AI活用
ComfyUIで複数ControlNetを使う方法｜競合・強度・適用範囲を整理
ComfyUIで複数のControlNetを重ねるには、Apply ControlNetを直列につなぎ、単独で成功した条件から順に足します。強度と適用範囲の配分、条件が競合して破綻する典型例、IP-Adapter・LoRAとの併用順、追加ごとのVRAMと時間の記録方法を解説します。
CATEGORY
AI活用
AI活用に関する基礎、実装例、トラブル解決の記事をまとめています。
211ARTICLES
AI活用
ComfyUIのLatentとは｜画像になる前のデータを初心者向けに解説
ComfyUIのLatentは、画像になる前の「生成モデルが扱う内部表現」で、KSamplerが書き換えるのはこのLatentです。IMAGE型と分かれている理由、Empty Latent Imageの幅・高さ・batch、VAEでの往復、KSamplerとの関係を配線で示し、型エラーを自力で診断する読み方につなげます。
AI活用
ComfyUIのVAEとは｜色・明暗・破綻に影響する理由を図解
ComfyUIのVAEは、画像とLatentを相互に変換する橋渡し役で、色味・明暗・細部の破綻に直接影響します。VAE EncodeとDecodeの位置、内蔵VAEと外部VAEの違い、同じLatentを2つのVAEでDecodeして比較する手順、不一致の症状の切り分けを解説します。
AI活用
ComfyUIのNode Docsの読み方｜入力・出力・データ型からノードを理解する
ComfyUIの知らないノードは、Node Docsで「入力・処理・出力」と「何のデータ型が流れるか」を読めば自力で理解できます。MODEL・CLIP・LATENT・IMAGEの意味、required/optional、Widgetと接続の違い、配布Workflowの読み方、Docsが無いCustom Nodeの調べ方を解説します。
AI活用
ComfyUI Mask Editorの使い方｜マスク作成・修正・保存を初心者向けに解説
ComfyUIのMask Editorは、Load Imageノードの画像に対して塗り・消し・保存でマスクを作る編集画面です。開き方、Mask Penと Eraserの最小手順、Hardnessによる境界の違い、白黒マスクの意味の確認法、Inpainting前のチェック、外部ソフトを使うべき場面を解説します。
AI活用
ComfyUIのPartial Executionとは｜必要な分岐だけ実行して検証を速くする
ComfyUIのPartial Executionは、選んだ出力ノードに必要な依存ノードだけを実行する機能です。選択ツールボックスの青い三角形からの使い方、途中Previewを置く検証設計、2分岐で片方だけ実行する例、キャッシュと再計算の観察、LoRA強度やDenoiseの一変数比較への応用、GPU高速化ではない点を解説します。
AI活用
ComfyUIのSubgraphの使い方｜大きなワークフローを部品化する方法
ComfyUIのSubgraphは、複数ノードを入力と出力を持つ1つの処理単位にまとめ、再利用できる仕組みです。Groupとの違い、VAE Decodeなど最小単位での作成手順、入出力の境界の決め方、役割単位の設計、命名と依存の記録、細分化しすぎる失敗を解説します。
AI活用
ComfyUI Nodes 2.0とは｜旧UIとの違い・切り替え方・互換性を解説
ComfyUI Nodes 2.0は生成モデルではなく、ノード描画をLiteGraphのCanvasからVueに置き換えたUI基盤の変更です。旧UIとの違い、ロゴメニューからの切り替えと戻し方、Custom Node互換性の確認、大型ワークフローでの比較手順、3タイプ別の導入判断をまとめます。
AI活用
ComfyUI App Modeの使い方｜複雑なワークフローを初心者向け画面に変える
ComfyUIのApp Modeは、ノードグラフを消さずに、利用者が触る入力と出力だけを絞って表示する仕組みです。App Builderの4ステップ、入出力の選び方、既定表示、保存と共有リンクの制約、向くワークフローと向かないワークフローを解説します。
AI活用
ComfyUIカスタムノードの作り方｜Pythonで最小ノードを実装する
ComfyUIのカスタムノードは、INPUT_TYPES・RETURN_TYPES・FUNCTIONを持つPythonクラスをcustom_nodes配下に置き、NODE_CLASS_MAPPINGSで登録すれば動きます。文字列を加工する最小ノードを例に、作るべきかの判断、実装、登録、型、壊れにくくする整備まで解説します。
AI活用
Comfy MCPをローカルで使う方法｜Codex・Claude CodeからWorkflowを実行する
Comfy MCPのローカル版はpip install comfy-mcpで入り、Claude CodeやCodexにstdioサーバーとして登録すると、Agentが手元のComfyUIのworkflowをToolとして実行できます。前提version、登録方法、固定workflowだけ許可する使い方、権限境界、beta追従の注意をまとめます。
AI活用
OllamaとComfyUIを連携する方法｜日本語の指示から画像生成まで
OllamaとComfyUIの連携は、Ollamaに日本語の依頼をJSON Schema付きで構造化させ、検証済みの値だけを固定workflowに差し込んでPOST /promptへ送る形が最小構成です。役割分担、データフロー、Schema設計、安全な受け渡し、検証記録の取り方まで解説します。
AI活用
ComfyUIのGUI用JSONとAPI用JSONの違い｜変換できない原因を解説
ComfyUIのworkflow JSONはGUI用とAPI用で構造が違い、GUI用をそのまま/promptへ送っても動きません。同一workflowの並置で差を示し、File → Export Workflow (API)での正式な出力、Node IDの逆引き、parse後の最小差分書き換えを解説します。
AI活用
ComfyUIのImport Failedを直す方法｜依存関係エラーの切り分け手順
