如果你正在为 Stable Diffusion WebUI 的复杂界面和资源占用感到头疼或者对 Midjourney 的订阅费用和网络限制望而却步那么 ComfyUI 可能是你一直在寻找的解决方案。这个基于节点式工作流的 AI 绘画工具不仅完全免费、本地部署还能让你真正理解 AI 图像生成的每一步流程。与传统的黑盒式 AI 绘画工具不同ComfyUI 将图像生成过程完全可视化。你可以像搭积木一样连接不同的功能模块从文本编码、模型加载到采样器设置、图像后处理每个环节都清晰可见。这种设计不仅降低了入门门槛更为进阶用户提供了前所未有的控制精度。本文将带你从零开始完成 ComfyUI 的完整部署过程包括环境准备、软件安装、插件配置等关键步骤。无论你是 AI 绘画新手还是有一定经验的用户都能通过本教程快速上手这个强大的工具。1. 为什么选择 ComfyUI不仅仅是另一个 AI 绘画工具在深入安装细节之前我们需要先理解 ComfyUI 的独特价值。与 Stable Diffusion WebUI 相比ComfyUI 在以下几个方面具有明显优势资源效率显著提升ComfyUI 采用更轻量级的架构内存占用通常比 WebUI 低 30-50%。这意味着即使是在 8GB 内存的普通电脑上也能流畅运行大多数模型。工作流的可复用性一旦搭建好一个满意的工作流你可以将其保存为模板下次直接加载使用。这种模块化思维特别适合需要重复特定风格的项目。精准控制生成过程通过节点连接你可以精确控制每个生成步骤。比如在特定阶段调整提示词权重、修改采样参数或者插入特殊的效果处理节点。更适合批量处理节点式的工作流天然适合批量操作你可以轻松设置循环生成、参数扫描等高级功能。然而ComfyUI 也有其学习曲线。初次接触节点式界面的用户可能需要一些时间来适应但一旦掌握你会发现这种可视化编程的思维方式能极大提升工作效率。2. 环境准备与系统要求在开始安装之前请确保你的系统满足以下基本要求2.1 硬件要求操作系统Windows 10/1164位、Linux 或 macOS内存至少 8GB推荐 16GB 以上显卡NVIDIA 显卡支持 CUDA性能最佳AMD 显卡也可通过 DirectML 支持显存至少 4GB推荐 8GB 以上存储空间至少 20GB 可用空间用于存放模型文件2.2 软件依赖Python3.8-3.10 版本3.11 可能存在兼容性问题Git用于代码仓库克隆和更新显卡驱动NVIDIA 用户需安装最新版驱动和 CUDA Toolkit2.3 环境检查步骤在开始安装前请先检查你的系统环境# 检查 Python 版本 python --version # 或 python3 --version # 检查 Git 是否安装 git --version # NVIDIA 用户检查 CUDA 版本 nvidia-smi如果上述命令都能正常执行说明基础环境已经就绪。3. ComfyUI 整合包安装最快捷的入门方式对于大多数用户特别是 Windows 用户使用整合包是最简单快捷的安装方式。整合包已经预配置了所有必要的依赖和环境解压即可使用。3.1 下载整合包目前市面上有几个比较知名的 ComfyUI 整合包推荐选择更新活跃的版本秋叶大佬整合包国内用户使用最多预装了常用插件和中文本地化官方原生版本最纯净的体验适合喜欢自定义的用户其他社区版本可能包含特定功能的优化重要提醒下载整合包时务必从可信来源获取避免潜在的安全风险。3.2 安装步骤以秋叶整合包为例安装过程非常简单下载压缩包从可靠渠道下载最新版的整合包解压文件建议解压到非系统盘路径不要包含中文或特殊字符运行启动脚本双击run_comfyui.batWindows或run_comfyui.shLinux/macOS# Linux/macOS 启动示例 cd /path/to/comfyui chmod x run_comfyui.sh ./run_comfyui.sh等待初始化首次运行会自动安装剩余依赖可能需要几分钟时间访问界面在浏览器中打开http://127.0.0.1:8188即可看到 ComfyUI 界面3.3 首次运行配置第一次启动时建议进行以下基础配置模型路径设置如果已有 Stable Diffusion 模型可以配置共享路径界面语言整合包通常包含中文界面选项性能设置根据显卡性能调整显存使用策略4. 手动安装 ComfyUI完全控制部署过程如果你希望更深入地理解 ComfyUI 的架构或者需要特定的自定义配置手动安装是更好的选择。4.1 创建 Python 虚拟环境首先创建一个独立的 Python 环境避免依赖冲突# 创建虚拟环境 python -m venv comfyui_env # 激活环境 # Windows comfyui_env\Scripts\activate # Linux/macOS source comfyui_env/bin/activate4.2 克隆代码仓库# 克隆官方仓库 git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI4.3 安装依赖包# 安装基础依赖 pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117 # 安装 ComfyUI 依赖 pip install -r requirements.txt4.4 目录结构准备手动安装需要自己创建必要的目录结构# 创建模型存放目录 mkdir -p models/checkpoints # 主模型 mkdir -p models/loras # LoRA 模型 mkdir -p models/controlnet # ControlNet 模型 mkdir -p models/vae # VAE 模型 mkdir -p input # 输入文件 mkdir -p output # 输出文件4.5 启动 ComfyUI# 基础启动 python main.py # 自定义端口启动 python main.py --port 7860 # 监听所有网络接口允许局域网访问 python main.py --listen # 指定模型路径 python main.py --extra-model-paths-config config.yaml5. 插件安装与管理扩展 ComfyUI 功能ComfyUI 的强大之处在于其丰富的插件生态。通过安装插件你可以获得更多节点类型和功能扩展。