前言

AI GC，即AI生成内容（AI generated content）越来越火，本篇文章就是我在使用AI方面的一些心得体会分享，目前包括：

AI代码生成，Cursor
AI文生图实践，Comfy官网

我其实两年前就在玩OpenAI了，在供应商买了API接入 Chatbox 当成一个高级点的谷歌问问题，但也仅此而已，当时的AIGC给我感觉就像是一个高级点的搜索引擎，问问题还行其他的没什么大用

当时Stable Diffuse开源（泄漏）的时候我也本地部署了WebUI玩了下，确实有抽卡炼丹的感觉，不过没深入研究，玩了两下就放那了

今年春节DeepSeek横空出世，也是赚足了眼球，我也试用了下，发现幻觉比OpenAI少很多，起码。。。他不会一直骗我，但应用还是仅限于简单的问答，没感觉对生产力有什么帮助

AI代码方面也试用过 Github Copilot，讲道理感觉一般，和之前用过Chatbox问答模式生成的代码感觉差不多，没有很惊艳的感觉，顶多就是和IDE结合紧密更方便些

前阵子也是没抱什么希望试用了下Cursor，但两周时间之后，我完全变成Cursor的形状了，只能乖乖年费续上，感觉。。。就像是一年花1.5k买断了一个超级强力的大学生帮我写代码

再加上ProjectA基础GamePlay框架和玩法搭建完毕，开始填充内容，需要AI的协助，于是想着再用Stable Diffuse来提高生产力

Cursor

参考 https://zhuanlan.zhihu.com/p/1903555655404593529 进行食用即可，目前感觉没有什么特别需要注意的地方，只要整好项目的Rules，就可以减少很多幻觉

ComfyUI

之所以选择ComfyUI是因为之前WebUI的形式虽然简单，但调控起来不直观，不方便，还是这种节点式的更方便

推荐直接官网下载，他会自动安装所有需要的组件以及拓展，开箱即用，如果初始化过程中网络异常，要科学上网，注意，安装的时候要在C盘，否则可能会有BUG

推荐正式开始使用前过一遍官方文档，不要去买课，纯纯智商税，没有比官网讲得更好的

KSampler

我说白了，我白说了，不懂得问DeepSeek

在 ComfyUI 的 KSample 节点中，sampler_name 参数控制生成图像时使用的采样算法。以下是常见选项及其含义和特点：

📌 常用采样器解析

euler
- Euler 方法：基础的 ODE 求解器，简单快速，适合低步数（如 20-30 步）。
- 特点：生成结果较平滑，但可能细节不足。
euler_ancestral
- 带祖先采样的 Euler：每一步依赖前一步结果，随机性更强。
- 特点：图像多样性高，但收敛性不稳定，步数较少时可能更好。
dpmpp_2s 和 dpmpp_2m
- DPM++ 二阶方法：改进的扩散模型求解器，平衡速度和质量。
  - 2s：单步二阶，适合快速生成（约 20 步）。
  - 2m：多步二阶，质量更高（推荐 20-30 步）。
- 特点：dpmpp_2m 是当前主流选择，效率和效果俱佳。
ddim
- 去噪扩散隐式模型：确定性采样，结果可复现。
- 特点：适合图像到图像转换（如 img2img），需较少步数（10-15 步）。
uni_pc
- UniPC 方法：基于校正器的采样器，2023 年新算法。
- 特点：低步数（5-10 步）即可生成可用结果，速度快。
heun
- Heun 二阶方法：Euler 的改进版，计算量更大。
- 特点：步数多时质量高，但速度较慢。
lms
- 线性多步法：通过历史步骤加速收敛。
- 特点：适合中高步数（30+），结果稳定但可能显保守。

🔍 其他采样器

dpm2/dpm2_ancestral：二阶 DPM，需更多步数（40+），质量高但速度慢。
ddpm：原始扩散模型采样器，需 50-100 步，已逐渐被替代。
dpm_fast/dpm_adaptive：自适应调整步数，前者快但粗糙，后者精准但慢。

🎯 推荐场景

快速生成：dpmpp_2m（20-30步）或 uni_pc（5-10步）。
高质量输出：dpmpp_2m（30+步）或 heun（40+步）。
可控性（如 img2img）：ddim 或 euler。
实验新方法：uni_pc 或 dpmpp_3m_sde（需更多显存）。

📝 注意事项

部分采样器（如 dpm_adaptive）会忽略 steps 参数，自动调整步数。
祖先采样器（含 _ancestral 后缀）的随机性强，相同参数可能输出差异较大。
效果受 cfg_scale、denoise 等参数影响，需配合调整。

FAQ

从网上下载的checkpoint模型执行时有conv_in.weight相关报错

是因为新版ComfyUI强制要求safetensors后缀的模型，而网上下载的有可能是ckpt后缀的，这时候需要修改代码 C:\Users\YOURNAME\AppData\Local\Programs\@comfyorgcomfyui-electron\resources\ComfyUI\comfy\utils.py