第一次生图：默认工作流逐节点讲透

装好了 ComfyUI、放好了模型，接下来就是这节课的目标：跑通你的第一次 ComfyUI 文生图，并且不是「照着点一遍就完」，而是把屏幕上那条默认工作流一个节点一个节点讲透——每个方块干什么、参数什么意思、数据怎么流动。

先说清一件事，免得你对不上号：官方入门教程用的示例工作流，和当前版本 ComfyUI 内置的默认工作流，不是同一套。

官方入门文档教的经典工作流：SD1.5 六节点（Load Checkpoint → CLIP Text Encode → Empty Latent Image → KSampler → VAE Decode → Save Image，官方教程按六类节点讲，正负两个 CLIP Text Encode 算一类），一个 checkpoint 文件搞定，上节课你放进 checkpoints 的 v1-5-pruned-emaonly-fp16.safetensors 就是给它用的
当前版本（v0.41.0 起）内置的默认工作流：基于 Z-Image-Turbo 的十节点工作流，模型拆成三个文件分别加载，出图 1024×1024

两套本页都会逐节点讲透。它们的骨架完全一样：加载模型 → 编码提示词 → 造一块空画布 → 去噪采样 → 解码成图片 → 保存。学会一套，ComfyUI 所有文生图工作流你都能看懂。

学完你能做什么

独立完成第一次 ComfyUI 文生图：加载工作流 → 补齐模型 → 写提示词 → 点 Run → 保存图片
说得出经典六节点工作流里每个节点的职责：Load Checkpoint、CLIP Text Encode、Empty Latent Image、KSampler、VAE Decode、Save Image
看懂当前版本内置的 Z-Image-Turbo 默认工作流，知道它和经典工作流的节点差异
会写正向/负向提示词，会用 (关键词:1.2) 权重语法加强某个词
会调 KSampler 的 steps、cfg、denoise、seed，知道每个参数动一下会发生什么

你现在的困境

打开 ComfyUI，满屏方块和连线，不知道从哪里下手，生怕点错弄坏什么
节点上飘着红色警告说缺模型，不知道该下哪个文件、放进哪个文件夹
照着网上教程找节点，发现界面里的工作流和教程截图对不上，越看越懵

什么时候用这一招

当你需要：

跑出第一张 AI 生成的图，确认整套环境没问题
看懂节点式生图的流水线，而不是只会「按教程连线」
给后面学 Z-Image-Turbo、Qwen-Image、FLUX 这些模型工作流打好地基

而且不想：

换一个模型、换一套工作流就完全不知所措
一遇到红色报错就想重装

🎒 开始前的准备

装好并能启动 ComfyUI：Windows 便携包看安装：Windows 便携包，桌面版 / macOS / Linux 看备用安装
完成了上节课模型放哪里：models/checkpoints/ 里已经有 v1-5-pruned-emaonly-fp16.safetensors（官方入门模型，约 4GB）
显存别太紧张：官方文档说 SD1.5 约 4GB 大小、6GB 显存的消费级显卡就能流畅跑；Z-Image-Turbo 路线建议 16GB 显存
网络能访问 Hugging Face：缺模型时自动下载从 Hugging Face 拉文件，国内网络可能需要代理（下载慢不是你操作错了）

💡 界面是中文的

ComfyUI 支持中文界面：打开 Settings，在 Comfy → Locale 里选中文即可。本页提到的按钮名以英文界面为准，中文名基本能对上。

核心思路

文生图就是「委托作画」。 官方文档的比喻很直白：你把要求（正向提示词 = 想要什么，负向提示词 = 不想要什么）告诉一位画家（生图模型），画家照着要求创作。技术上，扩散模型做的是反向扩散：从一块纯高斯噪声出发，一步步去噪，最终「显影」成符合提示词的图片。

去噪发生在潜空间（latent space），不是像素空间。 潜空间是图像的压缩表示，可以理解成建筑师的图纸：在图纸上改设计，比直接在建成的大楼上改便宜得多。所以流水线是「噪声潜空间 → KSampler 逐步去噪 → VAE 解码 → 像素图片」，模型全程在「图纸」上工作，最后一步才变成你看得见的图。