ComfyUIのImport Failedは本体の故障ではなく、特定のcustom nodeのPython importが失敗した状態です。起動logの「Import times for custom nodes」から対象を特定し、ModuleNotFoundErrorの読み方、Python実体の確認、nodeの一時無効化、再発防止までを順に示します。
AI活用
ComfyUIでIP-Adapterを使う方法｜構図・人物・画風を参照画像から制御する
IP-Adapterは参照画像をCLIP特徴量に変えてmodelに渡す「画像で書いたprompt」です。ComfyUI_IPAdapter_plusの最小接続、同じseedでweightを4段階比較する手順、ControlNet・LoRAとの役割分担、参照画像の権利確認まで整理します。
AI活用
ComfyUIでインペイントする方法｜マスク・Denoise・境界の直し方
ComfyUIのインペイントはLoad ImageのMASK出力をVAE Encode (for Inpainting)かSet Latent Noise Maskに渡すだけで組めます。マスク範囲とDenoiseを別々に調整する手順、境界が目立つ原因の切り分け、修正履歴の残し方を解説します。
AI活用
ComfyUIでimg2imgを使う方法｜Denoiseで元画像をどこまで残すか検証
ComfyUIのimg2imgはLoad Image→VAE Encode→KSampler→VAE Decodeの4ノードで組め、元画像をどれだけ残すかはKSamplerのDenoiseだけで決まります。同一Seedで0.2〜0.8を比較する手順と判断基準を解説します。
AI活用
ComfyUIでEmbeddingを使う方法｜Textual InversionとLoRAの違い
ComfyUIのEmbedding（Textual Inversion）はmodels/embeddingsに置き、promptにembedding:ファイル名と書くだけで使えます。LoRAとの違い、Negative Embeddingの副作用、効かないときの確認順を解説します。
AI活用
ComfyUIのKSamplerを理解する｜Steps・CFG・Sampler・Schedulerの役割
ComfyUIのKSamplerが何をするノードかを解説。Steps・CFG・Sampler・Scheduler・Seed・Denoiseの役割の違いと、Seed固定でStepsとCFGを一変数ずつ比較して時間も記録し、自分の基準値を条件表として残す方法が分かります。
AI活用
ComfyUIでSeedを固定する方法｜同じ画像を再現できない原因も解説
ComfyUIでSeedを固定するにはKSamplerのcontrol_after_generateをfixedにします。Seedが固定するのはノイズの出発点だけで、model・sampler・解像度・ノード差で同じSeedでも画像が変わる条件と、再現のための記録方法を解説します。
AI活用
ComfyUIで複数LoRAを使う方法｜順序・強度・干渉を同一Seedで比較
ComfyUIで複数のLoRAを重ねる方法を解説。Load LoRAの直列配線、強度を一つずつ動かす比較手順、顔・服・画風が干渉する症状、順序A→B/B→Aを同一Seedで比べる記録表まで分かります。
AI活用
RAGのリランキングとは？Cross-Encoderの実装とtop-k評価
RAGの一次検索候補をリランキングする方法を解説。Cross-EncoderとRRFの役割、候補数top-k、Python実装、導入前後の比較方法、遅延が増える場合の対処まで整理します。
AI活用
MCPサーバーに接続できない時の対処法｜起動・PATH・stdio・HTTPを順に確認
MCPサーバーに接続できない原因を、起動、PATH・作業ディレクトリ、stdio、プロトコル版、Streamable HTTPの順に切り分けます。症状別フローと診断コマンド付きです。
AI活用
Gemini Managed Agentsの使い方｜バックグラウンド実行・Remote MCPをJavaScriptで実装
Gemini APIのManaged Agentsで長時間タスクをバックグラウンド実行し、Remote MCPやカスタム関数を接続するJavaScript実装を解説。状態遷移・認証更新・運用上の注意も整理します。
AI活用
RAGの評価方法｜検索と回答を分けて測る20問テストの作り方
RAGを検索と回答に分けて評価する方法を解説。Recall@k、根拠への忠実性、回答の完全性、拒否精度を測る20問データセット雛形と改善記録表を紹介します。
AI活用
RAGで出典・引用を表示する方法｜citation objectと検証手順
RAG回答へ実在する出典を付ける方法を解説。検索metadataからcitation objectを作り、claimとsource IDを対応させ、存在しないURL・根拠不一致・引用漏れを防ぐ検証手順を紹介します。
AI活用
ローカルLLMのセキュリティ対策｜公開前30項目チェックリスト
ローカルLLMを安全に使うため、意図しないport公開、履歴・indexの残存、権限、model供給元、prompt injection、更新と事故対応を脅威モデルと30項目で点検します。
AI活用
ローカルLLMでRAGを構築する方法｜Ollamaで外部APIなしの最小実装
Ollamaのlocalhost APIだけで、文書分割、embedding、類似検索、根拠付き回答までを実装します。cloud機能を無効化し、外部通信なしを検証する記録表も掲載。
AI活用
LM Studioの使い方｜ローカルLLMの導入・モデル読込・API起動
LM StudioでローカルLLMを使う手順を、対応環境の確認、モデル検索・download、Chatへのload、local API server、unloadまで解説。offline利用とcloud機能の境界も整理します。
AI活用
llms.txtとは？WordPress・Laravel・Railsの実装方法とLLMOでの有効性
llms.txt v2の仕様とLLMO対策としての有効性を整理。WordPress、PHP、Laravel、Ruby on Rails、Sinatraへ静的ファイルまたは動的ルートで実装し、HTTP応答とアクセスログを検証する方法を解説します。