今天展示的案例是一个基于Qwen-Image 编辑功能的 ComfyUI 工作流。该工作流围绕图像编辑展开，通过加载扩散模型、文本编码器、VAE 模块以及 LoRA 适配器，结合输入图像与文本提示，实现对图像中元素的精准移除与增强效果。整体设计不仅保证了画面质量，也通过采样器与归一化组件提升了生成的稳定性，最终输出高质量的编辑结果。文章目录工作流介绍核心模型Node节点工作流程大模型应用TextEncodeQwenImageEdit 双语文本与语义外观控制TextEncodeQwenImageEdit (Negative Prompt) 负向语义控制使用方法应用场景开发与应用工作流介绍这个工作流主要面向图像的定向修改与修复场景。通过引入 Qwen-Image 的专用扩散模型与配套 VAE 编码器，结合 Qwen 2.5 版本的多模态文本编码器，可以让输入提示词直接指导图像的修改区域。LoRA 模型作为轻量级适配器，大幅缩短了推理所需步骤，同时保持风格一致性。整体流程中，KSampler 与 CFGNorm 节点确保了采样结果的质量与一致性，而图像缩放与保存节点则保证了最终输出适应不同分辨率的需求。核心模型在该工作流中，核心模型由四部分组成。扩散模型负责图像生成的基础逻辑，VAE 模块完成潜在空间与像素空间的互转，CLIP 文本编码器使提示词具备指导性，而 LoRA 则提升了生成效率并适配不同编辑需求。这些模型通过互相协作，使得图像编辑能够在较低的推理步数中完成，同时确保生成效果的清晰度和语义一致性。模型名称说明qwen_image_edit_fp8_e4m3fn.safetensors主要扩散模型，负责图像编辑的核心生成逻辑qwen_image_vae.safetensorsVAE 模型，