1.1 插件定位与核心能力：理解 AI Diffusion 在 Krita 中的角色、适用场景与工作流价值
我最早接触 Krita AI Diffusion 这个插件的时候，其实心里是有点打鼓的——Krita 本身是个挺纯粹的绘画软件，突然要接一个 AI 生成的东西进来，会不会把原有的创作手感给搅乱了？实际用下来发现，它更像是在你画布旁边开了个“副驾驶”。你画你的线稿，它负责在你指定的区域里生成或补全画面，主控权还在你手里。这个定位很关键：它不是替代你画画，而是把生成式 AI 嵌到你的绘画流程里，让你在同一个窗口里完成“画”和“生成”两个动作。
适用场景我觉得主要分三类。一类是概念探索阶段，你脑子里有个模糊方向，手头又不想花几个小时铺色打光，那就用插件快速跑几版草图看看效果。另一类是局部精修，画到一半发现某个角色的手画歪了，或者背景的山体结构不够理想，圈个选区让 AI 重绘一下，比全部推倒重来省事得多。还有一类是风格迁移，拿自己的手绘稿当底图，配合提示词和模型，快速尝试不同画风。这些场景的共同点是：你需要 AI 帮你在已有画面上做“增量”，而不是从零生成一张完整的图。
工作流价值这块，我体会最深的是“不离开画布”这件事。以前用外部生成工具，导出图、切软件、生成、再导回来，创作节奏被打断得厉害。Krita AI Diffusion 把生成区域、提示词、参数控制全塞进 Krita 的面板里，图层关系也直接对应上——生成的图默认落在新图层，你随时可以调透明度、改混合模式、用蒙版修边缘。这种无缝衔接对保持创作状态真的很重要，尤其是画到兴头上的时候，任何一次软件切换都可能让你从“心流”里掉出来。
1.2 环境准备与版本兼容：Krita 版本、操作系统、显卡与 ComfyUI 后端要求
动手装之前，先把环境这块摸清楚，能少走不少弯路。Krita 版本方面，我建议用 5.2 或更新的稳定版，插件对旧版的支持没那么积极，5.0 以下就别折腾了。操作系统上 Windows 和 Linux 都行，macOS 也能跑但显卡适配会折腾一些，尤其 Apple Silicon 的机器需要额外留意后端配置。我主力是 Windows 环境，下面说的经验也主要基于这个平台，Mac 用户遇到差异可以对照官方文档补一下。
显卡这块是重点。插件背后跑的是 ComfyUI，生成速度很大程度取决于你的 GPU。N 卡用户最省心，显存 8GB 起步，6GB 也能跑但得用轻量模型和低分辨率。A 卡和 Intel 显卡会麻烦一些，需要走特定的后端配置，速度和稳定性都打折扣。我自己用 RTX 3060 12GB，跑 1024 分辨率的基本模型没什么压力，再往上就得靠分块生成或者降精度了。显存这东西，宁可多留点余量，不然生成到一半爆显存很扫兴。
ComfyUI 后端是另一个必须提前准备的组件。Krita AI Diffusion 本身不包含生成引擎，它通过 API 跟 ComfyUI 通信——你可以理解成插件是“遥控器”，ComfyUI 是“发动机”。所以你需要单独装好 ComfyUI，并且确保它能正常启动、能加载模型。我建议先把 ComfyUI 跑通，浏览器里能打开它的界面、能成功生成一张测试图，再去装 Krita 插件。顺序反过来的话，出问题你分不清是插件没配好还是后端没跑通，排查起来很头疼。
1.3 安装步骤详解：插件获取、安装方式、首次启动与基础目录配置
插件获取的渠道现在挺规范的，在 Krita 的“工具”菜单里找“脚本”下的“从文件安装 Python 插件”，或者直接去 GitHub 的仓库页面下载最新的发布包。我个人习惯去 GitHub releases 页面拿压缩包，版本更新和变更说明看得清楚。下载下来是个 .zip 文件，不用解压，Krita 能直接识别。安装路径别自己手动往插件目录里拷，用官方提供的安装入口最稳妥，Krita 会自动处理依赖和目录结构。