工作流 = 流水线。 画布上每个节点是一道工序，连线是数据流向。文生图工作流的骨架六道工序：

加载模型 → 编码提示词 → 造空画布 → 去噪采样 → 解码成图 → 保存

一个 checkpoint 里装着三样东西。 经典工作流用 Load Checkpoint 加载一个文件，但这个文件内部是三件套：

组件	干什么
MODEL（UNet）	扩散模型本体，负责预测噪声、逐步去噪出图
CLIP	文本编码器，把你的提示词翻译成模型能懂的语义向量
VAE	编码器/解码器，在像素空间和潜空间之间互相转换

新模型（Z-Image-Turbo、FLUX、Wan2.2……）大多不再打包成单个 checkpoint，而是把这三件拆成独立文件、用各自的 loader 分别加载——这就是两套工作流节点数不同的原因。

两套工作流对照（本页两套都会逐节点讲）：

	经典教学工作流（官方入门文档）	内置默认工作流（v0.41.0 起）
模型	SD1.5 单个 checkpoint	Z-Image-Turbo 三个文件
加载节点	Load Checkpoint 一个	UNETLoader + CLIPLoader + VAELoader 三个
画布节点	Empty Latent Image（512×512）	EmptySD3LatentImage（1024×1024）
采样参数	20 步、cfg 8、euler / normal	8 步、cfg 1、res_multistep / simple
特有节点	—	ModelSamplingAuraFlow（shift 调节）
其余节点	CLIP Text Encode ×2、KSampler、VAE Decode、Save Image	相同

v0.41.0 起服务器新增了默认工作流路由（/default_workflow），内置默认工作流随版本更新——你启动时看到的节点如果和本页有出入，多半是版本差异，不影响学。

跟我做

第 1 步：启动 ComfyUI 并加载文生图工作流

为什么：ComfyUI 文生图的一切都发生在画布上的工作流里，先保证画布上有一条完整的文生图工作流。

操作：启动 ComfyUI（便携包双击 run_nvidia_gpu.bat，桌面版双击图标），浏览器打开 127.0.0.1:8188。官方文档说明：ComfyUI 启动时通常会自动加载默认文生图工作流——全新安装的当前版本，加载的就是上面表格里那套 Z-Image-Turbo 工作流。

想跟着官方入门教程走经典 SD1.5 六节点工作流（本页第 3 步以它为主线逐节点讲），三种加载方式任选：

方式 A：拖入示例图（推荐）

ComfyUI 生成的每张图片都带工作流元数据，把图片拖进画布就能还原工作流。官方教程提供了现成示例图：text-to-image-workflow.png，下载后直接拖进 ComfyUI 窗口。

方式 B：打开工作流 JSON

官方文档提供了经典工作流的 JSON 文件：text-to-image.json，下载后用菜单 Workflows → Open 打开。

方式 C：从模板库加载

侧栏 Workflows 面板里浏览官方模板库，一键加载各类工作流，缺模型还能自动下载——具体用法见模板库。

你应该看到：画布上出现一排用线连着的节点，从左边的模型加载节点一直连到右边的 Save Image。

画布上有一条完整的文生图工作流（六节点经典版或十节点默认版）

第 2 步：补齐模型——缺什么下什么、放对位置

为什么：ComfyUI 安装包不含模型。工作流引用的模型文件不存在时，对应节点会显示红色缺失警告，直接点 Run 只会报错。

操作：看节点上的警告。官方入门文档的流程是：先看到缺模型警告 → 点开警告，看到缺哪个文件和下载链接 → 补齐。

路线 A：经典工作流（SD1.5，一个文件）

上节课你已经把 v1-5-pruned-emaonly-fp16.safetensors 放进了 models/checkpoints/。在画布上按 r 刷新节点定义，Load Checkpoint 的下拉列表里选中它即可。还没下载的，去 Hugging Face 官方存档页手动下载。

路线 B：默认工作流（Z-Image-Turbo，三个文件）

默认工作流引用三个文件，官方教程给的下载地址和存放位置：

文件	放进哪个子目录	下载地址
`z_image_turbo_bf16.safetensors`	`models/diffusion_models/`	Hugging Face
`qwen_3_4b.safetensors`	`models/text_encoders/`	Hugging Face
`ae.safetensors`	`models/vae/`	Hugging Face

