下图所示即可当作一个示例，后续的大型工作流也将是这样的分析思路，比如该阶段的输出可以当作下一个阶段的准备阶段，所以通过功能的增加，可以获得非常大型的工作流。
denoise控制去噪强度，如果denoise过低，那么对latent的变化就相对较小，如果是文生图的过程那么会因为去噪不干净导致最终的出图偏灰色，如果是图生图，那么会增加跟原图的相似程度。
CFG也会称为提示词引导系数，该值过高会导致去噪过程过于关注文本，最终出图毁坏或者细节过多，该值的选择取决于大模型的训练方式，常见的加速模型，比如lightning，hyper等，cfg设置在1-2即可，未作加速的模型cfg在6-7左右。
step为去噪的总步数，该值依然跟大模型的选择有关，加速模型一般为8-12，未加速模型一般在20-30左右，步数过高那么在后续的去噪过程基本不会影响结果，这跟sampler和scheduler相关，因为噪声的策略一般是在最接近尾声的时候，去噪强度更小。
