生成题目、游戏或文章帮助学生复习单词。在关于社交媒体的英语辩论课上，尝试让学生自主使用 AIGC 工具做辩论准备。

以下是关于飞书接入 DeepSeek 多维表格处理的相关案例和信息： 自定义 AI（DeepSeek 版）：https://bytedance.larkoffice.com/base/extension/replit_3f6c0f185eac23fb ，支持 DeepSeek R1、V3 模型，以及 DeepSeek 官方、火山方舟、硅基流动三个服务商。 有案例如“笨笨 v 泡泡”的 deepseekr1:7b 模型行测试题分析过程及结果，可参考：https://mp.weixin.qq.com/s/kjYiRS9RE25vywm0EsP6A?token=8615663&lang=zh_CN 。 相关文章和教程： 《突破 DeepSeek R1 能力天花板，火山引擎扣子+飞书一站式企业解决方案》：https://waytoagi.feishu.cn/wiki/RZE9wP94tiEO6bkU5cTcyecHnnb 。 《羊毛快薅|字节火山上线了 DeepSeek 系列模型并悄悄更改了模型服务价格...》：https://waytoagi.feishu.cn/wiki/HzHSwEwtCiBmWrkRm6fc0J0Qneh 。 《喂饭级教程：飞书多维表格+DeepSeek=10 倍速用 AI》：https://mp.weixin.qq.com/s/aIi4tIy0CCINyQE_3AfF_Q ，介绍了如何结合实现批量处理信息、提升工作效率等。 飞书多维表格的接入方法在整理列上这两天直播教程中的所有模板中有提及。 2 月 10 日的社区动态中有 DeepSeek R1 赏析分享会等相关内容。 2 月 14 日的社区动态中有关于另外一款推理模型 zero 的推理过程等相关内容。

目前在 H5 领域，与 AI 结合的案例相对较少。但一些可能的方向包括：利用 AI 进行个性化内容推荐，根据用户的浏览历史和偏好为其推送相关的 H5 页面内容；通过 AI 实现智能客服，在 H5 页面中为用户提供实时的问题解答和帮助；运用 AI 图像识别技术，让用户可以通过拍照或上传图片在 H5 页面中获取相关信息或进行互动。

以下是一些 AI 智能体在企业中的应用案例： 决策智能体： 以 Anterior 为例，它是一家健康计划自动化公司，开发了用于自动化理赔提交审核的临床决策引擎。将付款方规则转换为有向无环图，智能体遍历决策树，利用 LLM 评估相关临床文件是否符合规则，在复杂任务中选择最佳方法并更新状态，直至最终确定。 Norm AI 正在为监管合规打造 AI 智能体，Parcha 正在为 KYC 建立智能体。 检索增强生成（RAG）： 以 Sana 的企业搜索用例为例，应用程序加载和转换无结构文件，将其分块并作为向量嵌入存储在数据库中。当用户提问时，系统检索相关上下文块，折叠到“元提示”中与检索信息一起喂给 LLM，合成答复返回给用户。 Eve 法律研究的共同驾驭员会将研究查询分解为独立提示链，运行每个提示链生成中间输出，并综合编写最终备忘录。 生成式 AI 应用： 具有搜索、合成和生成三个核心用例，Menlo Ventures 投资组合公司如 Sana（企业搜索）、Eve（法律研究副驾驶）和 Typeface（内容生成 AI）是早期突破性的代表。 领先的应用程序构建商如 Anterior、Sema4 和 Cognition 正在建立解决方案，处理之前只能由大量人力解决的工作流程。借助多步逻辑、外部内存以及访问第三方工具和 API 等新型构建块，拓展 AI 能力边界，实现端到端流程自动化。

