先问自己一个问题是不是已经下载了好几个 ComfyUI 整合包打开后看到满屏的“节点”和“连线”又默默关掉了ComfyUI 的界面确实不像 WebUI 那样开箱即用但它做复杂工作流时的灵活度、出图质量和显存利用效率是很多 AI 绘画玩家转向它的根本原因。本文将作为一篇从零基础到进阶的 ComfyUI 教程带你完成本地环境部署、插件安装、节点搭建、工作流串连、视频生成思路梳理等完整闭环。内容同时覆盖手动安装方式与常见的秋叶整合包方式新手可以按自己的情况选择。学完这篇文章你能理解 ComfyUI 的核心工作方式搭建属于自己的第一个文生图工作流并知道后续向视频生成、批量处理、复杂控制方向进阶的路径。1. ComfyUI 到底是什么为什么越来越多人从 WebUI 迁移过来1.1 ComfyUI 的基本定位ComfyUI 是一款基于节点图Node Graph的 Stable Diffusion 图形界面工具。它把一个完整的 AI 绘画过程拆成若干个“节点”例如“加载模型节点”“提示词编码节点”“采样器节点”“图片解码节点”等。用户将这些节点依次连接起来形成一个有向的数据流数据从左到右逐步传递最终生成图片或视频。用通俗的话来说WebUI 是把所有功能做成一大堆“面板”你在面板里填参数、打勾、然后点生成而 ComfyUI 是把所有功能拆成“积木块”你需要自己把积木按正确的顺序拼起来。1.2 节点式界面带来的实际好处很多新手不理解为什么要把简单事情复杂化。实际上节点式界面的好处非常明显流程完全透明每一个环节占用了什么模型、使用了什么参数、前后处理做了什么都能直接看到。出图结果不满意时可以立刻判断是哪一步出了问题。显存调度效率高ComfyUI 底层做了大量显存优化只加载当前节点真正需要的模型和中间结果而不是像 WebUI 那样整体加载。在同样的显卡上ComfyUI 的生成速度和最大分辨率通常更有优势。复杂控制流容易实现LoRA 堆叠、ControlNet 多条件控制、局部重绘、视频生成等复杂的组合在 ComfyUI 中只需要添加对应节点并连线。可复用性与分享性好一个工作流就是一个 JSON 文件别人下载后拖入界面即可复现。适合批量化和自动化配合 API 模式ComfyUI 可以嵌入到自己的项目中实现批量出图、服务化部署。1.3 你适合学习 ComfyUI 吗如果你满足以下任一条件学习 ComfyUI 的投入产出比非常高已经使用过 WebUI但觉得显存不够用或者生成速度不理想。希望研究 ControlNet、ADetailer、AnimateDiff、视频生成等进阶玩法。希望把 AI 绘画能力集成到自己的工作流中而不是只靠软件界面点击生成。感觉 WebUI 里的参数太多、跳来跳去容易乱想用更可视化、流程化的方式管理整个生成管线。如果你完全没接触过 Stable Diffusion也不熟悉“大模型、VAE、采样器、提示词”这些基础概念入门时建议先看一遍文中的基础概念部分再动手操作。2. 本地环境部署你的电脑需要具备什么条件ComfyUI 本质上是本地运行的 Python 程序因此在环境部署上必须考虑硬件、驱动、运行时环境与模型文件几个方面。2.1 显卡、显存与内存基础要求先说结论ComfyUI 的可玩性与显卡显存强相关但并不是说低显存就不能用。显卡级别显存体验情况老显卡/核显6GB 以下可以运行 SD 1.5出 512x512 左右图片体验尚可高分辨率需要开启分块优化或使用 CPU 推理速度慢主流游戏显卡6GB - 12GBSD 1.5 流畅SDXL 可以运行但建议配合低显存优化LoRA、ControlNet 部分场景可玩中高端显卡12GB - 24GBSDXL、FLUX 等大模型体验良好本地视频生成也有可用空间专业级显卡24GB 以上长视频、高分辨率、复杂工作流更从容关于内存建议 16GB 起步32GB 会更舒适。视频生成以及部分大模型的文本编码器如 FLUX 的 T5-XXL会消耗较多内存。硬盘建议预留 100GB 以上空间因为模型文件越来越大一个 SDXL 模型通常 6-7GBFLUX 模型加上文本编码器可能超过 20GB。2.2 驱动与 PyTorch 版本NVIDIA 显卡需要安装较新的显卡驱动。ComfyUI 底层依赖 PyTorch而 PyTorch 的 CUDA 版本需要与驱动支持的 CUDA 版本匹配。如果你之前安装过 WebUI通常说明显卡驱动没有大问题。