1. 从零开始的ComfyUI部署为什么选择它以及如何正确安装如果你已经玩了一段时间的Stable Diffusion WebUI也就是大家常说的“秋叶整合包”那个界面并且开始对生成速度、工作流复用或者更精细的控制感到不满足那么是时候把目光投向ComfyUI了。我第一次接触ComfyUI是因为被它那个像电路图一样的节点界面给“劝退”了但硬着头皮用了一周后我发现再也回不去了。它不是一个“更好看”的界面而是一个从根本上改变了AI绘画工作方式的工具。简单来说WebUI像一辆自动挡汽车给你几个踏板和按钮而ComfyUI则像打开了汽车的引擎盖让你能直接看到并调整每一个气缸的点火时序、喷油量。这种控制力带来的是出图的极致稳定性和惊人的效率提升。那么ComfyUI到底是什么它是一个基于节点流程的Stable Diffusion图形用户界面。你通过连接不同的功能节点如加载模型、输入提示词、设置采样参数、输出图像来构建一个完整的生成流程。这种设计带来了几个核心优势首先是工作流可保存与复用你精心调校的一套参数可以保存为一个JSON文件下次一键加载完全复现其次是极致的性能由于底层逻辑更高效在相同硬件下ComfyUI的生成速度通常比WebUI快20%-30%最后是强大的可扩展性社区里无数开发者为其制作了功能各异的插件几乎能实现任何你能想到的AI图像处理功能。在开始安装之前你需要明确自己的需求。如果你是一个追求开箱即用、害怕复杂操作的新手那么带有详尽教程和中文优化的“秋叶ComfyUI整合包”是你的不二之选。如果你是一名开发者或者希望紧跟最新特性、自己掌控一切那么从Git源码进行安装会更适合你。本教程将涵盖这两种主流的安装方式并详细解释每一步背后的原因确保你不仅能装上还能理解为什么这么装。2. 两种主流安装方案详解整合包与源码部署的抉择安装ComfyUI你首先面临一个选择是用别人打包好的整合包还是自己从源码开始部署这个选择没有绝对的对错只有适合与否。我两种方式都长期使用过下面我结合自己的踩坑经验为你剖析各自的优劣和适用场景。2.1 方案一秋叶ComfyUI整合包——新手的快速起跑线对于绝大多数国内用户尤其是刚接触ComfyUI的朋友我首推“秋叶大佬”制作的ComfyUI整合包。它的最大价值在于“省心”。作者已经帮你解决了Windows环境下99%的依赖问题和环境配置难题比如繁琐的Python版本管理、PyTorch的CUDA匹配、以及令人头疼的PATH环境变量设置。为什么整合包是新手福音一键安装下载一个压缩包解压运行启动脚本即可。它内置了Python、Git、必要的C运行库你不需要单独安装这些。中文优化整合包通常预置了汉化插件并对一些常用插件做了整理降低了语言门槛。依赖预装很多常用但安装容易出错的Python包如torchvision,open_clip等已经配置妥当。问题社区集中因为用的人多你遇到的大部分问题在相关的社群或视频评论区都能找到解决方案。安装实操步骤获取整合包在可靠的来源如秋叶的B站视频简介或GitHub仓库下载最新的整合包压缩文件。注意核对文件名和版本号。解压路径将压缩包解压到一个英文路径的文件夹中。例如D:\AI_Tools\ComfyUI。这是铁律中文路径可能导致各种无法预料的模块加载失败。模型文件迁移如果你之前使用过Stable Diffusion WebUI那么你的models文件夹里面包含Stable-diffusion大模型、Lora、VAE等可以直接复用。最简单的方法是在整合包目录下找到ComfyUI\models文件夹将WebUI里对应的模型文件复制过来。或者你可以在整合包的extra_model_paths.yaml配置文件中添加你原有WebUI模型目录的路径实现模型共享避免磁盘空间浪费。启动运行双击运行目录下的run_nvidia_gpu.batN卡用户或run_cpu.bat脚本。首次启动会相对较慢因为它需要初始化环境并下载一些必要的组件。当命令行窗口出现类似“Listening on...”的提示并自动打开浏览器页面时即表示安装成功。注意启动时如果遇到端口被占用默认8080端口可以编辑启动脚本.bat文件在命令最后添加--port 8188来指定一个新端口。2.2 方案二Git源码部署——掌控者的自定义舞台如果你有一定的命令行操作基础或者你是开发者、研究者希望获得最纯净、最前沿的ComfyUI体验那么从Git仓库克隆并部署是更专业的选择。