以下是为您推荐的跑 ComfyUI 最具性价比的电脑配置： 系统：Windows 7 以上。 显卡：建议使用 6GB 以上显存的 NVIDIA 显卡（N 卡），最低要求 NVDIA 独立显卡且显存至少 4G 起步。SDXL 出来后，最低需要 8GB 显存+32GB 运行内存，12GB 可流畅运行，推荐 16GB 以上。运行内存最低 32GB，越高越好，最低配可能会经常爆显存。 硬盘：留有足够的空间，最低 100G 起步（包括模型）。最好把软件和模型部署在 SSD（固态硬盘）上，以提高加载模型的速度。 CPU：无特别要求，但如果您的电脑能顺畅清晰地玩 3A 游戏，那运行 ComfyUI 通常也没问题。 需要注意的是，ComfyUI 相比 WebUI 配置更低，系统资源占用更少，出图速度更快，最低可在小于 3G 的 GPU 上运行，甚至没有 GPU 光用 CPU 也可以运行，但速度极慢。配置上不封顶，您可以根据自己的需求和预算来选择。

以下是关于 ComfyUI 本地部署安装的相关信息： ComfyUI 相比 WebUI，配置更低，系统资源占用更少，出图速度更快，最低可在小于 3G 的 GPU 上运行，甚至没有 GPU 光用 CPU 也可以运行，但速度极慢。SDXL 出来后提高了运行配置，最低需要 8GB 显存+32GB 运行内存，12GB 流畅运行，推荐 16GB 以上。运行内存最低 32GB，越高越好，最低配会经常爆显存。玩 SDwebui 和 ComfyUI 建议使用 6GB 以上显存的 NVIDIA 显卡（N 卡），内存在 16G 以上。硬盘会影响加载模型的速度，最好把软件和模型部署在 SSD 上。如果电脑能顺畅清晰地玩 3A 游戏，那玩 webui 和 ComfyUI 也没问题。配置上不封顶，根据自己的需求和预算来即可。 安装地址：https://github.com/comfyanonymous/ComfyUI 。可以下载安装包也可以直接 Git clone https://github.com/comfyanonymous/ComfyUI.git ，或者下载安装包 file:ComfyUI.zip ，下载安装包或者点击链接下载并解压至本地除 C 盘外的任意盘。然后找到文件名称为 run_nvidia_gpu 的文件双击并启动。启动完成即进入基础界面。 节点存放目录：D:\\COMFYUI\\ComfyUI_windows_portable\\ComfyUI\\custom_nodes 。 模型存放目录： 大模型：D:\\COMFYUI\\ComfyUI_windows_portable\\ComfyUI\\models\\checkpoints 。 Lora：D:\\COMFYUI\\ComfyUI_windows_portable\\ComfyUI\\models\\loras 。 Vae：D:\\COMFYUI\\ComFYUI_windows_portable\\ComfyUI\\models\\vae 。 已经安装了 SDWebUI 的同学可以通过修改文件路径和 WebUI 共用一套模型即可，这样就不用重复下载模型了。找到已安装好的 ComfyUI 目录文件下的 extra_model_paths.yaml.example 文件，将后缀.example 删除，然后右键用记事本打开。 您的电脑配置为 GPU：RX6600 8G，CPU：R5 5600，内存：DDR4 8G2，可能需要注意内存方面可能不太满足推荐配置，可能会影响运行效果。

ComfyUI 是一种具有独特特点和优势的工具，以下是关于如何凭借它成为自由职业工作者的相关内容： ComfyUI 的概念和重要性： ComfyUI 的 UI 界面相较于 SD WebUI 更为复杂，除输入框外还有很多块状元素和复杂连线。 虽然学习成本较高，但连线并不复杂，小方块与 SD WebUI 的输入框和按钮作用相同，都是对参数进行配置，连线类似搭建自动化工作流，从左到右依次运行。 ComfyUI 的功能和优势： 从功能角度看，它与 SD WebUI 提供的功能相同，但以连线方式呈现。 通过改变节点可实现不同功能，如一个是直接加载图片，一个是通过画板绘制图片，从而实现导入图片生图或绘图生图等不同功能。 选择 ComfyUI 的核心原因在于其自由和拓展性，可根据自身需求搭建适合自己的工作流，无需依赖开发者，还能开发并改造节点。 ComfyUI 的基础界面和操作： 熟悉基本界面，如创建第一个工作流时，要进行加载 Latent（设置图片宽高和批次）、加载 VAE 等操作。 节点分为起始节点、最终输出节点和过程执行节点，将各节点按规则串联，如 checkpoint 加载器、CLIP 对应链接正向和负向提示词等，最终得到工作流。 要成为凭借 ComfyUI 的自由职业工作者，需要多练习和使用，尝试通过变现图片获取收益。