安装完成后重启 Krita，在“设置”菜单里找到“面板”选项，把 AI Image Diffusion 勾选上，面板就会出现在右侧停靠区。第一次打开面板它会提示你配置后端地址，默认是 http://127.0.0.1:8188，这个对应 ComfyUI 的默认端口。如果你 ComfyUI 跑在别的端口或者别的机器上，这里就得改。我建议初次安装时先保持默认，把 ComfyUI 在本机跑起来，确认连通了再考虑远程部署的事。
基础目录配置这块，插件需要知道模型放在哪、输出图存到哪。在面板的设置里有个“模型目录”选项，指向你 ComfyUI 的 models 文件夹就行。这里有个细节：ComfyUI 的模型分类比较细，checkpoints、loras、vae 各有各的子目录，插件会按分类去读。你放模型的时候别一股脑扔在 checkpoints 里，LoRA 文件就放 loras 目录，VAE 放 vae 目录，不然插件扫描不到或者加载报错。输出目录我一般设成跟项目文件同级的 output 文件夹，方便后期整理。
1.4 模型与后端配置：模型放置、连接设置、参数校验与安装结果验证
模型放置是很多人卡住的地方。Krita AI Diffusion 支持主流的 Stable Diffusion 检查点模型，safetensors 格式优先，ckpt 也能用但加载慢一些。把模型文件放进 ComfyUI 的 models/checkpoints 目录后，回到 Krita 插件面板点一下刷新，模型列表里应该就能看到它了。如果没出现，先检查文件后缀和目录层级——有时候解压出来多套了一层文件夹，ComfyUI 就扫不到。LoRA 和 VAE 同理，放对目录再刷新。
连接设置方面，除了刚才说的后端地址，还有个“连接超时”的参数值得调一下。默认值有时候偏短，尤其是在模型首次加载、显存吃紧的时候，请求还没返回就超时了，面板上会报连接错误。我一般把超时设到 120 秒左右，给后端留足响应时间。另外如果你 ComfyUI 开了 API 鉴权或者跑在局域网另一台机器上，记得把地址和端口改对，防火墙规则也检查一下，别让请求被拦在门外。
安装结果验证我推荐做个三步测试。第一步，在插件面板里确认模型列表能正常加载出你放的模型名；第二步，新建一个空白画布，随便写个简单提示词比如“a red apple”，生成一张小尺寸的图，看能不能出结果；第三步，检查生成的图有没有落到新图层上、图层名称和结构是否符合预期。三步都过了，说明插件、后端、模型、目录这条链路全通了。这一步别嫌麻烦，前期验证到位，后面用起来才踏实。
第2章 实时绘画使用方法：从基础操作到可控生成
2.1 界面与工作流概览：认识插件面板、画布交互、生成区域与图层关系
第一次打开插件面板的时候，我盯着那些按钮和输入框愣了好几秒，东西不算多但不知道从哪下手。后来用熟了才发现它的布局逻辑其实挺直观的：面板从上到下大致分三块，最上面是模型和提示词区域，中间是生成参数，底部是动作按钮和状态提示。我建议你刚上手的时候别急着改参数，先把面板从上到下扫一遍，知道每个区域大概管什么事，心里有个地图再动手。
画布这边的交互是另一个需要适应的点。插件生成的结果默认会新建一个图层放进去，不会覆盖你当前画的内容，这个设计我很喜欢。你在画布上圈一个选区，插件就只处理选区范围内的区域，没圈的话就是整张画布。生成的时候面板上会有进度提示，画布上会出现一个虚线框标示生成区域，结束后新图层自动叠上来，你原来那个图层原封不动躺在下面。这种图层关系意味着你随时可以关掉生成图层的可见性，对比前后效果，或者把生成图层的透明度拉低当参考底图用。
生成区域和图层的关系还有一个细节值得提：你可以指定生成结果输出到哪个图层组里。比如你在画一个角色，分成了“线稿”“底色”“光影”几个图层组，插件设置里可以选择把生成的图放进“光影”组，这样图层结构不会乱。我一开始没管这个，生成一次多一个图层，画到后面图层列表长得吓人。后来养成习惯，每次生成前先想好这张图要归到哪个组，面板里选一下，后续整理省很多事。