这种方式让你对整个环境有完全的控制权也便于后续更新和调试。源码部署的核心优势版本管理清晰你可以随时通过git pull更新到最新版本也可以自由切换到任意历史版本进行测试。环境隔离干净你可以为ComfyUI创建独立的Python虚拟环境如使用venv或conda避免与系统或其他项目的Python包发生冲突。深度自定义可以方便地修改源代码添加自定义节点或者为开发插件做准备。逐步安装指南Windows为例这个过程看似步骤多但每一步都有其明确目的跟着做一遍就能彻底理解环境搭建。安装Python前往Python官网下载3.10或3.11版本的安装程序。安装时务必勾选“Add Python to PATH”选项这是为了让系统在任何位置都能识别python和pip命令。安装完成后打开命令提示符CMD输入python --version验证是否成功。安装Git从Git官网下载安装程序。安装过程基本一路“Next”但需要注意在“Adjusting your PATH environment”这一步建议选择“Git from the command line and also from 3rd-party software”这能确保Git命令在CMD和PowerShell中都能使用。准备项目目录在合适位置如D:\Dev创建一个新文件夹例如ComfyUI。在此文件夹内右键选择“Git Bash Here”或“Open in Terminal”。克隆仓库在打开的终端中执行以下命令git clone https://github.com/comfyanonymous/ComfyUI.git这会将官方的源代码下载到当前目录下的ComfyUI文件夹中。创建并激活虚拟环境强烈推荐进入项目目录然后创建虚拟环境。这能隔离依赖是Python项目的最佳实践。cd ComfyUI python -m venv venv创建完成后激活虚拟环境在CMD或PowerShell中.\venv\Scripts\activate在Git Bash中source ./venv/Scripts/activate激活后命令行提示符前会出现(venv)标识。安装PyTorch与依赖这是最关键的一步。首先根据你的CUDA版本安装对应的PyTorch。前往PyTorch官网获取安装命令。例如对于CUDA 11.8命令可能是pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118安装好PyTorch后再安装ComfyUI的其他依赖pip install -r requirements.txt获取模型与启动和整合包一样你需要将已有的模型文件放入ComfyUI\models目录或通过配置文件链接。最后运行启动命令python main.py同样你可以通过--port参数指定端口如python main.py --port 8188。踩坑实录虚拟环境的重要性我最初偷懒直接在系统Python环境下安装ComfyUI结果后来在运行另一个需要不同版本PyTorch的项目时环境彻底冲突不得不重装。虚拟环境就像一个独立的“沙箱”为每个项目提供专属的依赖库集合彼此互不干扰。花5分钟设置虚拟环境能为你未来节省数小时甚至数天的排错时间。3. 核心插件生态入门让你的ComfyUI如虎添翼如果说ComfyUI的基础节点是乐高积木的标准件那么插件就是各种特殊形状、带电机、能发光的增强件。没有插件ComfyUI依然强大但有了插件它的能力边界将被极大地拓展。安装完ComfyUI本体后配置插件是下一步的重头戏。这里我重点介绍几个必装的基础插件和核心管理工具。3.1 插件管理的核心ComfyUI Manager在你手动去GitHub一个个寻找插件之前请务必先安装ComfyUI Manager。它是ComfyUI的“应用商店”极大地简化了插件的发现、安装、更新和卸载流程。安装ComfyUI Manager的两种方式通过启动脚本安装整合包常用很多整合包已经预置了Manager。如果没有你可以编辑启动脚本.bat文件在python main.py后面添加参数--install-manager然后重启一次ComfyUI。