1. CheckpointLoaderSimple (节点 14)
功能：加载预训练的模型文件，为生成任务提供基础模型。
模型文件：realvisxlV40_v40LightningBakedvae.safetensors
realvisxl 表示这是一个基于 SDXL 的模型，可以在liblib、C站搜索下载
MODEL：提供给后续节点的模型数据。
CLIP：用于文本编码的 CLIP 模型。
VAE：变分自编码器（VAE），用于图像的编码和解码。
2. LoraLoader (节点 16)
功能：加载 LoRA（Low-Rank Adaptation）模型，用于微调生成效果。
LoRA 模型在liblib免费使用，模型链接： https://www.liblib.art/modelinfo/bed084feac274500b5b1e094eb9d1b40?mine=1&from=personal_page&versionUuid=4054bb552cf84dc8ab361a629e05b89e
本地使用模型定价66元，学生半价，购买可以添加作者【叁十三】微信：zhujiao4948
模型权重：0.5，控制 LoRA 模型对基础模型的影响程度。
CLIP 权重：0.5，控制 LoRA 对 CLIP 模型的影响程度。
3. ControlNetApply (节点 10)
功能：将 ControlNet 模型应用于输入图像，结合条件生成更精确的图像。
控制权重：0.8
控制 ControlNet 对生成过程的影响强度值越高，生成的图像越受输入线稿的约束。
conditioning：来自 CLIPTextEncode 的文本条件。
control_net：加载的 ControlNet 模型（如 MistoLine）。
image：经过 AnyLineArtPreprocessor 处理后的线稿图像。
4. CLIPTextEncode (节点 6 和节点 7)
功能：将文本提示编码为条件向量，用于指导生成过程。
文本提示：
节点 6：SSS_landscape_plan, tree, grass, from above, path, ground, watercolor
描述生成目标的文本提示，用于生成具有特定风格和内容的图像。
节点 7：可输入负面提示词。
5. VAEEncode (节点 35 和节点 43)
功能：将输入图像编码为潜在空间（latent space）表示，以便用于生成模型。
pixels：输入图像。
输出：LATENT
编码后的潜在空间表示，用于生成模型的输入。
6. KSampler (节点 32 和节点 3)
功能：根据条件生成图像的潜在空间表示。
采样方法：推荐euler_ancestral，一种高效的采样算法，适合高质量生成。
采样步数：推荐15-20，
7. VAEDecode (节点 34 和节点 8)
功能：将潜在空间表示解码为实际图像。
8. ImageUpscaleWithModel (节点 36)
功能：对图像进行高清放大，提升图像分辨率。
放大模型：RealESRGAN_x4plus_anime_6B.pth
使用 RealESRGAN 模型进行放大，适合动漫风格图像。
9. ImageScaleBy (节点 49)
功能：对图像进行缩放，调整图像大小。
缩放模式：nearest-exact
使用最近邻插值法进行缩放，适合保持图像的清晰度。
缩放比例：0.5
将图像缩小到原来的一半，放大模型默认放大4倍，乘以缩放比例即为2倍。
10. SaveImage (节点 51 和节点 54)
功能：保存生成的图像到指定路径。
11. LoadImage (节点 11)
功能：加载外部图像文件，作为输入。
12. AnyLineArtPreprocessor_aux (节点 40)
功能：对输入图像进行线稿预处理，提取线稿特征，适合用于 ControlNet。
预处理模式：lineart_standard
使用标准的线稿提取模式
分辨率：1280
将输入图像的长边调整到 1280 像素，同时保持宽高比
13. ControlNetLoader (节点 12)
功能：加载 ControlNet 模型，用于控制生成过程。
模型文件：mistoLine_rank256.safetensors
加载的 ControlNet 模型文件，用于线稿控制。
14. JWImageResizeByLongerSide (节点 47)
功能：根据图像的长边调整图像大小，同时保持宽高比。
目标长边：1280，将图像的长边调整到 1280 像素。
插值模式：bicubic，使用双三次插值法，适合高质量缩放。
15. PreviewImage (节点 41 和节点 55)
功能：在工作流中实时预览图像，方便调试。