导览：你的机器现状与路线图
这是《从找函数到智能体》的姊妹课程，讲生图：上篇把扩散模型的原理推透（为什么是加噪去噪、采样器下拉框里那些名字是什么数学、LoRA/ControlNet 为什么长那样），下篇在你 Win 机器的 E:\AI 真实安装上把 ComfyUI 用顺。目标只有一个：画布上每个节点、每个参数，你都知道它对应哪个数学对象、为什么非它不可——到那时 ComfyUI 就不再是"看着别人抄工作流"，而是你自己的乐高。
你的机器现状（2026-07-10 实机核查）
以下清单是我通过 tailscale 连上你的 Win 机器逐项核实的，不是猜的：
| 项目 | 现状 |
|---|---|
| 硬件 | RTX 4060 Ti 16GB 显存 + 32GB 内存（够跑 SDXL 全家桶 + FLUX fp8） |
| 安装 | E:\AI\ComfyUI_windows_portable，portable 版 ComfyUI 0.22.0，内嵌 Python 3.13 + PyTorch 2.11/cu130 |
| 运行方式 | 桌面快捷方式 / E:\AI\Start_ComfyUI.bat，服务在 http://127.0.0.1:8188，带 Manager |
| 目录组织 | 模型/输入/输出/缓存/用户数据全部外置在 E:\AI 下，结构干净（第 06 讲逐目录讲） |
| 已有模型 | 仅 3 个底模：SD1.5、SDXL base 1.0、SD2.0-inpainting |
| 缺口 | LoRA / ControlNet / VAE / IP-Adapter / 放大模型 全空；自定义节点 零 |
| 已有工作流 | 只有一个 Codex 桥接用的 API 工作流（第 15 讲解释它是什么） |
诊断一句话：你的"操作系统"装好了，但"软件生态"还没装，而教程里看到的效果大多依赖生态——这是学得吃力的客观原因之一，不全是你的问题。第 10 讲有为这台机器和动漫素材场景定制的第一批下载清单。
课程地图
上篇 · 原理 5 讲（全量推导，发挥你的数学背景）
| 讲次 | 主题 | 回答的问题 |
|---|---|---|
| 01 | 生成模型：学分布与采样 | 生图和 LLM 是什么关系？四条技术路线为何扩散胜出？ |
| 02 | DDPM 全推导 | 为什么"学去噪"就能生成？ELBO 怎么落到一个平方损失？ |
| 03 | 采样器与 CFG | euler/dpmpp_2m/karras 这些下拉框选项是什么数学？CFG 为什么默认 5–8？ |
| 04 | 潜空间与整机架构 | VAE/CLIP/U-Net 各干什么？SD1.5/SDXL/FLUX 差在哪？checkpoint 和分体模型是什么关系？ |
| 05 | 控制与定制的数学 | LoRA 为什么只有几十 MB？ControlNet 怎么"看着骨架画"？ |
下篇 · 实战 10 讲（每讲都在你的 E:\AI 上操作）
06 你的机器与安装 → 07 逐节点拆解第一个工作流 → 08 参数手册 → 09 图生图与重绘 → 10 模型生态与下载清单 → 11 LoRA → 12 ControlNet（衔接你 Mac 上已有的 controlnet_aux 工具链和 VRChat 素材）→ 13 IP-Adapter 与角色一致性 → 14 放大与精修 → 15 工程化与排障。
拓展篇 · AIGC 全景 6 讲（16–21）
图像之外的整个 AIGC 版图：16 全景地图（"四步框架"一次看穿所有模态）→ 17/18 视频生成（原理 + 你的 16GB 实机跑 Wan/LTX/HunyuanVideo，含把 VRChat 角色图变动画）→ 19 语音（TTS 三代范式、声音克隆、GPT-SoVITS/F5-TTS 本地部署）→ 20 音乐与音效（ACE-Step 在 ComfyUI 里直接出带人声的歌）→ 21 3D 与数字人，最终串成一条"角色图 → 动画 → 配音 → 口型 → 配乐"的全本地短片流水线。你的 ComfyUI 0.22 对视频/音乐/3D 的原生节点支持我已逐一核实——拓展篇实战零自定义节点即可起步。
工作流实验室：workflows/ 里是我写好的分级工作流 JSON——wf01–wf04 用你现有的 3 个模型就能跑，wf05–wf07 等第 10 讲补完模型后跑。每个都在你的机器上实测过。加载方式见工作流页。
怎么学
- 原理和实操交替：推荐顺序 01→07（先懂骨架再上手）→02→03→08→09（原理支撑参数）→10 以后按需。赶时间可以先走实操线 06→07→08→09→10，回头补原理；
- 每讲的操作跟着做：下篇每讲结尾有"上机任务"，在你的 ComfyUI 里完成再进下一讲；
- 固定种子做实验：全课程反复用一个方法——固定 seed、每次只改一个参数、对比出图。这是把"玄学"变"科学"的唯一路径。
之前 GPT 给你写的《ComfyUI 入门指南》（在
E:\AI\ComfyUI_操作指南.md）是份合格的速查手册，本课程完全覆盖并深化了它的内容：它告诉你"按哪里"，本课程告诉你"为什么按这里、按下去发生了什么"。速查时翻它，学习时读这里。
与《从找函数到智能体》的衔接
如果你已读过姊妹课程：第 01 讲的生成式建模、第 06 讲的 attention、第 08 讲的 CFG 一句话版都会在这里展开成完整推导；没读过也不影响——本课程自成一体，需要的前置会现场补。
第一讲从一个反差开始：LLM 逐词写句子，生图模型却是"从一团雪花噪声里显影出图像"——为什么图像选择了完全不同的生成方式？