2.2 实时绘画基础操作：启用实时生成、调整提示词、控制生成强度与刷新方式
实时生成这个功能，开关就在面板顶部，一个显眼的按钮，点一下变绿就开始工作了。启用的瞬间你会看到画布上当前可见的内容被送去后端跑一圈，几秒到十几秒后生成结果出现在新图层上。我第一次开的时候没心理准备，画布突然闪了一下多出个图层，还以为点错了什么。其实这就是它的正常节奏：你画几笔，它根据当前画面和提示词重新生成一版。
提示词的写法跟其他 AI 绘画工具差不多，但实时场景下我建议别写太长。你写一大段精细描述，后端处理时间变长，实时感就没了。我通常就写主体加风格关键词，比如“a knight in armor, oil painting style”，够用就行。想调整画面方向的时候直接改提示词里的关键词，比如把“oil painting”换成“watercolor”，下一次刷新就能看到风格变化。负面提示词放在单独输入框里，常用的比如“blurry, low quality, bad anatomy”存成预设，省得每次重打。
生成强度这个滑块我花了不少时间才摸清楚。它控制的是生成结果跟原画面的偏离程度，数值低的时候生成图贴近你画的内容，高了就放飞自我。草图阶段我一般拉到中间偏上，让 AI 有发挥空间；细化阶段拉到中间偏下，保留更多我自己的笔触。刷新方式有两种，手动点按钮刷新和自动刷新。自动刷新适合探索阶段，你画一笔它跟一笔，但显存占用会高一些。手动刷新适合精修，画到自己满意了再让 AI 跑一版看看效果。我大部分时间用手动模式，画几笔按一下刷新，节奏自己控。
2.3 局部控制与精修：选区、蒙版、局部重绘、扩展画布与图层管理
选区工具是我用得最频繁的功能，没有之一。Krita 自带的选区工具都能用，矩形选框、套索、魔棒，圈哪生成哪。圈完选区再点生成，插件只处理选区内的像素，选区外的内容完全不碰。这个机制在修局部问题的时候特别管用，比如角色的手画得不对劲，圈住手部区域，提示词里写清楚要什么样的手，生成几版挑一个顺眼的。我修过一张图里马的腿，圈了七八次才得到满意的结构，但每次只动那一小块，其他部分纹丝不动，比整张重画效率高太多了。
蒙版和局部重绘是进阶一点的玩法。你可以在 Krita 里给图层画一个蒙版，黑色区域保护起来不参与生成，白色区域允许 AI 改动。这个比选区更灵活，因为蒙版可以画得很精细，边缘羽化过渡自然。我常用蒙版来处理头发边缘、半透明材质这类选区不好圈的地方。局部重绘的另一个用法是“扩展画布”：画布放大一圈，新出来的空白区域用生成填上，插件会根据边缘内容做外扩。我拿这个功能把一张半身像扩成了全身，衔接处过渡得还挺自然。
图层管理这块前面提过一嘴，这里再展开说一下。插件生成的每个结果都是一个独立图层，你可以给这些图层重命名、编组、调混合模式。我习惯把生成图层命名成“gen_日期_序号”的格式，方便回溯。有时候同一版生成跑了好几次，挑一个最好的留下，其他的删掉或者隐藏。Krita 的图层组功能跟插件配合得很好，你可以把整个角色放在一个组里，组内再分线稿、底色、生成稿几个子层，结构清晰，后期改起来也方便。
2.4 常见场景实操与效果调优：草图转绘、风格探索、角色与场景生成中的参数调整
草图转绘是我用得最多的场景。拿一张潦草的线稿或者色块铺底，开实时生成，提示词写清楚想要的内容和风格，让 AI 在草图基础上细化。这里有个参数很关键：生成强度不能太高，不然 AI 会把你草图里的构图和姿势改得面目全非。我一般从 0.4 左右开始试，效果不够再往上加。草图本身的信息量也很重要，你画得越具体，AI 越容易理解你的意图。我试过用几乎空白的画布加一句提示词直接生成，出来的东西跟开盲盒似的；也试过认真画了五分钟草图再生成，结果可控性高出一大截。
