背景
此前用 Flash 模型讨论”用 ComfyUI 生成 paper 架构图”时，AI 声称存在一个”专为绘图文字清晰度优化的 QLoRA”可以解决 SDXL 中文渲染问题。这个 LoRA 不存在——它是 AI 在概念空间里生成的合理但虚假的推理链。这个案例后来被记录为 置信度的幻觉：人机协作中的认知陷阱 的案例 1。
本文基于实际调查，回答两个问题：
- 本地 ComfyUI (SDXL) 到底能做什么、不能做什么？
- 生成 paper 架构图，该用什么工具？
一、ComfyUI / SDXL 的能力边界
本地环境
- 显卡：RTX 4090 24GB
- 安装位置：Windows 侧 D:\comfyui\ComfyUI_windows_portable\
- 模型：SDXL base 1.0 (~6.5GB)
- LoRA：无
- ComfyUI v0.22.0，端口 8188
能做什么
| 能力 | 说明 |
|---|---|
| 文生图 (txt2img) | 从 prompt 生成任意风格图像——风景、人物、抽象、概念艺术 |
| 图生图 (img2img) | 在现有图像基础上变换风格/内容 |
| 修复 (inpainting) | 填充或替换图像中的指定区域 |
| 超分 (upscaling) | ESRGAN 等模型提升分辨率 |
| 批量生成 | 同一 prompt 多 seed 变体 |
| 技术示意图（无文字） | 机械结构、生物解剖、建筑概念——不需要文字标注的视觉内容 |
| 风格迁移 | 将照片转为水彩/油画/线稿等风格 |
| AnimateDiff 视频 | 如安装相关节点，可生成短动画 |
不能做什么
| 限制 | 原因 |
|---|---|
| 生成可读的中文文字 | SDXL 的文字渲染是架构级限制，不是微调能解决的。生成的中文必然是乱码或形似字的无意义笔画 |
| 生成可读的英文文字 | 同样差，只是偶尔能碰出 2-3 个字母的短词 |
| 流程图/架构图（含文字标注） | 文字问题直接否决了这种用途 |
| 精确的数据图表 | 无法保证数字/刻度/标签的正确性 |
| UI 界面原型 | 按钮文字、标签、菜单项全部不可读 |
核心认知
SDXL 是像素生成器，不是信息排版引擎。它能生成”看起来像流程图”的图像，但上面的文字是装饰性的、不可读的。如果你需要观众理解图上写了什么，SDXL 做不到。
不存在的 LoRA：Civitai、Hugging Face 上不存在”让 SDXL 写出清晰中文”的 LoRA。文本渲染是扩散模型的底层能力问题，不是加一层微调能解决的。这是”合理但虚假”的 AI 推理链的典型案例。
二、本地 ComfyUI 的实用场景
基于以上边界，本地 SDXL 适合这些方向：
1. 创意图像生成（最核心的用途）
- 概念艺术、氛围图、风格化插画
- 论文的视觉封面/头图（不含文字，事后叠加标题）
- 灵感板、mood board
2. 图像变换与修复
- 老照片修复/上色
- 图片局部替换
- 分辨率提升
3. 生成”底图” + 后处理叠加文字
这是 paper-deck skill 推荐的生产级方案：
- SDXL 生成视觉背景、模块布局、箭头关系
- 用 python-pptx / PIL 在图片上精确叠加文字图层
- 中文/英文都完全可读
- 缺点是两步操作，不能一键完成
4. SDXL 做不到但 FLUX/SD3 可以部分改善
- FLUX 和 SD3 的文字渲染能力明显强于 SDXL
- 英文短词成功率较高，中文仍不可靠
- 但本地 RTX 4090 24GB 可以跑 FLUX Dev fp8（~12GB），如果愿意下载模型
三、架构图生成工具全景对比
以下是 不需要依赖 AI 图像生成 的架构图工具（不存在文字质量问题）：
| 工具 | 实现方式 | 适合场景 | 在哪用 |
|---|---|---|---|
| architecture-diagram | 纯 SVG/HTML 代码生成 | 系统架构、云基础设施、微服务拓扑 | hermes skill，生成 .html 直接浏览器打开 |
| excalidraw | JSON 手绘风格元素 | 快速草图、流程图、概念关系图 | hermes skill，.excalidraw 文件拖入 excalidraw.com |
| Mermaid | 文本→图表编译 | 流程图、时序图、类图、状态图 | Obsidian 原生支持，代码块即可渲染 |
| huashu-design | 纯 HTML/CSS 设计 | 高保真原型、交互 Demo、幻灯片 | hermes skill，40 种 CSS 风格库，Playwright 渲染 |
共同优势：
- 不需要 GPU
- 不需要 AI 图像模型
- 文字永远清晰可读（因为是真正的文字渲染，不是像素生成）
- 输出是代码，可以精确编辑和版本控制
还有这些依赖图像的方案（需要处理文字问题）：
| 工具 | 方式 | 文字方案 |
|---|---|---|
| paper-comic | SDXL 生成 sketchnote 风格底图 | 必须走”底图+叠加文字”后处理 |
| paper-deck | 逐页生成 slide image → 合成 PPTX | 推荐底图+python-pptx 叠加；或用 FLUX/SD3 改善英文 |
| baoyu-infographic | 信息图生成（21×21 风格矩阵） | 依赖生图模型，中文同样受限 |
四、推荐方案：按需选择
场景 A：论文系统架构图、云部署图
→ architecture-diagram skill
- 生成一个自包含 HTML 文件
- 暗色主题、专业排版、CSS 标注卡片
- 零依赖，浏览器打开即用
- 示例路径：
_outputs/diagrams/paper-arch.html
场景 B：论文方法流程图、算法流程图
→ Mermaid（首选）或 excalidraw（需要手绘风格时）
- Mermaid 直接写在 Obsidian 代码块里，实时渲染
- excalidraw 生成 .excalidraw 文件，拖入 excalidraw.com 编辑导出
场景 C：论文视觉封面/头图 + 标题
→ SDXL 生成底图 + PIL 叠加标题文字
- 这是最可靠的生产级方案
- 标题可以精确控制字体、大小、位置
场景 D：完整论文讲解幻灯片
→ paper-deck skill
- 优先用纯排版方案（python-pptx 直接绘制）
- 需要视觉背景时走”底图+叠加文字”路线
- 不依赖 AI 生成文字
五、总结
之前想用 ComfyUI + SDXL 生成带中文的流程图，问题的根源不是 SDXL 不够好——而是 SDXL 根本就不是做这件事的工具。AI 编造了一个不存在的 QLoRA 来弥合”用户想做的事”和”SDXL 能做的事”之间的差距。
本地 ComfyUI 的正确用法：生成”不需要文字可读”的视觉内容——概念图、氛围图、风格化图像、底图背景。
架构图的正确工具：architecture-diagram（系统架构）、Mermaid（流程图）、excalidraw（手绘草图）、paper-deck（幻灯片）。这些都是代码生成方案，文字清晰度天然完美，不需要任何 AI 图像模型。
中文支持问题的根本出路：不是找更好的生图模型，而是把”生成图像”和”叠加文字”拆成两步——生图模型负责视觉，排版引擎负责文字。