学习 ComfyUI 而不先学习 SD 是可行的。ComfyUI 具有一些独特的优势，例如更接近 SD 的底层工作原理，能够实现自动化工作流以消灭重复性工作，作为强大的可视化后端工具还能实现 SD 之外的功能，如调用 API 等，并且可根据定制需求开发节点或模块。 比如，有人基于 ComfyUI 中的创建了工作流，不仅能用于绿幕素材的抠图，还能自动生成定制需求的抠图素材，全程只需几秒。 在电脑硬件方面，使用 ComfyUI 时，系统要求 Windows7 以上，显卡要求 NVDIA 独立显卡且显存至少 4G 起步，硬盘需留有至少 100G 空间（包括模型）。但 mac 系统、AMD 显卡、低显卡的情况也能安装使用，只是功能不全、出错率偏高，严重影响使用体验，建议升级设备或采用云服务器。

以下是一些关于 ComfyUI 的学习教程资源： 1. ComfyUI 官方文档：提供使用手册和安装指南，适合初学者和有经验的用户，可在获取相关信息。 2. 优设网：有详细的 ComfyUI 入门教程，适合初学者，介绍了特点、安装方法及生成图像等内容，教程地址是。 3. 知乎：有用户分享了 ComfyUI 的部署教程和使用说明，适合有一定基础并希望进一步了解的用户，可在找到相关教程。 4. Bilibili：提供了从新手入门到精通各个阶段的系列视频教程，可在查看。 此外，还有以下教程： 1. 一个全面的 ComfyUI 教程：https://www.comflowy.com/zhCN 2. 超有意思的 ComfyUI 教程：https://comfyanonymous.github.io/ComfyUI_tutorial_vn/ ComfyUI 基础教程中关于 KSampler 的部分： KSampler 即采样器，包含以下参数： 1. seed：随机种子，用于控制潜空间的初始噪声，若要重复生成相同图片，需种子和 Prompt 相同。 2. control_after_generate：设置每次生成完图片后 seed 数字的变化规则，有 randomize（随机）、increment（递增 1）、decrement（递减 1）、fixed（固定）。 3. step：采样的步数，一般步数越大效果越好，但与使用的模型和采样器有关。 4. cfg：一般设置在 6 8 之间较好。 5. sampler_name：可通过此设置采样器算法。 6. scheduler：控制每个步骤中去噪的过程，可选择不同调度算法。 7. denoise：表示要增加的初始噪声，文生图一般默认设置为 1。 内容由 AI 大模型生成，请仔细甄别。

