本文详细介绍了 Qwen-Image 2.1 图像生成模型的三种本地部署路线：ComfyUI、Unsloth Desktop 和官方 Diffusers。作者首先解释了不同后端权重的差异，指出 DiT、文字编码器和 VAE 三件套需分别下载且不能混用。文章给出了 Windows RTX 5080 与 MacBook Pro M2 Max 两套平台的实测数据：5080 上 1MP 文生图约13秒，M2 Max 单张约10分钟。同时涵盖模型目录结构、extra_model_paths 配置、图像编辑模板用法、常见问题排查及 Qwen Research License 商用限制提醒，是一份可复现的完整部署教程。
作者在测试 Qwen-Image 2.1 时发现，生图和改图效果不佳的主要原因是创作意图未被准确传递给模型，如负面文字被印进海报、改姿势只换了衣服等。作者将经验整理成 qwen-image-gen Skill 并提交开源：区分文生图、局部编辑和参考人物创作；将人物动作、接触关系、镜头和画面文字写成模型可执行的描述；落实比例决策并检查返回图片真实像素；将质量反馈带回下一版。四组对照实验显示三组改善、一组失败，证明提示词改写有价值但非几何纠错器。
本文介绍了开源 Craft Skill「recurring-character-diary-comic」，一套让 Agent 持续生成同一固定角色个人 IP 漫画的工作流。它不依赖长 Prompt 或逐格拼图，而是通过故事合同（S0 故事真相、S1 身体真相、S2 表现选择）、page-native 整页生成、方向物体逐对象证明、有边界的局部修复和双轴像素验收，保证角色一致性、故事准确、中文对白无误，且整页作品自然统一。文字生成失败时才启用 compositor 做确定性排字兜底。