风格探索是另一个高频用法。同一张底图，换不同的模型和提示词，跑出来的风格差异可以很大。我做过一个测试，拿同一张角色线稿，分别用写实模型、二次元模型、油画风格 LoRA 各跑一遍，出来的三张图放在一起看挺有意思的。调风格的时候我建议一次只改一个变量，要么换模型，要么改提示词里的风格词，要么调 LoRA 权重，别同时动好几个参数，不然你分不清是哪个起了作用。我吃过这个亏，同时换模型又改提示词，结果效果变差了，排查半天不知道问题出在哪。
角色和场景生成里的参数调整有些小技巧。角色生成我一般把生成分辨率设在 768 到 1024 之间，再高显存吃不消，再低细节不够。场景生成可以适当降一点分辨率，因为场景的细节密度通常没角色那么高，768 左右够用。角色面部区域可以单独圈出来用低强度重绘几次，提升五官精度。场景里的远景部分用高强度生成，近景用低强度保留手绘感。这些参数没有标准答案，跟你的模型、硬件、审美偏好都有关系，多跑几版对比着看，慢慢就有手感了。
第3章 进阶工作流与稳定创作：效率优化、问题排查与综合案例
3.1 自定义工作流与预设管理：常用参数保存、风格预设、重复创作流程优化
用插件画了大概两周之后，我开始烦同一件事反复做。每次新建画布都要重新选模型、调采样步数、填一遍负面提示词，明明画的是同一个系列的角色，参数一模一样，手却要重新来一遍。后来我发现面板底部有个保存按钮，能把当前所有参数打包存成一个预设文件，下次直接调用就行。这个功能藏得不算深，但很容易被忽略，尤其是刚上手那阵子光顾着画画，根本顾不上整理。我现在的习惯是每调出一套好用的参数，立刻存一个预设，名字起得具体一点，比如“角色立绘_二次元_1024_低强度”，下次用的时候一眼就能挑出来。
风格预设这块我吃过亏。最早我把提示词和模型参数混在一起调，每次想复现某个效果都记不住到底改了哪个。后来学乖了，把提示词里的风格描述词单独拎出来存成文本片段，模型和 LoRA 权重压进一个预设文件里，生成强度这种跟具体画稿走的参数不往里放。这么拆开之后，我发现复用效率高了不少。比如我有一套“厚涂质感”的参数组合，换个主体提示词就能直接套到不同角色上，省掉了重新摸索风格的时间。预设文件我还会按项目分文件夹放，一个文件夹对应一个系列，找起来不费劲。
重复创作的流程优化还有一个我自认为挺聪明的做法：建一个模板画布。把常用的图层组先搭好，比如“草图”“线稿”“生成稿”“调整”这几层全建出来，每个组里该有的空图层也先放好，插件输出目标提前指定到“生成稿”组。这个模板存成 .kra 文件，下次开新稿直接另存为，图层结构一步到位，不用再手动整理。听起来像是个很基础的事，但我前一个月都是每次从头建组，画完一张图光整理图层就花好几分钟，积少成多其实挺可观的。
3.2 性能优化与资源管理：显存占用、生成速度、模型切换与批量创作建议
显存这个事，说多了都是泪。我刚开始用的时候觉得能跑就行，模型越换越大，分辨率越拉越高，直到某天连着崩了三次才老实回头看任务管理器。显存占用的几个大头我摸清楚了：模型本身的大小、生成分辨率、同时跑几个任务、还有实时生成的自动刷新频率。这几个变量里分辨率是最直接的杠杆，从 1024 降到 768，显存能省下来一大截，生成速度也快不少。我现在画草图阶段一律 768，到了细化阶段才往上提，一张图下来显存压力小很多。
模型切换这个动作比我想象中费资源。每次换模型插件都要把新模型加载进显存，模型大的话这个过程能卡好几秒，频繁切来切去体验很差。我的做法是同一批活尽量用同一个模型干完，要换风格的时候集中换一次，别画两笔就换一个。批量创作的时候这个习惯尤其重要，我试过一边跑批量生成一边手动切模型，结果队列里一半的图用了错的模型跑出来，白等了十几分钟。现在批量任务开始之前我会确认模型选对了，参数核对一遍，然后就不动它了。
生成速度这块有个容易被忽略的点：插件和 ComfyUI 后端之间的通信开销。我发现有时候生成本身不慢，卡在前端等后端回应的时间反而占了不少。查了一圈发现是网络或者本地端口的问题，ComfyUI 跑在本地的话一般还好，如果用局域网里另一台机器做后端，延迟就会明显一点。我现在的方案是把常用模型都放在本地机器的 SSD 上，ComfyUI 的临时目录也设到 SSD，生成的中间文件读写快，整体节奏顺畅很多。批量创作的时候我会提前把提示词列表写好，跑上任务之后就去干别的，回来收图，不盯着进度条看，心态好很多。
