1. 项目概述为什么选择ComfyUI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”对文生图、图生图的基本流程已经熟悉甚至开始觉得那个界面有点“挤”操作流程有点“线性”那么是时候了解一下ComfyUI了。我第一次接触ComfyUI时感觉就像从手动挡汽车换到了专业赛车模拟器——界面全是看不懂的节点和连线但一旦上手你会发现它对图像生成过程的控制精细度是WebUI难以比拟的。简单来说ComfyUI是一个基于节点流程式的Stable Diffusion图形界面。它把文生图、图生图、ControlNet、LoRA等每一个步骤都拆解成独立的“节点”Node然后通过连线Wire将这些节点像搭积木一样连接起来形成一个完整的工作流Workflow。这种设计带来的最大好处是极高的灵活性和可复现性。在WebUI里你调好一组参数生成了一张神图下次想微调某个步骤比如只想改一下高清修复的算法可能就得重新走一遍流程参数一多还容易记混。而在ComfyUI里你的整个生成过程就是一个可视化的流程图保存下来下次直接加载想改哪里就动哪个节点清晰无比。对于进阶玩家和希望深入研究AI绘画原理的爱好者ComfyUI几乎是必经之路。它能让你真正理解“提示词编码”、“潜在空间扩散”、“VAE解码”这些概念是如何在代码层面串联起来的。而对于追求效率和稳定出图的创作者ComfyUI的工作流可以极大优化生成管线甚至实现批量、多步骤的自动化处理。接下来我们就从最基础的安装开始一步步搭建起你的ComfyUI环境。2. 核心需求解析安装前的准备工作在动手安装之前我们需要明确几个核心需求这决定了你选择哪种安装方式以及后续的体验。ComfyUI的安装本质上是一个Python项目的部署它依赖于特定的深度学习库如PyTorch和Stable Diffusion的基础模型。2.1 硬件与基础环境需求首先最硬性的要求是一块支持CUDA的NVIDIA显卡。虽然理论上CPU也能跑但速度会慢到让你怀疑人生。显存方面至少需要4GB勉强运行基础模型6GB或以上8GB为佳才能比较流畅地使用各种大模型和插件。你的电脑上需要已经安装了Python推荐3.10或3.11版本兼容性最好和Git用于从代码仓库拉取项目。一个常见的误区是认为安装ComfyUI必须完全“净室”环境。实际上如果你已经安装了Stable Diffusion WebUI秋叶整合包那么你的电脑里很可能已经有了一个Python环境以及PyTorch、CUDA等依赖。这时你可以选择复用这些资源避免重复下载数十GB的依赖包这是最省事的方法。2.2 安装方式选型三种路径详解根据你的现有条件和需求主要有三种安装路径独立安装推荐给喜欢折腾、希望环境纯净的用户从ComfyUI的官方GitHub仓库克隆代码在一个全新的Python虚拟环境中安装所有依赖。这种方式隔离性好不会影响其他项目但需要你熟悉命令行操作并且需要独立下载模型文件。基于现有WebUI环境安装最快捷、最省资源的方式利用你已经部署好的Stable Diffusion WebUI的环境和模型库。ComfyUI可以直接读取WebUI目录下的models文件夹包括Checkpoint、VAE、LoRA等无需重复下载。这是对大多数从WebUI过渡过来的用户最友好的方案。使用一体化整合包最适合纯新手、追求开箱即用的用户直接下载由社区大佬如“秋叶”打包好的整合包解压即用。整合包内通常已经包含了ComfyUI本体、必要的Python环境、基础依赖甚至一些常用插件和模型。它的优点是简单缺点是更新可能稍慢且安装位置和结构相对固定。对于本教程我将重点讲解**第二种方式基于现有WebUI和第一种方式独立安装**的详细步骤因为这两种方式能让你更深入地理解其运作机制。整合包的使用相对简单解压运行run_nvidia_gpu.bat即可我们会在最后简要提及。3. 实操过程两种主流安装方法详解无论选择哪种方式请先确保你的显卡驱动是最新的并且已经安装了Visual Studio的“使用C的桌面开发”工作负载这是PyTorch编译某些原生扩展所必需的。3.1 方法一嫁接于现有Stable Diffusion WebUI推荐假设你的WebUI秋叶整合包安装在D:\sd-webui目录。这个目录下通常有models、python、venv等子文件夹。步骤1获取ComfyUI本体代码打开命令行CMD或PowerShell切换到一个你希望放置ComfyUI的目录例如D:\AI_Projects然后执行克隆命令git clone https://github.com/comfyanonymous/ComfyUI.git这会在当前目录创建一个ComfyUI文件夹。