但这种方式有时不够直观。手动安装推荐通用性强进入ComfyUI的安装目录找到custom_nodes文件夹。如果不存在就创建一个。在custom_nodes文件夹内打开终端Git Bash或CMD执行克隆命令git clone https://github.com/ltdrdata/ComfyUI-Manager.git重启ComfyUI。重启后在界面上你应该能看到多出一个“Manager”按钮。Manager的核心功能解析浏览与安装点击“Manager” - “Install Custom Nodes”你可以看到一个庞大的插件列表附带简介和评分。找到想要的插件点击“Install”即可。Manager会自动处理插件的下载和依赖安装。更新与卸载在“Manager” - “Installed Custom Nodes”中可以看到所有已安装的插件及其版本。你可以一键更新所有插件或单独更新、卸载某个插件。模型下载一些插件需要特定的模型文件如ControlNet的预处理器模型。Manager也集成了模型下载功能可以帮你自动下载到正确的位置。3.2 新手必装的五大基础插件面对海量插件新手很容易眼花缭乱。我根据自己的使用频率和重要性筛选出以下五个“打地基”级别的插件它们能显著改善你的基础使用体验。1. ComfyUI-Custom-Scripts这个插件提供了一系列提升工作效率的小工具堪称“瑞士军刀”。节点搜索在节点很多的工作流中按CtrlF可以快速搜索并定位节点救命功能。工作流整理提供一键排列、对齐节点的功能让杂乱的工作流瞬间变得整洁。提示词风格模板可以保存常用的正面/负面提示词组合快速调用。安装通过ComfyUI Manager搜索“Custom Scripts”安装即可。2. Efficiency Nodes (efficiency)效率节点的集大成者。它打包了许多能优化工作流、减少节点数量的复合节点。KSampler (Efficient)替代原版的KSampler集成了调度器选择、步数设置等一个节点搞定采样设置。CLIP Text Encode (Prompt Parser)强大的提示词解析器支持权重(word:1.2)、交替[word1|word2]、BREAK分隔符等高级语法让你在ComfyUI里也能实现WebUI那样的复杂提示词控制。安装在Manager中搜索“Efficiency Nodes”安装。3. WAS Node Suite功能极其丰富的节点套件由社区开发者WASasquatch维护。它扩展了图像处理、文本处理、逻辑判断等多个维度。图像工具提供了缩放、裁剪、旋转、色彩调整、批量处理等大量图像预处理节点。文件与路径工具可以动态加载图像、保存图像到指定命名格式的路径非常适合自动化工作流。逻辑与循环包含条件判断、数字运算、文本操作等节点为实现更智能的流程控制提供了可能。安装在Manager中搜索“WAS Node Suite”安装。由于其功能庞大初次使用建议从官方Wiki或示例工作流开始学习。4. ComfyUI-Impact-Pack这是一个专注于“人物/角色”生成的强大插件包尤其适合动漫、游戏角色创作。面部修复与高清重绘集成了GFPGAN、CodeFormer等面部修复模型以及可控的高清放大Hires. fix流程节点。细节增强提供了针对皮肤、眼睛、头发等局部细节进行增强的专用节点。Lora堆叠管理方便地应用多个Lora模型并分别控制其权重。安装在Manager中搜索“Impact Pack”安装。注意它可能会依赖一些额外的模型Manager通常会提示你下载。5. AIGODLIKE-COMFYUI-TRANSLATION (汉化插件)对于中文用户一个可靠的汉化插件能极大降低学习成本。这个插件提供了相对完整和稳定的界面汉化。安装与使用在Manager中搜索“AIGODLIKE”找到该插件并安装。重启后在设置界面通常可以找到切换语言的选项。需要注意的是插件的节点名称和部分提示可能仍是英文但主界面和菜单的汉化已经足够友好。插件安装后的常见问题排查插件不显示安装后重启ComfyUI是必须的。如果重启后仍不显示检查custom_nodes文件夹下是否有对应插件的文件夹并确认没有错误日志。节点缺失或报错这通常是因为插件依赖的Python包没有正确安装。