建议通过命令nvidia-smi查看右上角 “CUDA Version”这个数值是驱动最高支持的 CUDA 版本并不需要等于你安装的 PyTorch CUDA 版本只要 PyTorch 所需 CUDA 版本小于等于该值即可。2.3 部署方式一使用秋叶整合包新手推荐网上常见的“秋叶 ComfyUI 整合包”“秋叶一键整合包”指的是由 B 站 UP 主秋葉aaaki 发布的 AI 绘画一键安装整合包。这类整合包最大的优势是“省心”无需自行安装 Python、Git、CUDA 等基础环境。内置启动器能自动检测显卡驱动和依赖缺失。预置了常用插件、基础模型存放目录、模型管理界面。启动时可以通过图形化界面选择 GPU 模式或 CPU 模式。使用步骤大致如下从发布页下载最新的整合包压缩文件注意看压缩包的说明和版本号例如常见的“秋叶整合包 v10”等含义是版本代称以你实际下载到的版本为准。解压到磁盘剩余空间充足的目录。建议使用纯英文路径例如D:\ComfyUI-Allen避免部分 Python 库在中文路径下出现编码异常。启动“绘世启动器”或整合包内的启动脚本等待自动环境检查完成。在启动器中确认 GPU 状态可以被识别然后点击“一键启动”。浏览器会自动打开http://127.0.0.1:8188这就是 ComfyUI 的默认界面。整合包方式的注意点是版本更新依赖作者发布新包如果你希望使用官方最新 ComfyUI 功能可能需要在整合包内单独更新核心代码。另外整合包已经默认嵌入大量内容如果你希望保持环境干净、便于长期维护可以考虑手动部署方式。2.4 部署方式二手动部署适合开发者手动部署的流程大概如下首先准备 Python 环境。ComfyUI 对 Python 版本的兼容范围会随版本变化通常建议使用 Python 3.10 或 3.11以官方文档要求为准。安装 Git然后克隆官方仓库git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI创建虚拟环境并激活python -m venv venv # Windows venv\Scripts\activate # Linux / macOS source venv/bin/activate安装 PyTorch。这里需要结合你的 CUDA 版本参考 PyTorch 官方命令安装。如果显卡不支持 CUDA或者机器上没有独立显卡可以安装 CPU 版本但生成速度会明显下降。安装完成后进入 ComfyUI 目录安装依赖pip install -r requirements.txt以开发模式启动python main.py启动日志中如果出现To see the GUI go to: http://127.0.0.1:8188说明环境已经跑通。手动部署的好处是环境完全可控未来对 ComfyUI 源码进行二次开发比较方便。但对新手而言手动部署时遇到 Python 版本、依赖冲突、CUDA 匹配的概率会更高。3. 第一次上手认识 ComfyUI 默认工作流启动 ComfyUI 后页面上默认会有一张完整的工作流。这是官方内置的“文生图”基础工作流也是理解所有复杂工作流的起点。3.1 默认工作流的节点组成默认工作流通常包含以下节点Load Checkpoint加载大模型CLIP Text EncodePrompt正向提示词编码CLIP Text EncodeNegative负向提示词编码Empty Latent Image空白潜空间图像KSampler采样器VAE DecodeVAE 解码Save Image保存图片如果你使用的是最新版 ComfyUI默认工作流可能用“Load Diffusion Model”或“CheckpointLoaderSimple”等不同名称但节点逻辑基本一致。每个节点都有输入端口和输出端口。鼠标从一个节点右侧的圆点拖出连接到另一个节点左侧的圆点就建立了数据流转关系。工作流执行时数据从最左侧的加载模型节点开始经过采样、解码最后在 Save Image 节点写出图片。这里先建立一个重要的认知ComfyUI 工作流本质上就是把 Stable Diffusion 的完整生成过程拆成了多个模块每个模块的输入来自上游节点的输出处理结果传给下游节点。你不需要关心每个节点内部怎么做只需要把它们正确连接起来。3.2 在默认工作流中完成第一次出图先加载一个大模型。点击 Load Checkpoint 节点中的模型名称如果下拉列表为空说明你已经启动 ComfyUI 但是还没有放置模型文件。建议先放到官方推荐的目录ComfyUI/models/checkpoints/这个目录支持子目录嵌套例如可以建立sd15、sdxl、flux子文件夹分类存放。