步骤2配置模型路径关键步骤这是省去重复下载模型的关键。进入克隆下来的ComfyUI文件夹找到extra_model_paths.yaml.example文件。将其复制一份并重命名为extra_model_paths.yaml。然后用文本编辑器如VSCode、Notepad打开这个新文件。你会看到文件内容像这样里面有很多被注释掉的示例。我们的目标是添加一个指向WebUI模型目录的配置。找到类似以下结构的地方取消注释并修改# 示例将Stable Diffusion WebUI的模型目录链接过来 a111: base_path: D:/sd-webui # 你的WebUI安装根目录 checkpoints: models/Stable-diffusion configs: models/Stable-diffusion vae: models/VAE loras: models/Lora upscale_models: models/ESRGAN embeddings: embeddings hypernetworks: models/hypernetworks注意将base_path后面的路径替换成你电脑上WebUI的实际路径。Windows路径使用/或\\。checkpoints等后面的路径是相对于base_path的。这样配置后ComfyUI启动时会自动从你的WebUI文件夹读取模型两者共享同一套模型库。步骤3安装Python依赖在ComfyUI目录下打开命令行。如果你希望复用WebUI的Python环境这是最方便的你需要先激活WebUI的虚拟环境。通常在WebUI目录下会有一个venv文件夹。在Windows的ComfyUI目录中按住Shift键并右键点击空白处选择“在此处打开Powershell窗口”。激活WebUI的虚拟环境路径请根据实际情况调整 D:\sd-webui\venv\Scripts\Activate.ps1激活后命令行提示符前会出现(venv)字样。然后安装ComfyUI的依赖pip install -r requirements.txt步骤4启动ComfyUI依赖安装完成后直接在激活的虚拟环境中运行python main.py如果一切顺利命令行会输出一系列信息最后会显示类似Running on local URL: http://127.0.0.1:8188的字样。此时打开浏览器访问http://127.0.0.1:8188你就能看到ComfyUI的节点式界面了。首次打开会是空白的因为还没有加载任何工作流。注意这种方式的核心优势是模型共享。但潜在问题是如果WebUI的Python环境版本与ComfyUI的某个新依赖冲突可能会导致问题。如果遇到奇怪的报错可以考虑使用方法二建立一个独立环境。3.2 方法二独立安装与配置如果你没有现成的WebUI或者希望有一个完全独立、干净的环境请遵循此方法。步骤1克隆代码与创建虚拟环境同样先克隆代码到指定目录git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI然后创建一个新的Python虚拟环境这里以Python 3.10为例python -m venv venv激活虚拟环境Windows:venv\Scripts\activateLinux/Mac:source venv/bin/activate步骤2安装PyTorch与依赖在虚拟环境激活状态下你需要安装与你的CUDA版本匹配的PyTorch。首先通过nvidia-smi命令查看你的CUDA版本例如12.1。然后前往 PyTorch官网 获取安装命令。例如对于CUDA 12.1pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121安装好PyTorch后再安装ComfyUI的其他依赖pip install -r requirements.txt步骤3下载基础模型独立安装需要你自己准备模型文件。在ComfyUI目录下你需要手动创建models文件夹并在其中创建checkpoints、loras、vae等子文件夹结构如下ComfyUI/ ├── models/ │ ├── checkpoints/ # 放置大模型.safetensors或.ckpt │ ├── loras/ # 放置LoRA模型 │ ├── vae/ # 放置VAE模型 │ ├── upscale_models/ # 放置超分辨率模型如ESRGAN │ └── ... # 其他类型模型文件夹然后你需要从CivitAI、Hugging Face等网站下载至少一个基础大模型如SDXL、SD1.5的各类变体将其.safetensors文件放入models/checkpoints目录。