前言
最近项目里需要批量生成风格化的产品图，试了一圈开源方案后，发现用 ComfyUI 配合 Flux 模型出图效果比较稳定，但自己从零搭环境——GPU 驱动、Python 依赖、模型下载——少说也得折腾半天。后来发现阿里云函数计算 FC 的 Serverless 应用中心提供了 ComfyUI 的一键部署模板，连 Flux 模型和 LoRA 都预置好了，从零到出图大概 5 分钟搞定。
这篇文章记录一下完整的部署流程和一些踩坑经验，如果你也在找轻量的 AI 生图方案，可以参考（部署模板入口：阿里云 AIGC 生成入口）。
为什么选函数计算
传统部署 AI 生图服务，通常需要买一台 GPU 服务器，按月付费，闲着也在烧钱。函数计算的核心区别在于：
| 维度 | GPU 云服务器 | 函数计算 FC |
|---|---|---|
| 计费方式 | 按月/按量固定计费 | 按调用时长 + 资源规格计费 |
| 空闲成本 | 持续产生费用 | 不调用不收费 |
| 运维复杂度 | 需自己装驱动、管理环境 | 模板一键部署，开箱即用 |
| 弹性能力 | 需手动扩容 | 自动弹性，并发自动调度 |
简单说，如果你不是 7×24 小时高频生图，函数计算的成本优势很明显——官方给的数据大约 0.02~0.2 元/张（32GB 内存 + 16GB GPU + 8 核 vCPU，512×512 图片），冷启动约 60 秒，后续每张 5 秒左右。
部署流程
Step 1：开通函数计算
登录阿里云控制台，搜索"函数计算"进入产品页，按提示开通服务。如果还没有阿里云账号，可以通过这个链接注册，新用户有资源包试用额度。
Step 2：一键部署 ComfyUI 应用
进入 Serverless 应用中心，搜索"ComfyUI"，选择 ComfyUI Flux 部署模板。
模板会自动配置以下资源：
├── 函数计算 FC（计算引擎）
│ ├── 32GB 内存
│ ├── 16GB GPU（按规格选择）
│ └── 8 核 vCPU
├── NAS 文件存储（模型持久化）
│ ├── Flux 基础模型（预置）
│ └── LoRA 风格模型（预置）
└── VPC 网络配置（自动创建）
点击"创建应用"，等待约 3-5 分钟，状态变为"运行中"即可。
Step 3：访问 ComfyUI 界面
部署完成后，应用详情页会生成一个访问域名，直接在浏览器打开就能看到 ComfyUI 的 Web 界面。
模板已预置了毛绒萌宠风格的工作流，加载后界面大致如下：
- CheckpointLoaderSimple：加载 Flux 模型
- LoraLoader：加载毛绒风格 LoRA
- CLIPTextEncode：正向/反向提示词
- KSampler：采样器参数
- VAEDecode → SaveImage：解码并保存图片
Step 4：修改提示词出图
在正向提示词节点输入你的描述，例如：
a cute cat sitting on a cloud, fluffy plush toy style, soft lighting, pastel colors, detailed texture
点击"Queue Prompt"即可生成。一张 512×512 的图大约 5 秒（热启动），冷启动第一次约 60 秒。
工作流调优
提示词技巧
Flux 模型对自然语言的理解比 SD 1.5 强不少，不需要那种一堆 tag 的写法，正常描述就行。几个实践建议：
- 风格词前置：把 "fluffy plush toy style" 放在开头，权重最高
- 材质描述要具体：用 "matted fleece texture" 比 "soft" 效果更好
- 反向提示词精简：Flux 对反向词敏感，写太多反而影响质量
# 如果你通过 API 调用，提示词参数大致如下
prompt = {
"positive": "a cute cat sitting on a cloud, fluffy plush toy style, soft lighting",
"negative": "blurry, low quality, deformed",
"steps": 20,
"cfg": 3.5,
"sampler_name": "euler",
"width": 512,
"height": 512
}
采样器选择
实测下来，Flux 模型推荐使用 euler 或 euler_cfg_pp 采样器，步数 20-25 步即可获得不错的效果。dpmpp_2m 在高步数（30+）下略优，但性价比不如 euler。
LoRA 权重
毛绒风格 LoRA 的权重建议在 0.6-0.8 之间：
- 0.6：风格偏淡，更接近原始 Flux 出图
- 0.8：风格明显，毛绒质感突出
- 1.0：风格过度，可能丢失细节
分辨率与成本
| 分辨率 | 单张耗时（热启动） | 预估单张成本 |
|---|---|---|
| 512×512 | ~5s | ~0.02 元 |
| 768×768 | ~10s | ~0.05 元 |
| 1024×1024 | ~18s | ~0.10 元 |
| 1024×1024 + Hi-Res Fix | ~40s | ~0.20 元 |
如果不是特别需要大图，建议先用 512×512 快速试效果，满意后再出高分辨率版本。
踩坑记录
冷启动问题
第一次调用或长时间闲置后的调用会触发冷启动，GPU 实例初始化大约需要 50-60 秒。几个缓解方案：
- 定时预热：设置一个定时触发器，每隔 5 分钟发一个轻量请求保持实例活跃
- 预留实例：如果预算允许，可以配置预留实例消除冷启动（但会增加固定成本）
- 批量生图：把需求攒起来一次调用，减少冷启动次数
模型存储
模板使用 NAS 存储模型文件，Flux 基础模型大约 12GB+，注意 NAS 的存储费用。如果只是体验，用完及时清理 NAS 中的大文件。
网络访问
部署时需要配置 VPC，确保函数计算能访问 NAS。模板已自动处理，但如果手动创建，记得检查 VPC 配置是否正确。
成本对比
我之前在本地 4090 上跑 Flux，电费+折算下来一天不关机也得几块钱。换成函数计算后，按日均 100 张图算：
日均成本 ≈ 100 × 0.05 元（768 分辨率均价） = 5 元/天
本地 GPU 方案 ≈ 3~5 元/天（电费）+ 设备折旧
关键差异在于——不用的时候不花钱。周末不生图，函数计算费用为零；本地 GPU 可不关机。
扩展思路
除了毛绒萌宠风格，你还可以：
- 替换 LoRA：在 ComfyUI 中加载其他风格的 LoRA 模型（如动漫风、写实风）
- 接入 API：通过函数计算的 HTTP 触发器对外提供生图 API，集成到自己的应用中
- 工作流编排：ComfyUI 支持复杂工作流，比如先 Flux 出图 → 放大 → 局部重绘
- 批量生产：写一个简单的脚本循环调用 API，批量生成产品图
如果你也想试试，可以直接在阿里云 AIGC 生成页面一键部署，模板和模型都预置好了，省得自己折腾环境。
小结
函数计算 + ComfyUI + Flux 这套组合，适合"偶尔用、不想运维"的场景。核心优势是按需计费、一键部署、弹性扩缩。如果日生图量在几百张以内，比自建 GPU 服务器更划算；如果是 7×24 小时高吞吐场景，还是独占 GPU 更合适。
有问题欢迎评论区交流，也欢迎分享你的出图效果。
标签：阿里云 / 函数计算 / ComfyUI / Flux / AI生图 / Serverless / AIGC
