[案例研究] // 2026 // V2.0 已上线
深耕游戏美术赛道 // 把 COMFYUI 的专业能力封装为易用的 WEB 应用
覆盖原画 / UI / 视频转绘
2026 // 游戏美术 AIGC // 工作流即界面
[01] // 产品概览和痛点
产品概览
针对游戏美术工作流，搭建了集生成、编辑、部署于一体的 AI 多模态创意平台。通过前后端分离架构成功将复杂推理环境（ComfyUI/WebUI）产品化，支持 LoRA 模型自定义上传与管理。针对游戏角色一致性问题，设计了基于 IP-Adapter 的生图应用封装，使美术资产产出效率提升 400%。
原生 ComfyUI 连线复杂，普通美术人员无法使用。
创新:前后端分离架构，将复杂的 ComfyUI 流程图封装为前端人人可用的应用界面，大大降低了学习成本。
INNOVATION
本地配置环境与模型繁琐，复杂流程无法共享，缺少 GPU 资源造成生图瓶颈
创新:私有化部署统一环境，直接在浏览器使用；高峰期按需启停机器，按队列顺序生成图片。
INNOVATION
生成的资产无法管理，AIGC 成本与合规难以控制，风险大
创新:自研客户端私有化部署，所有数据和模型资产保存在公司服务器；通过数据面板直观监控资源消耗与分配情况。
INNOVATION
[02] // 核心功能
核心功能
统一的模型管理
支持上传、下载、管理各类开源模型，支持私有化部署，支持配置 API Key，接入 Midjourney。
复杂工作流封装为简单应用
协调后端将 JSON 格式的工作流抽象化，实现前端 UI 的高度自定义，解决原生工具难用的痛点。
推理性能优化
通过排队机机制和模型预加载（Warm-up）平衡并发量与显存压力；前后端分离架构，后端动态挂载不同规格的 GPU 算力。
[03] // 真实问题. 真实解决.
遇到的挑战
01学习门槛
如何从 0-1 学习生图的知识？
- 1.研究学习 C 站 / Openart / Leonardo / Liblib 等产品和文档。
- 2.本地部署 WebUI、ComfyUI 工具，搭建工作流。
- 3.总结分享生图经验文章。
02标准化
如何将 ComfyUI 工作流标准化为无代码应用，并保持长期更新维护？
- 1.首先，要结合业务流程保证工作流的可读性和标准化；
- 2.前后端架构分离，后端将 JSON 导出 API 接口，前端定制应用表单页面；
- 3.增加版本控制，依赖环境镜像化，通过自研平台管理和监控；
[04] // 里程碑
里程碑
| 阶段 | 时间 | 关键产出 |
|---|---|---|
| M1: MVP | 2024 Q3 | 集成 WebUI 原生界面，支持开源模型管理，基础图库（个人），基础用户权限，Docker 部署脚本 |
| M2: Alpha 版 | 2024 Q4 | 集成 ComfyUI 原生画布，图库支持团队分享与文件夹管理，接入 Midjourney / DALL-E API |
| M3: Beta 版 | 2025 Q1 | 上线数据面板，实现精细化 RBAC 权限管理，推出首个场景化应用（如人物换装），优化私有化部署方案 |
| M4: V1.0 正式版 | 2025 Q2 | 稳定的平台版本，丰富的场景化应用模板，完善的产品文档与客户支持体系，正式推向市场 |
[01]
3次
整体界面重设计改版
[02]
500+张
交付应用/模型封面图
[03]
400%
产出效率提升
[04]
5K+张
日均生成图片支撑
[05]
30%
平均推理延迟降低
[06]
80%
私有化部署推理成本减少
[换脸小程序]
01 / 04换脸小程序
某游戏公司运营小程序 // 日活 2000+
[换脸小程序]
01 / 04换脸小程序
某游戏公司运营小程序 // 日活 2000+
[数字资产]
02 / 04游戏数字资产快速制作
某游戏公司 // 制作速度提升 400%
[趋势素材]
03 / 04设计趋势图片批量生成与管理
某制造业公司 // 通过平台批量生成和管理设计趋势图片素材
[外观设计]
04 / 04工业外观设计 DEMO 批量产出
某小家电制造 // 使用平台线稿生图，批量产出外观设计 DEMO，快速完成工业外观灵感收集
展示 01 / 04 个项目