查看ComfyUI启动时的命令行窗口里面会有红色的错误信息提示缺少哪个包。你可以手动在虚拟环境中用pip install安装缺失的包或者尝试在Manager中重新安装该插件。插件冲突极少数情况下两个插件可能会修改同一个基础功能导致冲突。如果安装新插件后原有功能异常可以尝试暂时禁用新插件来排查。4. 工作流的基本概念与第一个实践理解节点逻辑安装好ComfyUI和基础插件后我们终于要开始接触其核心——节点工作流。初次打开那空白的画布和侧边栏密密麻麻的节点列表感到不知所措是完全正常的。别担心我们通过构建一个最简单的文生图流程来理解节点的连接逻辑。4.1 节点工作流的核心思想你可以把ComfyUI的工作流想象成一个工厂的流水线。每个节点Node就是流水线上的一个“工位”负责完成一项特定的任务比如“领取原料加载模型”、“加工处理编码提示词”、“组装成型图像采样”、“质量检查后处理”。节点之间的连线Connection就是传送带规定了数据和指令的流动方向。一个最基本的Stable Diffusion文生图流程通常包含以下几个关键“工位”原料库Checkpoint Loader节点负责从硬盘加载你选择的大模型。指令输入CLIP Text Encode节点负责将你写的文字提示词Prompt转换成AI能理解的数学表示嵌入向量。生产车间KSampler节点这是核心的采样器。它接收模型、提示词向量、一个初始的随机噪声图然后通过迭代去噪最终“生产”出符合指令的图像。成品输出VAE Decode节点负责将采样器生成的、在潜在空间Latent Space中的图像数据解码成我们能看到的RGB像素图。包装出厂Save Image节点将最终的像素图保存到硬盘。4.2 动手搭建你的第一个工作流让我们一步步在ComfyUI中还原这个流水线。添加“原料库”在画布空白处右键选择Add Node-loaders-Checkpoint Loader。点击这个节点在右侧属性面板的ckpt_name下拉菜单中选择你已放入models文件夹的一个大模型例如sd_xl_base_1.0.safetensors。这个节点会输出三个东西MODEL模型、CLIP文本编码器、VAE图像解码器。添加“指令输入”右键添加节点Add Node-conditioning-CLIP Text Encode。你需要添加两个一个用于正面提示词CLIP Text Encode (Prompt)一个用于负面提示词CLIP Text Encode (Prompt)。分别在其中输入你的描述比如正面提示词输入“a beautiful landscape, sunset, mountains”负面提示词输入“blurry, ugly, deformed”。连接文本编码器将Checkpoint Loader节点输出的CLIP端口分别连接到两个CLIP Text Encode节点的CLIP输入端口。这相当于告诉编码器“请使用这个模型配套的文本理解器来处理我的提示词”。然后两个编码器节点会各自输出一个CONDITIONING信号。添加“生产车间”右键添加节点Add Node-sampling-KSampler。这是一个参数较多的节点我们需要仔细连接model连接Checkpoint Loader的MODEL输出。positive连接正面提示词CLIP Text Encode节点的CONDITIONING输出。negative连接负面提示词CLIP Text Encode节点的CONDITIONING输出。latent_image这里需要一张初始的“噪声画布”。右键添加节点Add Node-latent-Empty Latent Image。设置你想要的图像宽度width和高度height例如 512x512。将其LATENT输出连接到KSampler的latent_image输入。配置KSampler参数steps采样步数如20cfg提示词相关性如7.5sampler_name采样器如eulerscheduler调度器如normal。添加“成品输出”与“包装”将KSampler的LATENT输出连接到一个新的VAE Decode节点Add Node-latent-VAE Decode的latent_image输入。将Checkpoint Loader的VAE输出连接到VAE Decode节点的vae输入。