Flux.1 是一款专为文生图任务设计的扩散模型（Diffusion Model），它相较传统模型具有更高的生成质量与图像细节表现力。本工作流使用 Flux.1 dev模型，同时搭配特制的 DualCLIP 双CLIP编码器以及专用的 FluxGuidance 节点，以获得更加精准且高质量的图像生成效果。

① Load Diffusion Model

UNet 加载器

Load Diffusion Model 节点加载 Flux.1 dev 扩散模型，为工作流提供核心的图像生成能力。

Flux 模型以高效性与精细的细节表现著称，适合高质量文生图任务。

② DualCLIPLoader

双 CLIP 加载器

DualCLIPLoader 节点加载特制的两个 CLIP 文本编码器（例如 t5xxl_fp 和 clip_l），以更准确地将用户提供的提示词转化为高质量的条件特征。

双 CLIP 编码方式提升了 prompt 对图像生成的引导精度与表现力。

③ Load VAE

加载 VAE

Load VAE 节点专门加载 Flux.1 的 VAE 解码器（如 FLUX1\ae），用于后续将潜空间图像解码为最终可视图像。

说明：

不直接使用模型自带的默认 VAE，而使用专门匹配 Flux 模型的 VAE，以获得更佳的图像细节与质量表现。

④ CLIP Text Encode (Prompt)

CLIP 文本编码

用于正向（Positive）提示词的 CLIP Text Encode 节点输入的是用户的文字描述，如：

beautiful scenery nature glass bottle landscape

它将自然语言转为模型可理解的语义向量，用于引导图像生成方向。

⑤ CLIP Text Encode (Prompt)

CLIP 文本编码

用于反向（Negative）提示词的 CLIP Text Encode 节点用于输入一些不希望在图像中出现的内容。

说明：

Flux dev 和 Flux.1 schnell 不需要任何负向提示词。

⑥ FluxGuidance

Flux 引导

FluxGuidance 节点是 Flux.1 dev 工作流中特有的增强引导节点，额外处理来自 CLIP 的条件特征（尤其是正向提示），提升条件特征的精准度与有效性，进一步增强生成结果的质量和一致性。

⑦ Empty Latent Image

空 Latent 图像

Empty Latent Image 节点创建一个空白的潜空间画布，定义图像生成的初始状态与图像尺寸分辨率。

⑧ KSampler

K 采样器

KSampler 节点综合以下所有条件特征：

Flux扩散模型的生成能力FluxGuidance增强处理后的正负提示词特征空白潜空间画布

执行扩散模型采样过程，逐步生成潜空间图像。

说明：

Flux dev 模型不支持传统的负向提示词机制，因此 CFG（分类器自由引导）设为 1.0，这样模型会忽略负向提示词。负向提示词的相关信息由 FluxGuidance 节点间接管理。

⑨ VAE Decode

VAE 解码

VAE Decode 节点使用第 ③ 步加载的专用 VAE，将潜空间图像转换为高质量的 RGB 可视图像，提供更加清晰与细节丰富的最终图像。

⑩ Save Image / Preview Image

保存图像 / 预览图像

使用 Preview Image 或 Save Image 节点来查看或保存最终输出结果。

“点赞行美意，赞赏是鼓励”