步骤4启动与验证完成模型放置后运行python main.py启动。访问http://127.0.0.1:8188。为了测试安装是否成功你可以加载一个简单的工作流。在ComfyUI界面点击右侧的“Load”按钮在官方示例中通常位于ComfyUI\examples文件夹选择basic.json并加载。这是一个最基础的文生图流程。尝试在CLIP Text Encode节点输入提示词然后点击“Queue Prompt”生成如果能看到图片输出说明安装成功。4. 核心环节必备与常用插件安装指南纯净的ComfyUI功能强大但“赤膊上阵”插件Custom Nodes才是让它变得高效、易用的灵魂。插件管理器ComfyUI Manager是管理所有插件的核心工具应优先安装。4.1 基石插件ComfyUI Manager的安装与使用ComfyUI Manager让你可以像手机应用商店一样浏览、安装、更新和卸载插件无需手动敲命令。安装方法手动进入ComfyUI的安装目录下的custom_nodes文件夹。如果不存在就手动创建一个。在custom_nodes文件夹中打开命令行执行git clone https://github.com/ltdrdata/ComfyUI-Manager.git重启ComfyUI。重启后在界面上方你应该能看到多出了一个“Manager”按钮。使用指南安装插件点击“Manager” - “Install Custom Nodes”。你会看到一个插件列表包含名称、描述和安装量。找到想要的插件如ComfyUI-Impact-Pack点击右侧的“Install”按钮即可。安装后需要重启ComfyUI生效。更新插件/ComfyUI本体在“Manager”标签页中“Update All”可以一键更新所有已安装插件和ComfyUI本体到最新版本。“Update”列会显示哪些项目有可用更新。模型管理Manager也集成了模型下载功能可以方便地下载一些常用的ControlNet、LoRA模型省去手动寻找的麻烦。实操心得建议在安装任何其他插件前先装好Manager。之后所有插件的安装、更新都通过它进行极大降低了维护成本。注意网络环境可能会影响从GitHub克隆仓库的速度如果安装失败可以多试几次或检查网络连接。4.2 效率提升插件让工作流更智能安装好Manager后我们就可以搜索并安装那些能极大提升效率的插件了。1. ComfyUI-Impact-Pack影响力包这几乎是一个“全家桶”式的插件集由ComfyUI社区的知名开发者“pythongosssss”制作。它包含了大量实用节点例如高效加载器将多个加载步骤模型、VAE、提示词、LoRA合并到一个节点中简化了工作流。图像预览增强提供更强大的图片预览、历史记录和对比功能。工具节点包括蒙版处理、图像缩放、批量处理等大量实用工具。工作流子流程允许你将复杂的工作流部分打包成一个子节点使主工作流更清晰。 在Manager中搜索“Impact”即可找到并安装。安装后你会在节点菜单中发现多出一个“Impact”大类里面包含海量新节点。2. Efficiency Nodes效率节点这个插件专注于提升生成速度和优化资源利用。它提供的节点如KSampler (Efficient)替代原版采样器通过一些内部优化能在几乎不损失质量的情况下小幅提升生成速度。模型合并/切换节点可以更灵活地在单个工作流中切换或混合多个大模型、LoRA。 对于追求出图速度的用户这个插件值得一试。3. WAS Node SuiteWAS节点套件另一个功能极其丰富的插件包提供了大量图像处理、工具、动画相关的节点。它的图像调整、滤镜、色彩操作等功能非常专业适合需要对生成结果进行精细后处理的用户。在Manager中搜索“WAS”即可安装。4.3 工作流管理插件拯救你的混乱界面当节点越来越多连线越来越复杂时这些插件能帮你保持清醒。1. ComfyUI-Impact-Pack自带子流程管理前面提到的Impact Pack本身就包含了强大的工作流组织功能。你可以将一组相连的节点选中然后右键选择“Convert to Group”或使用Impact提供的“模块化”节点将其封装成一个带有输入输出接口的“子模块”从而让主工作流视图变得清爽。2. Node Browser节点浏览器ComfyUI原生界面左侧的节点列表在插件装多后会变得非常长。Node Browser插件提供了一个可搜索、可分类的浮动窗口来浏览和添加节点比在长长的原生列表中滚动查找要高效得多。