ComfyUI-TripleKSampler：专为Wan2.2与Lightning LoRA设计的三阶段采样解决方案

在ComfyUI的插件生态中，针对Wan2.2模型与Lightning LoRA的联用需求，ComfyUI-TripleKSampler 应运而生。它是一款定制化的三阶段采样节点，通过拆分“基础降噪-高模型处理-低模型精炼”流程，解决了传统多KSampler节点配置复杂、步骤分配不合理的问题，同时实现了对原始模型的无修改适配。

• GitHub：https://github.com/VraethrDalkr/ComfyUI-TripleKSampler

工具概述：三阶段采样的核心逻辑

TripleKSampler的核心是为Wan2.2拆分模型与Lightning LoRA设计的“分阶段任务分配”机制，整个工作流包含三个递进阶段，每个阶段聚焦不同目标：

1. 基础降噪（Base Denoising）：采用可配置CFG的高噪声模型，完成初始噪声压制，为后续处理铺垫；
2. Lightning High Model：集成Lightning LoRA的高模型介入，快速优化核心特征；
3. Lightning Low Model：通过Lightning LoRA低模型对细节进行打磨，提升最终输出质量。

节点在运行时，会通过“克隆模型+应用sigma偏移”的方式适配不同阶段需求，全程不修改原始模型文件，避免参数冲突与模型损坏风险。

核心优势：为何选择TripleKSampler？

传统使用Wan2.2与Lightning LoRA时，用户需手动搭建多个KSampler节点并分配步骤，易出现“基础模型步骤不足、Lightning阶段冗余”的问题。TripleKSampler通过差异化的设计理念，实现了更高效的采样流程。

1. 步骤分配逻辑差异

两种方案的核心区别在于“步骤解析与降噪百分比的解绑”——TripleKSampler为基础模型分配更高的步骤解析度（适配其长步骤设计），同时保留Lightning LoRA的低步骤优势（适配其优化特性）。以下为具体示例对比：

2. 核心功能亮点

• 自动步骤计算：无需手动设定基础模型步数，节点会基于质量阈值自动计算最优值，确保阶段过渡流畅；
• 无间隙阶段对齐：通过sigma偏移修补模型，避免不同阶段间的降噪重叠或断层；
• 多模型协调：智能管理Wan2.2拆分模型与Lightning LoRA的参数需求，无需手动切换模型配置；
• 参数冲突验证：实时检测配置合理性（如阶段步数重叠、参数不匹配），减少调试成本。

与原生KSampler的关键区别

TripleKSampler并非替代原生KSampler，而是针对“Wan2.2+Lightning LoRA”场景的专项优化工具，二者在架构、功能上差异显著：

节点类型与功能差异

TripleKSampler提供两个核心节点，分别适配“快速配置”与“精细化调试”需求，功能定位清晰：

1. 基础节点：TripleKSampler (Wan2.2-Lightning)

面向普通用户，主打“简洁高效”，核心特点包括：

• 简化接口：仅保留关键参数（如sigma偏移、base_cfg、lightning_steps），搭配智能默认值（如lightning_steps默认8步）；
• 自动优化：自动计算base_steps与Lightning起始点，无需手动调试；
• 功能对齐：与高级节点共享核心算法，确保采样质量一致。

2. 高级节点：TripleKSampler Advanced (Wan2.2-Lightning)

面向进阶用户，支持“全参数控制”，额外功能包括：

• 5种模型切换策略：涵盖“自动中点（50%步数）”“手动切换步”“T2V边界”“I2V边界”“手动边界”，适配不同生成场景（如文本生视频、图像生视频）；
• 动态UI：根据所选策略自动显示/隐藏相关参数（如选“手动切换步”时显示switch_step，选“手动边界”时显示switch_boundary），避免界面冗余；
• 空运行模式（Dry Run）：开启后无需实际采样，仅验证配置合理性并输出日志，适合调试阶段节省时间；
• 特殊模式支持：可配置“纯Lightning模式”“基础高+低模型模式”等特殊采样流程（详见下文“边缘案例”）。

安装与基础使用指南

1. 安装步骤

1. 进入ComfyUI的custom_nodes目录：
   cd ComfyUI/custom_nodes/
2. 克隆仓库：
   git clone https://github.com/VraethrDalkr/ComfyUI-TripleKSampler.git
3. 安装依赖（用于TOML配置支持）：
   cd ComfyUI-TripleKSampler && pip install -r requirements.txt
4. 重启ComfyUI，节点会自动出现在“TripleKSampler/sampling”类别下。