放好后按 r 刷新，三个 loader 节点的下拉列表里分别选中对应文件。哪个文件该进哪格不确定的话，回看模型放哪里的对照表。

自动下载怎么触发

点开缺模型警告里的 Download 按钮，两种安装方式行为不同（官方文档说明）：

Comfy Desktop：自动下载并存进 ComfyUI/models/ 对应子目录，侧栏模型面板能看进度
ComfyUI Portable：触发浏览器下载，下完自己把文件挪进对应子目录

⚠️ 下载不动？

自动下载从 Hugging Face 拉文件，官方文档提醒要保证网络能稳定连上 Hugging Face。长时间没进度就复制下载链接手动下载，或配置代理后重试。

你应该看到：所有红色缺失警告消失，每个 loader 节点的下拉列表里都能选中文件名（不是空的，也不显示 null）。

工作流里没有红色缺失警告，loader 节点都选中了正确的模型文件

第 3 步：逐节点讲透 ComfyUI 文生图工作流

为什么：这是本课的核心。看懂每个节点的职责和参数，你才算真正会「ComfyUI 怎么生成图片」，而不是人肉复读机。

先看经典 SD1.5 六节点工作流（数据从左往右流）：

Load Checkpoint ──┬── MODEL ──────────────────→ KSampler ──→ VAE Decode ──→ Save Image
                  ├── CLIP ──→ CLIP Text Encode（正向）──→ KSampler
                  │        └→ CLIP Text Encode（负向）──→ KSampler
                  └── VAE ──────────────────────────→ VAE Decode
Empty Latent Image ─────────────────────────→ KSampler

Load Checkpoint：一个文件装三样东西

加载生图模型。一个 checkpoint 内部含 MODEL（UNet，负责去噪）、CLIP（文本编码器）、VAE（潜空间↔像素转换）三件套，所以它有三个输出口，分别接给下游不同节点。下拉列表列出 models/checkpoints/ 里的所有文件——上节课的目录规则就体现在这里：放错子目录的文件不会出现在这个列表里。

CLIP Text Encode（×2）：把提示词翻译给模型

模型读不懂人话。这个节点用 Load Checkpoint 输出的 CLIP 组件，把你写的提示词编码成语义向量（官方叫「条件」，CONDITIONING）。工作流里有两个：

接到 KSampler positive 输入口的：正向提示词，想要什么
接到 KSampler negative 输入口的：负向提示词，不想要什么

Empty Latent Image：定一块空画布

生成一块纯噪声的潜空间，输出给 KSampler 当去噪起点。它决定最终图片的尺寸——官方示例工作流里是 512×512、批次 1，正好是 SD1.5 的舒适区（它在 512×512 分辨率上训练）。想出多大的图，在这里改。

KSampler：去噪核心，全工作流的心脏

整个反向扩散在这里发生：以 seed 为随机源造初始噪声，按 steps 指定的步数迭代去噪，每一步参考正向/负向两组条件，最终输出一块「干净」的潜空间。参数怎么调，第 5 步里有一张全参数表。

VAE Decode：潜空间 → 像素

把 KSampler 输出的潜空间图像解码成你看得见的像素图片。用的 VAE 就是 Load Checkpoint 输出的那一路。没有这一步，屏幕上只是一堆数字。

Save Image：预览并保存

显示解码后的图片，并把它存进 ComfyUI/output/ 文件夹。filename_prefix 是文件名前缀，默认 ComfyUI。右键图片可以另存到别处。

再看当前版本内置的 Z-Image-Turbo 默认工作流，逐节点对照：

节点	作用	默认工作流里的关键参数
UNETLoader	只加载扩散模型（三件套拆开的第一件）	`z_image_turbo_bf16.safetensors`
CLIPLoader	只加载文本编码器	`qwen_3_4b.safetensors`，类型 `lumina2`
VAELoader	只加载 VAE	`ae.safetensors`
ModelSamplingAuraFlow	给模型加噪声调度补丁，shift 控制噪声分布	shift = 3
CLIP Text Encode ×2	同经典工作流：正向 / 负向	负向默认 `low quality, bad anatomy, extra digits...`
EmptySD3LatentImage	同 Empty Latent Image 的角色	1024×1024、批次 1
KSampler	同经典工作流，参数更「Turbo」	8 步、cfg 1、res_multistep / simple、denoise 1
VAEDecode	同经典工作流	—
SaveImage	同经典工作流	前缀 `ComfyUI`