放入模型后回到 ComfyUI 页面点击模型下拉框旁边的刷新按钮就能在下拉列表中找到对应模型。接着填写正向提示词和负向提示词。正向提示词建议先写一个简单的测试内容例如a beautiful girl, detailed face, soft lighting, masterpiece, best quality负向提示词可以写lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, jpeg artifacts, signature, watermark, username, blurry然后检查 KSampler 节点的关键参数seed随机种子。固定后同一参数下输出结果可复现。steps采样步数。SD 1.5 常见 20-30SDXL 常见 20-40。步数太高并不会一直带来正收益。cfg提示词引导系数。常见范围 5-10用来控制生成结果与提示词的贴合度。sampler_name采样器名称例如euler、euler_ancestral、dpmpp_2m等。scheduler调度器例如normal、karras、exponential。denoise去噪强度。如果前面的 Latent 是由 Empty Latent Image 生成的空白数据这个值通常保持 1。点击页面右侧的“执行Queue Prompt”等待进度条走完图片会弹出显示同时保存到ComfyUI/output/目录。到这里你已经在 ComfyUI 中跑通了第一张图。把工作流 JSON 文件保存下来。图中的工作流面板右上角通常有一个菜单按钮可以导出工作流为 JSON 文件也可以导入别人分享的 JSON 文件。这是 ComfyUI 社区分享玩法的基础方式。4. 模型的下载、放置目录与版本对应关系很多人在完成第一次出图后会立刻卡在“模型放哪个文件夹”这个问题上。ComfyUI 对模型目录结构有明确约定放置错误会导致节点无法识别模型文件。4.1 关键模型目录速查表模型类型默认目录说明Checkpoint 大模型ComfyUI/models/checkpoints/SD 1.5、SDXL、FLUX 等完整模型VAEComfyUI/models/vae/部分大模型内置 VAE也可以单独放置LoRAComfyUI/models/loras/Lora 微调模型EmbeddingComfyUI/models/embeddings/文本嵌入通常和提示词配合使用ControlNetComfyUI/models/controlnet/ControlNet 模型CLIPComfyUI/models/clip/文本编码器模型DiffusersComfyUI/models/diffusers/以 diffusers 格式保存的模型Style ModelsComfyUI/models/style_models/风格模型Upscale 模型ComfyUI/models/upscale_models/放大模型例如 ESRGAN、Real-ESRGAN 等视频相关ComfyUI/models/下对应子目录AnimateDiff 模型、SVD、Wan 等视插件和节点而定有些模型文件下载下来是.safetensors这是目前 AI 绘画社区最常用的安全格式它不包含可执行代码加载时相对更安全。旧的.ckpt格式也能使用但官方社区普遍建议优先选择.safetensors。4.2 模型来源与授权提醒关于模型下载来源每个人情况不同。如果你能访问海外模型社区可以从模型作者发布页获取原版文件如果网络条件受限可以优先考虑国内 AI 模型平台例如国内合规模型社区中的 LiblibAI 等网站也可以在发布页下载。选择模型时务必关注模型授权信息尤其是用于商业用途时要确认许可范围。4.3 SD 1.5、SDXL 与 FLUX 的模型结构区别很多人下载了很多模型之后会遇到“明明下载了但是节点加载报错”的问题。一个常见原因是模型结构不对应。SD 1.5 大模型体积通常 2GB 到 4GB适合跑 512x512 附近分辨率的图。SDXL 大模型体积通常 6GB 到 7GB建议跑 1024x1024 附近分辨率。SDXL 大模型内通常包含两个 CLIP 文本编码器和一个 VAE使用时 ComfyUI 会自动加载相关组件。如果你把 SDXL 的模型当 SD 1.5 使用而分辨率仍设置 512画面质量明显下降。FLUX 模型体积更大使用独立的 T5 文本编码器加载流程和 SDXL/SD 1.5 略有区别。