安装与使用在Manager中搜索“Node Browser”安装。重启后通常可以通过快捷键如CtrlF或右键菜单中的选项呼出搜索框输入节点名称即可快速定位并添加。5. 常见问题与排查技巧实录即使按照步骤操作也难免会遇到一些问题。这里记录了一些典型问题的排查思路。5.1 安装与启动类问题问题1启动时提示“No module named ‘torch’ 或 ‘xformers’”原因Python依赖没有安装成功或者你不在正确的虚拟环境中。排查确认命令行前缀有(venv)字样表示虚拟环境已激活。在激活的虚拟环境中运行pip list检查列表中是否有torch、xformers等包。如果没有重新运行pip install -r requirements.txt。对于xformers如果安装失败可以尝试单独安装预编译版本pip install xformers --index-url https://download.pytorch.org/whl/cu121注意CUDA版本。问题2访问http://127.0.0.1:8188无响应原因端口被占用或程序未成功启动。排查检查命令行窗口是否有错误信息红色字体。常见的错误是模型路径配置错误导致在启动时加载模型失败卡住。检查端口占用。ComfyUI默认使用8188端口。可以尝试修改启动端口python main.py --port 7999然后访问http://127.0.0.1:7999。如果使用了方法一嫁接WebUI确保WebUI本身没有在运行因为它可能会占用一些资源或端口。问题3加载工作流或生成图片时崩溃/报CUDA out of memory原因显存不足。ComfyUI的节点式工作流在复杂时可能会同时保留多个中间结果在显存中。排查与解决使用--lowvram参数启动python main.py --lowvram。这会启用低显存模式但可能会降低速度。优化工作流避免在流程中同时保存多个高分辨率中间图像。使用“Save Image”节点只保存最终输出而非每个步骤的预览。调整采样参数降低生成图片的分辨率或使用“Empty Latent Image”节点生成小图再用“Upscale”节点放大。关闭其他占用显存的程序。5.2 插件与功能类问题问题4安装了插件但在节点列表中找不到原因插件安装不完整或需要重启插件文件放错了位置插件之间存在冲突。排查首要步骤完全关闭ComfyUI服务器在命令行窗口按CtrlC然后重新启动python main.py。90%的插件识别问题通过重启可以解决。检查安装位置确认插件被安装在ComfyUI/custom_nodes/目录下并且是一个独立的文件夹例如ComfyUI/custom_nodes/ComfyUI-Manager/。查看启动日志启动ComfyUI时命令行会输出加载了哪些自定义节点。检查你的插件名是否出现在日志中。如果没有说明安装路径可能不对。冲突排查如果安装了多个插件后出现此问题尝试暂时将其他插件文件夹移出custom_nodes目录只保留有问题的插件看是否能加载以确定是否是冲突导致。问题5加载他人分享的工作流.json文件时提示缺少节点原因你的ComfyUI环境中没有安装工作流中所用的某个或某些自定义节点插件。解决ComfyUI Manager提供了一个非常棒的功能。当你尝试加载一个缺失节点的工作流时界面上通常会弹出提示并列出缺失的节点名称。点击“Install Missing Nodes”按钮如果提示中有Manager会自动尝试查找并安装这些节点。如果自动安装失败你需要根据缺失的节点名例如“ImpactPack\\SomeNode”在Manager的“Install Custom Nodes”页面中搜索关键词如“Impact”找到对应的插件包进行手动安装。问题6使用Impact Pack等插件后生成速度变慢原因某些功能强大的插件节点可能会引入额外的计算开销或者你的工作流设计存在效率瓶颈。优化建议审视工作流检查是否有不必要的、计算密集的节点被重复执行。例如在循环中放置了高清修复节点。利用缓存一些插件节点支持“缓存”中间结果对于参数未改变的部分下次生成时可以直接复用避免重复计算。分步执行对于极其复杂的工作流可以将其拆分成几个部分分别执行并保存中间结果而不是一次性跑完整个流程。安装和配置只是第一步当你熟悉了ComfyUI的节点操作逻辑后真正的乐趣在于设计和搭建属于你自己的高效工作流。从复制别人的工作流开始学习然后尝试修改其中的参数和连接最后独立创作这是一个非常有趣的学习曲线。记住每次对工作流的优化和调整都是你对Stable Diffusion生成过程理解的一次深化。