看懂六节点经典版，这张表就是「换了加载方式 + 多一个调度补丁」，其余原样。Z-Image-Turbo 是蒸馏模型，官方教程说它 8 步就能出图、适配 16GB 显存的消费级设备，还擅长中英双语文字渲染——想深入玩它，看 Z-Image-Turbo 文生图。

你应该看到：对着画布从左到右，你能说出每个节点干什么、连线里流的是什么数据。

我能说出自家画布上每个节点的职责（六节点版或十节点版）

第 4 步：写正负提示词——告诉模型画什么

为什么：提示词是你和模型唯一的沟通渠道。写在哪、怎么写，直接决定出什么图。

操作：找到两个 CLIP Text Encode 节点，按连线确认哪个接 KSampler 的 positive（正向）、哪个接 negative（负向），然后填词。

官方教程给 SD1.5 的提示词五原则：

尽量用英文（SD1.5 对英文理解最好）
词组之间用英文逗号 , 分隔
用短语，不写长句子
描述要具体（「红色丝绸长裙」好过「漂亮的衣服」）
想加强某个词，用权重语法 (golden hour:1.2)——括号里是关键词，冒号后是权重，官方文档明说这样能让它更容易出现在图里；masterpiece, best quality, 4k 这类质量词可以提升出图质量

官方教程的三组示例提示词，直接抄去试：

动漫风

text

正向：anime style, 1girl with long pink hair, cherry blossom background, studio ghibli aesthetic, soft lighting, intricate details, masterpiece, best quality, 4k

负向：low quality, blurry, deformed hands, extra fingers

写实人像

text

正向：(ultra realistic portrait:1.3), (elegant woman in crimson silk dress:1.2), full body, soft cinematic lighting, (golden hour:1.2), (fujifilm XT4:1.1), shallow depth of field, (skin texture details:1.3), (film grain:1.1), gentle wind flow, warm color grading, (perfect facial symmetry:1.3)

负向：(deformed, cartoon, anime, doll, plastic skin, overexposed, blurry, extra fingers)

插画风格

text

正向：fantasy elf, detailed character, glowing magic, vibrant colors, long flowing hair, elegant armor, ethereal beauty, mystical forest, magical aura, high detail, soft lighting, fantasy portrait, Artgerm style

负向：blurry, low detail, cartoonish, unrealistic anatomy, out of focus, cluttered, flat lighting

💡 中文提示词写在哪？

SD1.5 时代请写英文。走 Z-Image-Turbo 默认工作流的话，官方说明它支持中英文提示词、还能把图里的中英文字渲染准——中文需求直接写就行。

你应该看到：两个 CLIP Text Encode 的文本框里分别填好了正向、负向提示词。

正负提示词已填好，且确认没填反（看连线指向 KSampler 的哪个口）

第 5 步：点 Run 生成你的第一张图

为什么：前面全是准备，这一步才真正「生成」——ComfyUI 把整条流水线入队执行。

操作：

检查一遍：loader 选中了模型、提示词填好、尺寸没问题
点画布上方的 Run 按钮，或按快捷键 Ctrl + Enter
等待执行：Run bar 会显示队列里的任务情况（active jobs 计数），需要中止就点旁边的 Cancel
出图后，在 Save Image 节点里看结果；右键图片可以保存到本地（文件同时已存进 ComfyUI/output/）

你应该看到：Run bar 的任务计数动起来，执行完成后 Save Image 节点里出现你的第一张图。

💡 不满意就再跑

官方教程的原话：不满意就多跑几次。示例工作流的 seed 控制是 randomize，每次执行 KSampler 都会换一个随机种子，出的图各不相同。

点 Run 之前，值得花两分钟认识 KSampler 的每个参数（官方教程全参数表，两套工作流通用）：

参数	作用	怎么理解
model	接哪个扩散模型	决定画风和质量的根本
positive	正向条件	引导生成你想要的元素
negative	负向条件	抑制你不想要的内容
latent_image	待去噪的潜空间	噪声初始化的载体（尺寸在这里定）
seed	随机种子	控制随机性；同 seed 同参数 = 复现同一张图
control_after_generate	生成后的种子策略	`randomize` 每次换、`fixed` 固定不动
steps	去噪步数	步数越多细节越足，也越慢
cfg	提示词引导强度	越高越听话，官方提醒过高会过拟合
sampler_name	采样算法	去噪路径的数学方法（euler、res_multistep……）
scheduler	调度器	控制噪声衰减节奏和步长分配（normal、simple……）
denoise	去噪强度	0.0 保留原始输入，1.0 从纯噪声全量去噪