ComfyUI 是一个基于节点流程式的 stable diffusion AI 绘图工具 WebUI，以下是关于它的详细介绍： 简介：可以想象成集成了 stable diffusion 功能的 substance designer，通过将 stable diffusion 的流程拆分成节点，实现更精准的工作流定制和完善的可复现性。 优劣势： 优势：对显存要求相对较低，启动速度快，出图速度快；具有更高的生成自由度；可以和 webui 共享环境和模型；可以搭建自己的工作流程，可以导出流程并分享给别人，报错时能清晰发现错误所在；生成的图片拖进后会还原整个工作流程，模型也会选择好。 劣势：操作门槛高，需要有清晰的逻辑；生态没有 webui 多（常用的都有），也有一些针对 Comfyui 开发的有趣插件。 官方链接：从 github 上下载作者部署好环境和依赖的整合包，按照官方文档按照即可：https://github.com/comfyanonymous/ComfyUI 安装部署： 电脑硬件要求： 系统：Windows7 以上。 显卡要求：NVDIA 独立显卡且显存至少 4G 起步。 硬盘留有足够的空间，最低 100G 起步（包括模型）。 注：mac 系统，AMD 显卡，低显卡的情况也可以安装使用，功能不全，出错率偏高，严重影响使用体验个人建议升级设备或者采用云服务器玩耍。 下载并安装所需要环境： 依次下载并安装 python、Git、VSCode，安装过程中一直点击勾选对应选项，一直下一步。 安装 Python：https://www.python.org/downloads/release/python3119/ ，安装的时候选中“将 Python 添加到系统变量”。 安装 VSCode：https://code.visualstudio.com/Download 。 安装 Git：https://gitscm.com/download/win 。 安装 CUDA：https://developer.nvidia.com/cuda1220downloadarchive?target_os=Windows&target_arch=x86_64&target_version=11&target_type=exe_network 。 地址：https://github.com/comfyanonymous/ComfyUI ，可以下载安装包也可以直接 Git clone https://github.com/comfyanonymous/ComfyUI.git ，或者下载安装包 file:ComfyUI.zip ，下载安装包或者点击链接下载并解压至本地除 C 盘外的任意盘。然后找到文件名称为 run_nvidia_gpu 的文件双击并启动。启动完成即进入基础界面。 节点存放目录：comfyUI 的节点包括后面安装的拓展节点都存放在本目录下 D:\\COMFYUI\\ComfyUI_windows_portable\\ComfyUI\\custom_nodes 。 模型存放目录： 大模型：D:\\COMFYUI\\ComfyUI_windows_portable\\ComfyUI\\models\\checkpoints 。 Lora：D:\\COMFYUI\\ComfyUI_windows_portable\\ComfyUI\\models\\loras 。 Vae：D:\\COMFYUI\\ComfyUI_windows_portable\\ComfyUI\\models\\vae 。 模型共用：已经安装了 SDWebUI 的同学可以通过修改文件路径和 WebUI 共用一套模型即可，这样就不用重复下载模型了。找到已安装好的 ComfyUI 目录文件下的 extra_model_paths.yaml.example 文件，将后缀.example 删除，然后右键用记事本打开。

对于新手学习 AI 并熟练使用相关工具，建议按以下步骤进行： 1. 掌握提示词技巧：提示词上手容易且很有用。 2. 实践和尝试： 理论学习后通过实践巩固知识，尝试使用各种产品制作作品。 参考飞书知识库中大家实践后的作品和文章分享，并积极分享自己的实践成果。 3. 体验 AI 产品： 与 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人互动，了解其工作原理和交互方式，获取实际应用中的第一手体验。 4. 持续学习和跟进： 关注 AI 领域的新闻、博客、论坛和社交媒体，了解最新发展。 加入 AI 相关社群和组织，参加研讨会、工作坊和会议，与其他爱好者和专业人士交流。 如果希望继续精进，还可以学习以下内容： 1. Python 相关： 属性和方法：学习为类定义属性和方法，并通过对象调用。 继承和多态：了解类之间的继承关系及实现多态。 异常处理：理解异常，学习使用 try 和 except 语句处理错误。 文件操作：学习文件读写、文件与路径操作。 2. AI 背景知识： 基础理论：了解人工智能、机器学习、深度学习的定义及关系。 历史发展：回顾 AI 的发展历程和重要里程碑。 数学基础： 统计学基础：熟悉均值、中位数、方差等统计概念。 线性代数：了解向量、矩阵等基本概念。 概率论：掌握基础的概率论知识，如条件概率、贝叶斯定理。 算法和模型： 监督学习：了解线性回归、决策树、支持向量机（SVM）等常用算法。 无监督学习：熟悉聚类、降维等算法。 另外，学习 AI 还可以： 1. 了解 AI 基本概念： 阅读「」，熟悉 AI 术语和基础概念，包括主要分支及它们之间的联系。 浏览入门文章，了解 AI 历史、应用和发展趋势。 2. 开始 AI 学习之旅： 在「」中找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）按自己节奏学习，并争取获得证书。 3. 选择感兴趣的模块深入学习：AI 领域广泛，如图像、音乐、视频等，可根据兴趣选择特定模块深入钻研。 学习 AI 是一个长期过程，需要耐心和持续努力，不要害怕犯错，每个挑战都是成长机会，随着时间推移，您将逐渐建立起自己的 AI 知识体系并取得成就。