一、什么是 Florence2？
Florence2 是微软开源的大型多模态模型，具备图像理解与生成文本描述（Image Captioning）能力。在 ComfyUI 中，Florence2 可通过特定节点实现“关键词反推”功能，即输入一张图片，模型自动识别并输出对应的文本描述、关键词或提示词（prompt），广泛用于提示词提取、图像分析、自动标注等任务。

二、关键词反推的典型应用场景
提示词学习：观察优秀图像的反推结果，理解提示词对构图、风格的影响。
二次创作：基于已有图像反推关键词，再进行微调生成新图。
图片归档与搜索：通过反推出的标签自动整理图片，提升检索效率。
数据增强与训练：用于提示词生成训练、数据标注等。

三、Florence2 关键词反推工作流结构
核心节点构成（以ComfyUI环境为例）：
Load Image：加载输入图片。
Preprocess Image for Florence2：对图像进行分辨率调整和预处理。
Florence2（模型节点）：加载 Florence2 模型文件并进行分析。
Florence2 Caption Output：输出图像的文本描述结果（prompt）。
Preview Text（可选）：展示文本结果。

流程说明：
将目标图像拖入 Load Image 节点；
使用 Preprocess Image for Florence2 节点进行必要的图像转换；
加载 Florence2 模型（需在管理器中安装模型及其权重）；
将图像输入 Florence2 节点，自动获取图像描述；
输出结果用于参考、保存或作为后续工作流提示词。

四、安装与配置要点
安装插件支持：
Florence2 工作流需安装相关插件，通常包括：
Florence2 节点插件（如comfyui-florence2）
依赖的模型权重（可通过 huggingface 下载，例如florence-v2-image-captioning-base）
常见配置路径：
模型路径配置通常在插件的 Florence2.yaml 或节点属性中完成；
建议使用分辨率 448x448 的图像输入，获得更好的识别效果。

五、使用建议与技巧
Florence2 更擅长对现实图像、摄影类内容进行识别，生成画作或 AI 绘图作品可能会出现偏差，可搭配 BLIP、GIT 等模型互补分析。
可配合 Translate Text 节点，将英文描述转为中文，便于理解。
可以将结果保存为元数据（如 JSON），用于构建图像管理系统。
如你希望，我还可以帮你生成一张 Florence2 关键词反推的完整 ComfyUI 工作流图，或提供 .json 工作流文件模板。是否需要？