如果你觉得AI生成图像”看运气”，那一定是因为你还没掌握ControlNet。作为Stable Diffusion生态中最重要的控制工具，ControlNet让设计师能够像操作传统设计软件一样精确控制AI的输出。本文将带你系统掌握ControlNet的15种控制模式及商业实战技巧。
Canny边缘检测：最基础也最常用的模式。给AI一张参考图像的边缘线稿，它会严格遵循这个结构生成新图。在设计改稿场景中特别实用——保持客户确认的构图不动，只更换风格。参数：Control Weight建议0.8，Guidance Start 0（全程控制），Guidance End 1（直到最后）。
Depth深度图：通过深度信息控制画面的空间关系。适合场景合成——比如你想在某个房间照片中”放入”AI生成的家具，先用Depth提取房间的深度图，再让SD基于深度图生成，生成的物体会自然融入原场景。实操：用MiDaS深度估算模型提取深度图，Control Weight设为0.7-0.9。
OpenPose骨骼检测：精确控制人物姿态。电商服装展示中，先用一张模特姿势参考图提取骨骼，再结合服装描述生成不同款式的穿着效果。关键17个身体关键点都可以手动调整，实现任何想要的姿势。权重建议0.8-1.0，低权重会让姿态有更多自由度。
Scribble涂鸦模式：最自由的ControlNet模式。用简单涂鸦勾勒构图，AI会自动补充细节。非常适合快速概念迭代——画几个色块表示构图，让AI生成多种渲染方案。客户提案阶段，用Scribble可以快速产出5-10个不同方向供选择。
IP-Adapter：严格来说它是ControlNet生态的扩展，但太重要了必须提。通过一张参考图像直接提取风格特征并应用到生成中，无需训练LoRA。实战中IP-Adapter+ControlNet的组合是实现”参考A图的风格、B图的构图、C图的内容”这种复杂需求的唯一方案。
多ControlNet叠加：ComfyUI支持同时使用多个ControlNet。例如：用OpenPose控制人物姿态 + Depth控制空间关系 + Canny控制产品轮廓，三步同时作用，实现最精确的控制。但注意叠加越多，画面越僵硬，控制在2-3个ControlNet之间效果最优。
避坑：ControlNet不是万能的。当控制图与目标内容差异过大时（比如用风景边缘图生成人物），AI会强行”解释”导致画面扭曲。解决方案是让控制图与目标内容有合理的对应关系。ControlNet本质上是在”引导”AI而非”命令”AI，理解这一点才能用好它。
林, 火星人老师 