2. 基础工作流配置

以“Wan2.2拆分模型+Lightning LoRA”为例，核心步骤如下：

1. 加载模型：分别导入Wan2.2的“基础高噪声模型”“Lightning高噪声模型”“Lightning低噪声模型”；
2. 连接输入：将条件输入（如提示词嵌入）、潜在输入（如初始噪声）接入TripleKSampler节点；
3. 配置核心参数：
   • sigma_shift：默认5.0，可根据模型特性微调；
   • base_cfg：基础降噪阶段的CFG值，默认3.5；
   • lightning_steps：Lightning阶段总步数，默认8步；
   • 切换策略：文本生视频（T2V）选“T2V boundary”（默认边界0.875），图像生视频（I2V）选“I2V boundary”（默认边界0.900）；
4. 运行工作流：若需测试配置，可在高级节点中开启“Dry Run”，验证无误后关闭即可正常采样。

关键参数与配置说明

1. 特有核心参数

2. 配置文件（config.toml）

节点使用TOML配置系统，优先级为“用户自定义config.toml > 模板config.example.toml > 硬编码默认值”，首次运行会自动生成config.toml，核心配置项包括：

• [sampling] base_quality_threshold：base_steps自动计算的最小步数约束，默认20；
• [boundaries] default_t2v/default_i2v：T2V/I2V场景的默认sigma边界，分别为0.875、0.900；
• [logging] level：日志级别，“INFO”（默认，显示基础流程）或“DEBUG”（显示详细计算）。

进阶功能：自动计算与边缘案例

1. 自动计算机制

节点通过两种核心参数的自动计算，降低调试成本：

• base_steps自动计算：
  • 当lightning_start=1（默认）时，直接通过数学计算确保阶段对齐；
  • 当lightning_start>1（复杂配置）时，在约束范围内搜索最优值；
  • 若无法找到完美对齐（罕见），则使用近似值并提示日志。
• switch_step自动计算：
  设为-1时，自动取lightning_steps的50%（向上取整）作为切换点，平衡高/低模型处理比例。

2. 边缘案例：特殊采样模式

高级节点支持3种特殊模式，需满足严格的参数验证规则：

1. 纯Lightning模式（跳过基础阶段）：
   • 配置：lightning_start=0，base_steps设为-1或0；
   • 用途：纯Lightning LoRA工作流，无需基础模型介入。
2. 基础高+低模型模式（跳过Lightning高模型）：
   • 配置：lightning_start等于switch_step（如lightning_start=4、switch_step=4）；
   • 用途：简化为两阶段流程，强调基础降噪与低模型精炼的过渡。
3. 纯Lightning低模型模式（跳过前两阶段）：
   • 配置：lightning_start=0、switching_strategy设为“Manual switch step”、switch_step=0，base_steps设为-1或0；
   • 用途：对预处理后的潜在表示进行最终优化。

辅助功能：日志与调试

1. 日志系统

节点会输出详细日志，核心信息包括：

• 各阶段的步数范围、降噪百分比；
• 模型切换策略与计算出的切换点；
• 自动计算的参数值（如base_steps、switch_step）；
• 警告信息（如阶段重叠、参数不合理）。
  日志级别可通过config.toml调整，错误信息不受级别限制，会强制显示。

2. 空运行模式（Dry Run）

仅高级节点支持，开启后：

• 不执行实际采样操作，避免占用计算资源；
• 完整验证参数逻辑（如阶段对齐、模型兼容性）；
• 输出全部日志，快速定位配置问题（如“lightning_start超过switch_step”“base_steps为0但未跳过基础阶段”）。

开发与测试说明

1. 依赖与代码结构

• 依赖：ComfyUI、PyTorch及ComfyUI标准依赖；
• 代码结构：
  • init.py：包初始化与节点注册；
  • nodes.py：核心逻辑实现（TripleKSamplerWan22Base为基类，衍生基础/高级节点）；
  • config.example.toml：配置模板；
  • web/triple_ksampler_ui.js：动态UI控制脚本。

2. 测试方法

1. 重启ComfyUI后，检查控制台是否有导入错误；
2. 在节点浏览器中确认“TripleKSampler/sampling”类别存在；
3. 搭建基础工作流，开启“Dry Run”验证配置，查看日志是否正常输出。