3.3 常见问题排查：安装失败、后端连接异常、生成报错与画面效果异常的解决思路
安装失败这件事我遇到过两次，两次原因还不一样。第一次是 Krita 版本太老，插件要求的最低版本没达到，装上之后面板根本出不来。第二次是 Python 依赖装了一半断了，插件文件夹在但启动时报错。我的排查顺序现在固定下来了：先确认 Krita 版本号跟插件说明里写的一致，再去插件管理界面看有没有报错信息，然后检查 Python 环境是不是完整。大部分安装问题靠这三步就能定位，真不行就去插件的 GitHub issues 里搜报错关键词，多半有人踩过同样的坑。
后端连接异常的表现很好认，面板上一直转圈或者直接弹红字说连不上 ComfyUI。我遇到最多的原因是 ComfyUI 没启动或者端口对不上。插件默认连的是本地 8188 端口，ComfyUI 有时候因为端口被占用自动换了端口，两边就不匹配了。解决办法很简单，看一眼 ComfyUI 启动日志里写的实际端口，回插件设置里改成一样的就行。还有一种情况是防火墙拦了本地回环地址的通信，这个比较少见但确实发生过，我在 Windows 上碰到过一次，把 ComfyUI 加进防火墙白名单就好了。
生成报错和画面效果异常是两类不同的问题，要分开看。报错一般是参数越界或者模型不兼容，比如采样步数设了负数、选的模型文件损坏了、LoRA 版本跟主模型对不上。我的习惯是看到报错先读完整提示信息，别急着关掉，报错里通常会写清楚是哪个参数出的问题。画面效果异常更麻烦一点，图能生成出来但结果不对劲，比如全黑、全灰、人物扭曲、颜色溢出。我排查这个的顺序是：先换一个最简单的提示词跑一版，排除提示词的问题；再换默认参数跑一版，排除参数的问题；然后换一个确定没问题的模型跑一版，排除模型的问题。三步下来基本能锁定原因。有一次我生成的图全是噪点，折腾半天发现是 VAE 文件放错了目录，插件读到了一个不匹配的版本，换回来就正常了。
3.4 综合案例与创作复盘：从安装配置到实时绘画再到成稿输出的完整实践流程
拿我最近画的一张图来复盘一下整个流程，是个半身角色插画，从零开始到成稿大概花了两个半小时。第一步永远是确认环境：Krita 开着，ComfyUI 在后台跑着，插件面板显示连接正常，模型选的是常用的二次元模型，VAE 对上了，显存占用看了一眼还有余量。这些检查听着琐碎，但省掉了中途出问题再回头折腾的时间，我宁可开头花两分钟确认一遍。
草图阶段我直接开实时生成，分辨率 768，生成强度 0.55，提示词就写了角色主体和基本风格。画了大概十分钟的粗略线稿，中间刷新了七八次，挑了一版构图和姿势都满意的生成结果作为底图。这一步的关键是别在草图上纠结细节，大形对了就行，细节留给后面。底图定下来之后我把生成强度降到 0.35，开始细化。面部区域单独圈选区重绘了三次，每次只改一点点，强度压得很低，保留我自己画的五官走向。头发和衣服褶皱用了蒙版局部重绘，边缘过渡比选区自然，这个技巧在上一章提过，这次实践中又验证了一遍确实好用。
细化到八成左右的时候我遇到一个小问题：肩膀和背景的交界处有一块颜色怎么调都不对，生成出来总是发灰。我试了改提示词、换模型、调强度，效果都不理想。后来换了个思路，把那一小块区域单独抠出来，新建一个图层手动涂了底色，再用低强度生成跑了一遍融合边缘，问题解决了。这件事给我的教训是别死磕参数，有时候手绘加生成混着来效率更高。最后输出前我把所有生成图层合并到一个组里，调了调对比度和饱和度，导出 PNG，完事。整张图复盘下来，时间大头花在细化阶段的局部重绘上，但每一步改的都是明确的问题区域，没有整张重画，废稿率比以前低了很多。这套流程我现在基本固定下来了，换个主体就能套着用，稳定出图的感觉确实踏实。