FLUX 相关的工作流通常需要自己添加加载 T5 模型、加载 CLIP 等节点。当你从网上下载一个别人分享的工作流时如果对方使用的是 FLUX而机器上没有下载对应的 T5 文本编码器就会出现“加载模型失败”等情况。这类问题不是 ComfyUI 本身故障而是缺少对应依赖文件。5. 插件安装ComfyUI Manager、手动 Git Clone 与秋叶启动器插件在 ComfyUI 中被称为 “Custom Nodes”自定义节点。官方版本只提供最基础的节点功能大量高级能力都需要通过自定义节点扩展。下面介绍三种主流安装方式。5.1 安装 ComfyUI Manager推荐ComfyUI Manager 是目前最主流的插件管理工具可以把它理解成 ComfyUI 的“应用商店”。通过 Manager 可以搜索、安装、升级、卸载大部分社区流行的自定义节点。在 ComfyUI 目录下执行cd ComfyUI/custom_nodes git clone https://github.com/Comfy-Org/ComfyUI-Manager.git或者在整合包中如果启动器已经内置了 ComfyUI Manager直接跳过这一步。安装后重启 ComfyUI页面上会多出一个 “Manager” 按钮。点击后可以浏览节点列表搜索例如AnimateDiff-Evolved、ComfyUI-VideoHelperSuite、comfyui_controlnet_aux、ultimate-sd-upscale等节点并一键安装。通过 Manager 安装的插件通常会处理依赖关系但不是所有插件都能百分百自动安装成功。5.2 手动安装 Custom Nodes 插件如果某个插件没有收录在 Manager 中或版本更新太快建议使用 Git Clone 方式# 进入自定义节点目录 cd ComfyUI/custom_nodes # 克隆插件仓库 git clone https://github.com/某作者/某插件.git # 进入插件目录安装 Python 依赖 cd 某插件 pip install -r requirements.txt安装完成后重启 ComfyUI。重点提醒如果插件需要额外的 Python 包只把代码复制过去是不够的。很多人遇到“点开插件节点后报缺少模块”的错误就是因为没安装requirements.txt。在秋叶整合包环境中建议使用整合包自带的 Python 解释器来执行 pip 命令。直接打开系统命令行执行pip install可能会装到系统 Python 中导致整合包环境识别不到包。5.3 几种常用节点推荐ComfyUI Manager插件管理入口必装。ComfyUI-VideoHelperSuite视频加载和序列帧生成工具做视频工作流时基本都要用到。ComfyUI-AnimateDiff-EvolvedAnimateDiff 动画/视频生成的核心节点。ComfyUI-ControlNet-Aux整合大量 ControlNet 预处理器例如姿态检测、深度图提取、线稿提取等。Ultimate SD Upscale分块高清放大的方案用来对生成图做放大处理。ComfyUI-Impact-Pack提供局部重绘、人脸修复、检测器等一系列高级节点。安装插件不要“贪多”建议需要用到什么再装什么。装得越多启动越慢节点之间出现命名冲突的可能性也越大。5.4 插件安装后常遇到的加载问题问题现象常见原因解决思路启动时提示某个插件导入失败插件依赖的 Python 包缺失进入插件目录查看requirements.txt并安装插件在节点菜单中搜索不到插件未成功加载观察启动日志检查是否报错查看custom_nodes目录名是否正确使用工作流时提示 Missing nodes缺少工作流所需自定义节点优先用 Manager 的 Install Missing Custom Nodes 功能或根据节点 ID 找到对应节点安装插件之间有同名节点冲突两个插件定义了相同的节点名称停用不再需要的插件注释掉对应目录或用启动器禁用更新插件后原工作流变了节点版本更新导致节点配置变化更新前先备份已跑通的工作流 JSON6. 节点搭建进阶自定义一个“工作流积木”了解插件安装之后我们需要再深入一些ComfyUI 的节点到底是什么为什么可以通过连不同节点实现无限玩法这一节先讲核心原理再给一个真实可运行的最小自定义节点示例。6.1 节点背后的逻辑一个节点就是一段 Python 程序模块。