ComfyUI 是一个基于 Python 的用户界面库，用于构建和可视化机器学习工作流。要将 ComfyUI 的工作流部署到云服务器上，可以参考以下步骤：
具体的部署步骤可能因云服务器的类型和配置而有所不同。可以参考 ComfyUI 的文档和相关教程，以获取更详细的指导。
就可以生成这样一个节点，可以选择我们安装好的大模型，并且后面还有三个连接点，可以指向下一个模块。我们按住clip后面的点进行拖拽，点击【CLIPTextEncode】，得到一个提示词输入框。同理，我们可以再加一个提示词框，形成了一个正向提示词和一个负向提示的架构。为了后面更方便使用，我们还可以点击右键，给节点添加颜色。比如，正向提示词为绿色，负向提示词为红色。为了方便管理，我们可以再添加一个组，放在组里的节点可以一起移动，方便了我们后面做一些模组管理。接下来，我们需要使用采样器来给提示词内容添加噪声。从提示词节点后面再次拉出一根线，选择【KSampler】。这里面可以看到我们熟悉的参数：种子数、迭代步数、CFG、采样器等等。我就不做过多解释了，学过webUI的理解起来都很容易。这时，我们就可以将模型和负向提示词全部连上了。接下来，设置输出图片尺寸，从【latent image】中拉出一个节点，选择【EmptyLatentImage】。
我们就可以在这个节点里面填写想要输出的尺寸，和一次性生成的数量。接下来，我们要使用VAE来对之前的噪声进行解码，从【LATENT】中拉出一个节点，选择【VAEDecode】。建立好之后，将最开始的VAE节点与之相连。最后，我们要输出图片，从VAE解码的节点中的【IMAGE】中拉出一根线。选择【SaveImage】，这样我们每次生成的图片都会存放在output文件夹里面。如果不想每次都保存，可以选择下面的【PreviewImage】。到此为止，我们就建立好了一个简单的文生图工作流。可以在右侧点击【Save】，保存这个工作流，那么下一次我们要进行文生图操作的时候，只需要载入这个工作流就可以了，不用再重复搭建。我们填入一套提示词，来测试一下这套工作流的使用情况，点击【Queue Promot】开始渲染。出图完成，说明我们的工作流可以正常运行了，撒个花吧，庆祝我们的第一次搭建成功。放大一下看看，和webUI的成图效果没有什么区别。
发现一个项目，可以把你本地的ComfyUI工作流一键变成在线服务。你可以选择使用原始的ComfyUI界面，或者使用他们生成的API，自己的前端界面。很容易就可以吧ComfyUI的工作流变成产品，比如直接搞个SVD视频生成的服务。