最后添加一个Save Image节点Add Node-image-Save Image将VAE Decode节点的IMAGE输出与之连接。至此一个完整的、端到端的文生图工作流就搭建完成了。你的画布应该是一个有清晰流向的“电路图”。点击右下角的“Queue Prompt”按钮ComfyUI就会开始执行这个流程。你可以在命令行窗口看到进度最终图像会显示在Save Image节点上并保存到默认的输出目录。4.3 从理解到运用工作流的高级价值当你成功跑通第一个流程后可以开始思考工作流更强大的地方模块化与复用你可以把这个流程保存为一个.json或.png文件ComfyUI支持将工作流嵌入到PNG图片的元数据中。下次需要时直接拖入图片或加载JSON文件所有节点和参数都会完美还原。这对于固定商业风格或实验复现至关重要。变量与输入尝试将Empty Latent Image节点的宽高参数替换为Primitive节点右键Add Node-utils-Primitive输出的数字。这样你就可以在不改动节点连接的情况下通过修改一个输入框的值来改变生成图片的尺寸。探索插件节点现在尝试用之前安装的Efficiency Nodes插件中的KSampler (Efficient)节点替换原版的KSampler。你会发现它把采样器、调度器等选项都集成在了一个节点内更加紧凑。再用CLIP Text Encode (Prompt Parser)节点替换原来的文本编码器体验一下它解析复杂提示词语法的能力。这个从搭建、理解到改造的过程正是学习ComfyUI的精髓。它迫使你去理解图像生成的每一个环节而这种理解最终会转化为你精准控制输出结果的能力。5. 环境配置、模型管理与高效使用技巧把ComfyUI成功跑起来只是第一步。一个稳定、高效且易于维护的工作环境能让你在后续的创作和研究中事半功倍。这一部分我将分享一些关于目录配置、模型管理以及提升日常使用效率的实战技巧。5.1 模型目录的智能配置告别重复下载如果你同时使用WebUI和ComfyUI或者有多个ComfyUI实例为每个都复制一份庞大的模型文件动辄几十GB是极其浪费磁盘空间的。ComfyUI可以通过一个简单的配置文件将模型目录指向同一个位置。配置extra_model_paths.yaml文件在ComfyUI的安装根目录下找到一个名为extra_model_paths.yaml.example的示例文件。将其复制一份并重命名为extra_model_paths.yaml去掉.example后缀。用文本编辑器如VSCode、Notepad打开这个文件。你会看到类似下面的结构# 这是一个示例取消注释并修改路径即可 # a111: # base_path: D:\\sd-webui-aki\\models # checkpoints: Stable-diffusion # vae: VAE # loras: Lora # upscale_models: ESRGAN假设你的WebUI模型放在D:\sd-webui\models你想让ComfyUI也使用这里的模型。你可以这样配置注意YAML格式的缩进和路径中的双反斜杠或正斜杠a111_webui: # 给这个配置起个名字 base_path: D:\\sd-webui # WebUI的根目录 checkpoints: models/Stable-diffusion # 大模型相对路径 vae: models/VAE loras: models/Lora embeddings: models/embeddings upscale_models: models/ESRGAN保存文件重启ComfyUI。此时在Checkpoint Loader等节点的模型列表中你应该能看到来自WebUI目录的模型了。这个功能非常灵活你甚至可以配置多个来源。例如你可以将常用的基础模型放在一个公共目录将实验性的模型放在另一个目录然后在extra_model_paths.yaml中配置多个条目ComfyUI会自动合并它们的列表。5.2 必备的外部工具提升开发与调试体验虽然ComfyUI本身是一个强大的GUI但配合一些外部工具能让你玩得更顺手。1. 