它声明了需要哪些输入、输出什么类型的数据、执行哪些处理逻辑。ComfyUI 启动时会扫描custom_nodes目录下的所有 Python 文件把文件中通过NODE_CLASS_MAPPINGS导出的节点类注册到前端。节点的输入输出端口类型决定连线可行性。例如一个端口要求输入IMAGE图像张量不能直接接收LATENT潜空间张量。如果节点之间连不上线通常就是类型不匹配。理解到这一层后你会发现工作流搭建并不只是跟着别人的图“照猫画虎”而是可以按数据流的思维方式自由组合。你可以在接到一张图片后先经过图像处理节点做放大或修复再送进图生图流程也可以把生成的图片同时分发到两个分支分别做高清放大和风格转换。6.2 自定义节点示例给文本增加前缀这里我们写一个非常简单但逻辑完整的自定义节点目的是了解节点文件的基本结构。在ComfyUI/custom_nodes/下新建目录例如z_my_text_node/在该目录下创建__init__.py内容如下# 文件路径ComfyUI/custom_nodes/z_my_text_node/__init__.py class SimplePrefixText: classmethod def INPUT_TYPES(cls): return { required: { text: (STRING, {default: , multiline: True}), prefix: (STRING, {default: [Prompt] }), } } RETURN_TYPES (STRING,) RETURN_NAMES (processed_text,) FUNCTION process CATEGORY 教程/文本处理 def process(self, text, prefix): processed prefix text return (processed,) NODE_CLASS_MAPPINGS { SimplePrefixText: SimplePrefixText, } NODE_DISPLAY_NAME_MAPPINGS { SimplePrefixText: 文本添加前缀节点, }这一段代码实现了以下逻辑INPUT_TYPES声明了两个输入参数。STRING是基础文本类型multiline: True表示输入框显示为多行文本框。RETURN_TYPES声明节点输出类型为字符串。RETURN_NAMES给输出端口一个名字便于观察前端连线。process是执行函数函数名与FUNCTION保持一致。ComfyUI 会调用这个函数并传入上方声明的输入参数。NODE_CLASS_MAPPINGS是节点的注册字典缺少这一行ComfyUI 无法发现节点。代码保存后重启 ComfyUI。鼠标在空白处双击打开节点添加窗口搜索“文本添加前缀”就能找到这个自定义节点。把它添加进画布就可以在文本类工作流中作为辅助节点使用。从这里衍生出去你可以继续学习如何自定义图像处理节点节点输入IMAGE或LATENT内部通过 PyTorch 张量操作最终返回IMAGE就可以串联到任意 ComfyUI 图像管线中。6.3 搭建一个“图生图 局部重绘”思想工作流在开始复杂工作流前建议先理解图生图的节点组合方式。图生图工作流中通常不再使用 Empty Latent Image而是使用 Load Image 节点加载一张参考图再通过 VAE Encode 将参考图转换为LATENT并把该LATENT输入给 KSampler。此时 KSampler 的denoise参数变得非常关键denoise接近 1.0表示保留参考图的构图信息较少重绘幅度大。denoise接近 0.3-0.5常见于重绘风格或微调细节。denoise接近 0生成结果越来越接近原图。更进一步可以在参考图进入 VAE Encode 前通过图像处理节点添加 ControlNet 条件实现对姿态、线稿、深度等结构约束。6.4 用工作流出视频的思路“ComfyUI 出视频”目前已经不是新鲜事。常见的思路有几类第一类是 AnimateDiff 路线。AnimateDiff 是对既有模型添加运动模块的扩展方式在生成过程中输出连续帧再通过视频工具合成视频文件。这类方法的优势是可以用较小的显存和普通的文生图工作流思路做短视频。第二类是图像转视频Image-to-Video路线。典型代表是 Stable Video DiffusionSVD把一张静态图作为起点模型生成一小段连续变化的视频。ComfyUI 中有对应的官方节点或社区封装节点。