5.1 通过 Manager 安装插件推荐大多数整合包都预装了 ComfyUI Manager这是最方便的插件管理工具启动 ComfyUI 后在界面右侧找到 Manager 面板点击 Install Custom Nodes 标签页搜索需要的插件名称点击 Install 按钮即可自动安装5.2 手动安装插件对于没有 Manager 或者需要特定版本的情况可以手动安装# 进入 ComfyUI 自定义节点目录 cd ComfyUI/custom_nodes # 克隆插件仓库 git clone https://github.com/作者名/插件名.git # 重启 ComfyUI 使插件生效5.3 必备插件推荐以下是一些强烈推荐安装的插件ComfyUI-Manager插件管理核心工具Impact Pack丰富的图像处理节点集合ControlNet PreprocessorsControlNet 预处理节点Advanced ControlNet增强的 ControlNet 功能Efficiency Nodes优化工作流效率WAS Node Suite图像和文件处理工具5.4 插件配置与故障排除安装插件后可能会遇到兼容性问题以下是常见解决方法# 更新所有插件到最新版本 cd custom_nodes/插件名 git pull # 检查依赖是否完整 pip install -r requirements.txt # 如果插件冲突可以暂时禁用 mv custom_nodes/问题插件名 disabled_问题插件名6. 模型文件配置与管理正确的模型配置是 ComfyUI 正常工作的关键。以下是模型管理的详细指南。6.1 模型文件结构理解 ComfyUI 的模型目录结构models/ ├── checkpoints/ # 主模型 (.safetensors, .ckpt) ├── vae/ # VAE 模型 ├── loras/ # LoRA 模型 ├── controlnet/ # ControlNet 模型 ├── upscale_models/ # 超分模型 ├── clip_vision/ # CLIP 视觉模型 └── embeddings/ # 文本嵌入模型6.2 模型下载与放置从合法渠道下载模型后放置到对应目录# 示例放置主模型 cp downloaded_model.safetensors models/checkpoints/ # 示例放置 LoRA 模型 cp style_lora.safetensors models/loras/6.3 模型缓存优化对于大模型文件可以启用模型缓存提升加载速度在extra_model_paths.yaml中添加配置model_cache: enabled: true max_size: 10GB preload_models: - v1-5-pruned-emaonly.safetensors - sd_xl_base_1.0.safetensors7. 基础工作流搭建与实践现在让我们通过一个实际示例来体验 ComfyUI 的基本操作。7.1 创建第一个工作流清空画布启动后点击右键选择 Clear 清空现有节点添加加载器节点右键 → Add Node → Loaders → Checkpoint Loader添加文本编码器右键 → Add Node → Conditioning → CLIP Text Encode添加 KSampler右键 → Add Node → Sampling → KSampler添加 VAEDecode右键 → Add Node → VAE → VAE Decode添加保存节点右键 → Add Node → Image → Save Image7.2 节点连接示例连接各个节点的输入输出CheckpointLoader → CLIPTextEncode (正面提示词) → KSampler CheckpointLoader → CLIPTextEncode (负面提示词) → KSampler CheckpointLoader → KSampler → VAEDecoder → SaveImage CheckpointLoader → VAEDecoder7.3 参数配置代码示例以下是一个基础工作流的 JSON 配置你可以直接导入使用{ last_node_id: 6, last_link_id: 5, nodes: [ { id: 1, type: CheckpointLoaderSimple, pos: [200, 200], size: {0: 315, 1: 174}, flags: {}, order: 0, mode: 0, inputs: [ {name: ckpt_name, type: COMBO, link: null} ], outputs: [ {name: MODEL, type: MODEL, links: [3], slot_index: 0}, {name: CLIP, type: CLIP, links: [4, 5], slot_index: 0}, {name: VAE, type: VAE, links: [6], slot_index: 0} ], properties: {ckpt_name: v1-5-pruned-emaonly.safetensors} } ] }8. 常见问题与解决方案在安装和使用过程中你可能会遇到以下常见问题8.1 安装阶段问题问题1Python 版本兼容性错误解决方案使用 Python 3.8-3.10 版本避免使用 3.11问题2显卡驱动冲突解决方案创建干净的虚拟环境重新安装依赖问题3端口被占用解决方案更换启动端口 python main.py --port 78618.2 运行阶段问题问题4模型加载失败可能原因模型文件损坏或格式不支持 解决方案重新下载模型确保格式为 .safetensors 或 .ckpt问题5显存不足解决方案启用--lowvram模式减少批处理大小使用CPU卸载问题6插件冲突解决方案逐个禁用新安装的插件找到冲突源8.3 性能优化问题问题7生成速度慢优化方案使用--opt-split-attention启用xformers问题8界面卡顿优化方案减少同时打开的节点数量关闭不必要的预览9. 高级配置与最佳实践9.1 启动参数优化根据你的硬件配置调整启动参数# 高性能显卡配置 python main.py --opt-split-attention --opt-sub-quad-attention --use-split-cross-attention # 低显存配置 python main.py --lowvram --opt-split-attention # 纯CPU模式不推荐速度极慢 python main.py --cpu9.2 工作流管理技巧模板化常用工作流将成功的工作流保存为模板版本控制使用 Git 管理重要的自定义节点备份配置定期备份extra_model_paths.yaml等重要配置文件9.3 安全注意事项仅从官方或可信来源下载模型和插件定期更新 ComfyUI 和插件到最新版本在沙箱环境中测试未知插件注意模型文件的版权和使用条款通过本教程你应该已经完成了 ComfyUI 的完整安装和基础配置。这个工具的学习曲线虽然比一键式工具稍陡但一旦掌握你将获得对 AI 图像生成过程的完全控制能力。建议从简单的工作流开始逐步尝试更复杂的节点组合探索 ComfyUI 的强大功能。