代码编辑器Visual Studio Code (VSCode)如果你有志于自己编写或修改自定义节点或者想深入研究工作流JSON文件一个强大的代码编辑器是必须的。VSCode是首选因为它有丰富的Python和JSON插件生态。安装从官网下载安装即可。必备插件Python提供语法高亮、智能提示、调试支持。Pylance更强大的Python语言服务器。YAML用于编辑extra_model_paths.yaml等配置文件。Even Better TOMLComfyUI的配置文件comfyui.ini是TOML格式。GitLens方便查看和管理Git仓库。2. 版本控制Git即使你不是开发者我也强烈建议你为你的ComfyUI工作目录特别是custom_nodes初始化一个Git仓库。这能让你安全更新在更新插件或ComfyUI本体前先提交当前状态。如果更新后出现严重问题可以一键回滚到之前可用的版本。备份工作流将你精心调校的工作流JSON文件纳入版本管理记录每一次有意义的修改。基础操作在你的ComfyUI根目录打开终端执行git init初始化仓库。之后可以用git add .和git commit -m 描述来保存快照。3. 命令行终端Windows TerminalWindows自带的CMD或PowerShell功能较弱。Windows Terminal是一个现代化、功能强大的终端应用程序支持多标签、分屏、自定义主题并完美运行CMD、PowerShell、Git Bash等。在部署、调试和运行Python脚本时它能提供更好的体验。5.3 日常使用中的高效技巧与排错心法掌握了基本操作后这些小技巧能让你用得更舒服。1. 工作流的组织与备份分类保存不要把所有工作流都堆在默认目录。在ComfyUI\output目录下按主题创建子文件夹如portraits、landscapes、experiments将生成的作品和对应的工作流通过Save按钮保存的JSON归类存放。嵌入PNGComfyUI保存图片时默认会将完整的工作流信息嵌入到PNG文件的元数据中。你可以随时将任何一张由ComfyUI生成的图片拖入其画布它会自动还原出生成该图的工作流和所有参数。这是分享和复现结果的绝佳方式。2. 性能调优小贴士VRAM优化如果你显卡显存较小如8GB在加载大模型尤其是SDXL时可能遇到内存不足。可以尝试在启动命令后添加--lowvram或--normalvram参数。--lowvram模式会以速度为代价将模型分块加载到显存中。CPU/GPU切换如果你有NVIDIA显卡但想测试纯CPU生成极慢可以修改启动脚本将python main.py改为python main.py --cpu。反之亦然。关注命令行窗口启动和运行时的命令行窗口会打印大量信息包括加载的模型、插件、以及错误警告。养成偶尔看一眼的习惯很多问题在这里早有预兆。3. 常见问题快速排查指南当ComfyUI出现问题时不要慌张按以下步骤排查能解决90%以上的问题第一步看错误信息。ComfyUI的错误提示通常比较直接会直接告诉你哪个节点出了问题、缺少什么文件或模块。仔细阅读红色错误信息。第二步检查模型路径。最常见的错误是节点找不到模型文件。确认你的模型文件是否放在了正确的子目录下如大模型在models/checkpoints或者extra_model_paths.yaml配置是否正确。第三步重启大法。关闭ComfyUI重新启动。这能解决很多因插件加载顺序或临时状态引起的玄学问题。第四步隔离插件。如果是在安装新插件后出现问题尝试暂时将该插件从custom_nodes文件夹中移出或重命名其文件夹然后重启看问题是否消失。以此判断是否是插件冲突或插件本身有Bug。第五步检查依赖。如果错误信息提到缺少某个Python包如No module named ‘xxx’在激活的虚拟环境中使用pip install xxx手动安装。第六步查阅日志。ComfyUI根目录下的comfyui.log文件记录了更详细的运行日志对于诊断复杂问题有帮助。ComfyUI的学习曲线初期确实比较陡峭但一旦你习惯了这种节点式的工作方式并建立起自己的插件库和工作流模板库你会发现它在效率、可控性和复现性上带来的回报是巨大的。它不仅仅是一个工具更是一种构建可重复、可优化AI创作流程的思维方式。从安装配置到插件管理再到理解工作流每一步都是在为这种思维方式打下基础。