第一次跑，什么都别改，先用默认参数出一张图。之后可以自己实验：改提示词再跑、把 steps 从 20 调到 30 对比细节、把 seed 固定住只改提示词看因果。Z-Image-Turbo 工作流的 8 步 + cfg 1 是蒸馏模型的推荐配置，别照搬 SD1.5 的 20 步 + cfg 8 去改它。

我的 Save Image 节点里出现了第一张图，并保存到了本地

检查点 ✅

我跑通了第一次 ComfyUI 文生图：加载工作流 → 补模型 → 写提示词 → Run → 保存
我能对着画布说出每个节点的职责，包括 Load Checkpoint 里的 MODEL / CLIP / VAE 三件套各干什么
我知道正向提示词接 KSampler 的 positive、负向接 negative，会用 (关键词:1.2) 加权重
我知道 steps / cfg / denoise / seed 各管什么，改参数前能预判效果
我知道当前版本内置默认工作流（Z-Image-Turbo）和官方教程经典工作流（SD1.5）的区别

踩坑提醒

❌ Load Checkpoint 显示 null 或下拉列表是空的

官方排错顺序：确认模型在正确的子目录（checkpoint 在 models/checkpoints/）→ 画布上按 r 刷新 → 重启 ComfyUI。还不行就是文件本身的问题，看模型加载失败。目录规则不熟的话回模型放哪里。

❌ 节点上一堆红色警告，不出图

红色 = 缺模型或节点参数无效，不补齐就没法正常出图。按第 2 步的流程点开警告看缺什么文件，补齐后警告自动消失。缺的模型国内下载不动，配代理或手动下载后放进对应子目录。

❌ 我的界面和教程截图完全不一样

大概率不是你错了：官方入门教程的截图是经典 SD1.5 工作流，而 v0.41.0 起 ComfyUI 内置的默认工作流换成了 Z-Image-Turbo，节点数量和名字都不一样。对照本页第 3 步的两套节点表确认你加载的是哪套；想加载特定工作流，用拖图、打开 JSON 或模板库三种方式之一。

❌ 出图糊、手崩，狂点 Run 碰运气

SD1.5 的官方已知短板：手部和复杂光影容易崩、直接生成 1024×1024 质量会下降（它在 512×512 上训练）。与其连点 Run，不如固定 seed、调整提示词（负向加 deformed hands, extra fingers）、必要时用放大工作流二次处理——放大玩法见商品图高清放大。

进阶技巧（可选）

🔧 Run bar 不止一个 Run 按钮：顶部悬浮 Run bar 上还有批次（batch count，一次入队跑几遍，默认 1）、队列模式（Run 只在点击时入队；Run (On Change) 工作流一变就自动再跑；Run (Instant) 当前任务一结束立刻再跑）、Cancel（取消当前任务）。按住 Shift 点 Run 可以把任务插到队首。

🔧 图片就是工作流的存档：ComfyUI 生成的图片自带工作流元数据，把任何一张自己生成的图拖回画布，就能还原当时的工作流和参数。想主动导出，用菜单 Workflows → Export 存成 JSON 文件。

🔧 一次出多张对比：把 batch count 调大，或把 Empty Latent Image 的 batch 参数改大，一次 Run 出多张图挑最好的。

🔧 快捷键不止 Ctrl+Enter：r 刷新节点定义、Ctrl+O 打开工作流，完整键位表看快捷键与界面速查。

本课小结

✅ ComfyUI 文生图的骨架：加载模型 → 编码提示词 → 造空画布 → KSampler 去噪 → VAE 解码 → 保存。所有文生图工作流都是这个骨架的变体。

✅ 一个 checkpoint 三件套：MODEL（UNet）管去噪、CLIP 管理解提示词、VAE 管潜空间和像素互转；新模型把三件拆开分别加载。

✅ 两套工作流都认识：官方教程的经典 SD1.5 六节点（20 步 / cfg 8 / 512×512），v0.41.0 起内置的 Z-Image-Turbo 默认工作流（8 步 / cfg 1 / 1024×1024，三个文件分开装）。

