队列、种子与可复现性

一句话定义

Queue 是批量执行的任务列表;seed(种子)决定初始噪声,加上"同一模型 + 同一参数",三者齐备即可让任何一张图被精确复现——这是 ComfyUI 工程化气质的根基。

为什么重要

• 复现是迭代的前提:改了提示词结果变好,你得确定是"提示词的功劳"还是"种子恰好变了"。
• 批量出图(调参数、选优、给下游挑图)全靠队列;面试或工作里"给我 20 个方案"就是队列 + batch。

前置知识

第一个文生图工作流解剖。

核心概念

• Queue 面板(右下):点击运行即入队;可连续入队多个任务,后端逐个执行;History 保存已完成任务,可"载入参数"一键恢复当时的全部节点状态。
• seed 控件:每个采样类节点都有一个 seed 输入;右侧的 control_after_generate(固定/递增/递减/随机)决定每次运行后种子怎么变——想固定住结果选 Fixed,想批量探索选 Randomize。
• batch 与队列的区别:batch_size 是"一张工作流里并行生成 N 张"(共享同一批模型加载,更省时间);队列是"N 次独立任务"(可以各用不同参数)。
• 输出落盘:ComfyUI/output/ 下,默认文件名 ComfyUI_00001_.png 递增;文件名可由 SaveImage 节点的 filename_prefix 定制(支持 %date 等占位符)。

原理与机制

采样第一步是用 seed 生成初始噪声(高斯随机),之后每一步去噪都是确定性运算。因此:

可复现三要素:  同一模型文件 + 同一节点参数(含 steps/cfg/sampler/scheduler/denoise/分辨率) + 同一 seed
任一要素改变 → 结果必然不同

PNG 元数据:ComfyUI 默认把 workflow(prompt)JSON 写进生成图的 PNG 元数据。把任何一张 ComfyUI 产物拖回画布即可还原整张工作流——这是社区分享图皆可复现的秘密,也是排查"这张图当时怎么生成的"的钥匙。

公式 / 模型 / 图示

点击运行 ×N  →  Queue: [任务1, 任务2, …]  →  逐任务: 校验图 → 拓扑执行(缓存命中则跳过) → 落盘
seed=12345, params 全同  ⇒  图像逐比特一致

直观类比

seed 像掷骰子的"骰面记录":记录了点数,同一副骰子(模型)、同一套规则(参数)重掷就得到同一个结果。队列则是工厂排产单。

实例与案例

• 固定风格扫提示词:seed 选 Fixed,只改 prompt,连按 Ctrl+Enter —— 得到"同一构图不同文案"的对照实验。
• 同一提示词选优:prompt 不动,seed 换 Randomize,队列跑 10 次,batch_size=2,20 张里挑最好的。
• 找回历史:History 面板找到那条任务 → 载入参数,画布立刻恢复当时状态。

常见误区

• "seed 相同=图相同":漏了参数一致性。换 sampler 或换模型后,同 seed 出的图完全不同(噪声调度路径变了)。
• Randomize 忘了关:迭代某张图时种子一直在变,误以为"提示词没起作用"。
• 以为删了 output 里的图还能从 History 恢复:History 恢复的是参数与工作流,不是图像文件。
• 把文件名前缀删掉:filename_prefix 清空会导致落盘行为异常,保留占位符或自定义前缀即可。

自测题

1. 可复现的三要素是什么?缺一不可的原因?
2. control_after_generate 的四个选项分别适合什么场景?
3. 拿到一张别人的 ComfyUI 生成图,如何恢复它的工作流?
4. batch_size=5 与队列 5 次,结果与资源占用有何区别?

与其他知识点的关系

• KSampler 全参数解剖:seed/steps/cfg/denoise 的 KSampler 参数是"可复现三要素"的主体。
• 工作流 JSON 与 API 自动化 把队列思想延伸到 API 自动化批量生产。
• X/Y/Z Plot:把调参变成实验 的 X/Y/Z Plot 本质是"参数网格 + 固定 seed"的队列自动化。

延伸阅读

• 官方文档 Queue/History 章节:docs.comfy.org
• PNG 元数据规范:github.com/AUTOMATIC1111/stable-diffusion-webui/wiki(第三方兼容格式)