FunArt 对 VisionPlaid 做了深度集成，提供示例工作流与依赖，开箱即用。本文介绍如何创建 ComfyUI 项目并选择 VisionPlaid 加速引擎、运行示例工作流，以及 VisionPlaid ComfyUI 节点参数说明。
概述
FunArt 对 VisionPlaid 做了深度集成，包括集成 VisionPlaid 加速引擎、提供 VisionPlaid 示例工作流、示例工作流所需模型数据及依赖包，用户可开箱即用。VisionPlaid 在Qwen-Image-Edit-*、Qwen-Image-*和Wan2.2系列模型下具备SOTA的端到端推理性能。本文介绍从创建项目、运行示例工作流到节点参数说明的完整流程。性能数据与对比图详见VisionPlaid 发布说明。
前提条件
开始前，请确保满足以下条件：
已登录FunArt 控制台。
RAM 授权：已开通函数计算及相关服务，并完成账号授权。详细步骤请参考授权 RAM 用户使用图像生成项目。
账户余额：建议账户余额大于等于 100 元以获得更好体验。新用户可使用试用套餐以节省成本。
创建并配置使用 VisionPlaid 的 ComfyUI 项目
在 FunArt 中通过创建 ComfyUI 项目，并在创建流程的第三步将加速引擎选为VisionPlaid，即可使用 VisionPlaid 加速。步骤如下。
步骤 1：选择项目类型
在 FunArt 控制台页面导航栏，单击项目，单击创建新项目。在第一步「选择项目类型」中选择ComfyUI。
步骤 2：选择 GPU 卡型和规格
在第二步「选择 GPU 卡型和规格」中，按业务需求选择 GPU 卡型。使用 VisionPlaid 时建议选择Ada-*系统或Blackwell 系列，并配置 GPU 显存、vCPU、内存、磁盘等规格，单击下一步。
步骤 3：配置其他项目属性并选择 VisionPlaid
在第三步「配置其他项目属性」中配置以下内容：
项目名称：必填，输入项目名称。
地域：选择项目部署地域（如华东 1（杭州））。
加速引擎：在加速引擎下拉框中选择VisionPlaid。该选项用于为 ComfyUI 配置加速工具，选择 VisionPlaid 后即可在项目中使用 VisionPlaid 进行推理加速。
存储配置：按需选择（如「自动配置」表示使用 NAS 存储模型和插件等资源）。
配置完成后，单击下一步。
步骤 4：确认并完成创建
在第四步「确认并完成创建」页面，查看配置信息（项目名称、项目类型、地域、GPU 规格等）及部署资源（函数计算 FC、文件存储 NAS、日志服务 SLS 等）的计费说明，确认无误后单击确认部署。系统将开始部署，页面提示「正在准备项目（3～5 分钟），部署阶段不会产生 GPU 费用」。部署完成后即可进入项目开发阶段，使用工作站进行出图与调试。
GPU 采用按量计费，界面预估费用仅供参考，以实际使用为准。使用完毕后请及时关闭工作空间以停止计费。
项目开发与使用
项目创建并部署完成后，可进入项目详情页进行开发与出图。可参考创建 ComfyUI 项目快速入门中的工作站与出图流程。
运行示例工作流
在打开的项目页面中，选择项目开发 > 工作站 > Workflows，可看到 FunArt 已内置的 VisionPlaid 示例工作流。
选择要运行的工作流，单击右上角Run 按钮即可开始推理。
VisionPlaid ComfyUI 节点介绍
以下为 VisionPlaid 在 ComfyUI 工作流中的主要节点及参数说明。
VisionPlaid Load Diffusion Model
unet_name：要加载的模型权重，与 ComfyUI 的 Load Diffusion Model 一致。若使用 W4A4 量化，需在此指定对应权重；若开启 4-step 优化，可下载 4-step 优化专用权重。
weight_dtype（量化类型）：default 与 ComfyUI 的 Load Diffusion Model 一致；int4 为 W4A4 的 int4 量化；nvfp4 为 W4A4 的 nvfp4 量化；其他 与 ComfyUI 的 Load Diffusion Model 一致。
Diffusion Boost V1
Diffusion Boost V1 是控制和配置推理加速的统一入口。
enable_compile：开启或关闭编译，使用 torch.compile 编译 transformer 可优化算子以提升性能。
attn_type（Attention 类型）：当前支持
default、sage、flash。default 跟随 ComfyUI 所用 Attention；flash 需自行安装 FlashAttention；sage 使用 SageAttention（bitforge 版本已内置，无需单独安装）。enable_fbcache、residual_diff_threshold、cache_start：当前版本尚未支持。
enable_offload：开启自动 offload transformer 权重，可缓解大图时 VAE decode 占用内存过高的问题，避免因 transformer unload 带来的性能损失。
num_blocks_on_gpu：开启自动 offload 时，控制常驻 GPU 的 transformer block 数量。减小该值可降低与 VAE 抢占内存的概率；增大该值有时可提升性能，可根据图片大小调试。
第一次运行可能需要编译，耗时较长，多跑几次后性能可达最佳。
Parallel KSampler
除与 ComfyUI 一致的 model、seed、steps、cfg、sampler_name、scheduler、positive、negative、latent_image、denoise 等参数外，VisionPlaid 提供：
num_gpus：多卡并行的卡数。num_gpus=1 时为单卡推理；num_gpus>1 时开启多卡序列并行，并启用通信掩盖（overlap）以降低通信开销。
进入项目：在项目列表中单击已创建且已配置 VisionPlaid 加速引擎的 ComfyUI 项目，进入项目详情。
使用工作站：在项目开发页签下，使用工作站配置模型、工作流及参数，设置提示词并执行工作流完成出图。
文件管理：在文件管理页签中可查看输入输出文件及模型等资源。
发布线上服务（可选）
若需将已配置 VisionPlaid 的 ComfyUI 项目发布为线上 API 供外部调用，可在线上服务中完成发布与配置管理。操作步骤详见：为 ComfyUI 项目发布线上服务。
请勿在函数计算控制台直接修改由 FunArt 创建的函数配置，避免被下次发布覆盖。