✅ 提示词会写了：正向接 positive、负向接 negative；英文短语逗号分隔；(关键词:1.2) 权重语法加强关键词。

✅ ComfyUI 怎么生成图片：Run 或 Ctrl + Enter 入队，结果在 Save Image 节点，右键保存，文件落在 ComfyUI/output/。

关键参数回顾（第一次跑建议保持默认）：

参数	经典 SD1.5 工作流	Z-Image-Turbo 默认工作流	说明
steps	20	8	蒸馏模型步数少是特性，不是偷懒
cfg	8	1	Turbo 类模型 cfg 就是 1
sampler / scheduler	euler / normal	res_multistep / simple	跟着工作流走
denoise	1.0	1.0	文生图从纯噪声开始，固定 1.0
seed	randomize	fixed	想复现就固定，想抽卡就随机
尺寸	512×512	1024×1024	SD1.5 别直接拉到 1024

下一课预告

第一次生图只是热身。ComfyUI 真正的玩法是「选对模型再开工」：不同模型擅长完全不同的任务。下一课模型×任务总览带你把整个模型库逛一遍。

你会学到：

Z-Image-Turbo、Qwen-Image、FLUX、Wan2.2、LTX 各自擅长什么、要多少显存
同一个任务（文生图 / 修图 / 生视频）该选哪个模型的工作流
从官方模板库一键加载对应工作流的方法
电商图、视频这些实战场景分别用哪条路线

第一次生图：默认工作流逐节点讲透 ​

学完你能做什么 ​

你现在的困境 ​

什么时候用这一招 ​

🎒 开始前的准备 ​

核心思路 ​

跟我做 ​

第 1 步：启动 ComfyUI 并加载文生图工作流 ​

方式 A：拖入示例图（推荐） ​

方式 B：打开工作流 JSON ​

方式 C：从模板库加载 ​

第 2 步：补齐模型——缺什么下什么、放对位置 ​

路线 A：经典工作流（SD1.5，一个文件） ​

路线 B：默认工作流（Z-Image-Turbo，三个文件） ​

自动下载怎么触发 ​

第 3 步：逐节点讲透 ComfyUI 文生图工作流 ​

Load Checkpoint：一个文件装三样东西 ​

CLIP Text Encode（×2）：把提示词翻译给模型 ​

Empty Latent Image：定一块空画布 ​

KSampler：去噪核心，全工作流的心脏 ​

VAE Decode：潜空间 → 像素 ​

Save Image：预览并保存 ​

第 4 步：写正负提示词——告诉模型画什么 ​

第 5 步：点 Run 生成你的第一张图 ​

检查点 ✅ ​

踩坑提醒 ​

❌ Load Checkpoint 显示 null 或下拉列表是空的 ​

❌ 节点上一堆红色警告，不出图 ​

❌ 我的界面和教程截图完全不一样 ​

❌ 出图糊、手崩，狂点 Run 碰运气 ​

进阶技巧（可选） ​

本课小结 ​

下一课预告 ​

第一次生图：默认工作流逐节点讲透

学完你能做什么

你现在的困境

什么时候用这一招

🎒 开始前的准备

核心思路

跟我做

第 1 步：启动 ComfyUI 并加载文生图工作流

方式 A：拖入示例图（推荐）

方式 B：打开工作流 JSON

方式 C：从模板库加载

第 2 步：补齐模型——缺什么下什么、放对位置

路线 A：经典工作流（SD1.5，一个文件）

路线 B：默认工作流（Z-Image-Turbo，三个文件）

自动下载怎么触发

第 3 步：逐节点讲透 ComfyUI 文生图工作流

Load Checkpoint：一个文件装三样东西

CLIP Text Encode（×2）：把提示词翻译给模型

Empty Latent Image：定一块空画布

KSampler：去噪核心，全工作流的心脏

VAE Decode：潜空间 → 像素

Save Image：预览并保存

第 4 步：写正负提示词——告诉模型画什么

第 5 步：点 Run 生成你的第一张图

检查点 ✅

踩坑提醒

❌ Load Checkpoint 显示 null 或下拉列表是空的

❌ 节点上一堆红色警告，不出图

❌ 我的界面和教程截图完全不一样

❌ 出图糊、手崩，狂点 Run 碰运气

进阶技巧（可选）

本课小结

下一课预告