第三类是基于大模型的视频生成方案例如通义万相 Wan 2.1、LTX-Video 等。不同方案的安装方式不同但整体工作流结构通常包括加载文本编码器、加载视频扩散模型、设置视频长度与帧率、解码视频帧、合成视频文件。启动前需要单独下载对应模型文件。如果你刚刚开始接触视频工作流建议不要直接挑战较大的开源视频模型而是先以 AnimateDiff 或 SVD 等社区资料丰富、工作流模板较多的方向入手。找一个别人分享的 JSON 工作流导入逐节点看它连接了哪些模型再按提示将对应文件放入models目录。6.5 从网上下载的工作流经常报错先看这四点导入别人的工作流后报错通常来自四个方面模型缺失工作流里引用了某个大模型、LoRA 或 ControlNet本地没有对应文件。自定义节点缺失弹出红色提示方块或节点显示为粉红需要安装对应插件。Python 依赖缺失插件找到了但插件运行需要的包没装。版本差异旧版工作流使用了旧节点新版 ComfyUI 中节点名称已被替换或调整。建议每次导入工作流后第一件事不是直接点执行而是先展开工作流中的模型加载节点逐一确认下拉框中是否成功选择了本地已有的模型。其次用 Manager 的 “Install Missing Custom Nodes” 功能补齐节点之后如果遇到红色的报错文字再根据报错内容处理。7. 从 WebUI 迁移到 ComfyUI 需要调整哪些习惯很多玩家的痛点是WebUI 已经用得比较熟了模型也有不少换到 ComfyUI 后却感觉不顺手。这个阶段最需要调整的是三个认知。7.1 模型文件可以复用放在 WebUI 的models/Stable-diffusion、models/Lora、models/VAE里的文件本质和 ComfyUI 是通用的。可以把模型复制或做软链接到 ComfyUI 对应目录也可以直接修改 ComfyUI 的extra_model_paths.yaml.example文件让 ComfyUI 直接读取 WebUI 的模型目录。复制一份extra_model_paths.yaml.example为extra_model_paths.yaml然后按示例填写 base_path 指向 WebUI 根目录。这样两个工具的模型文件可以共用无需重复下载上 GB 的大文件。7.2 提示词写法差异WebUI 顶部通常只有正向提示词和负向提示词两个大输入框提示词中常出现从其他模型或分享站复制来的加权符号。ComfyUI 的提示词写作逻辑类似但同一句提示词可能会被用于不同的 CLIP Text Encode 节点。你可以拆分为多个提示词编码节点分别控制不同部分的条件强度。注意 ComfyUI 中提示词断句与换行不会完全等价于 WebUI 的权重控制。实际生成时可以通过同一个 CLIP Text Encode 节点手动输入(keyword:1.2)这类加权表达式ComfyUI 也支持大多数常见语法但具体效果仍要看使用的模型。7.3 采样器设置需要转换WebUI 中的采样器名称与 ComfyUI 基本一致例如Euler a对应 ComfyUI 中的euler_ancestralDPM 2M Karras对应 ComfyUI 中的dpmpp_2mkarras。区别在于 WebUI 将采样器与调度器打包显示ComfyUI 将两者分成 KSampler 内的两个独立参数。从 WebUI 迁移时建议先记住几组常用组合WebUI 显示ComfyUI sampler_nameComfyUI schedulerEuler aeuler_ancestralnormalDPM 2M Karrasdpmpp_2mkarrasDPM SDE Karrasdpmpp_sdekarrasDDIMddimnormalSDXL 与 FLUX 系列对采样器要求不同。FLUX 模型通常使用euler、dpmpp_2m等采样器CFG 往往会设置为 1 或非常小的数值。不同模型的最优参数无法一概而论建议从模型作者的发布说明中获取参考。8. 常见问题与排查实战8.1 “CUDA out of memory” 显存不足错误提示为torch.OutOfMemoryError: CUDA out of memory.这只说明当前工作流申请的显存超过了显卡可用空间。处理方向降低图片尺寸或 batch size。在启动时加入--lowvram或--medvram参数让 ComfyUI 使用更保守的显存调度策略。在秋叶整合包启动器的“高级选项”中通常有对应开关。关闭其他占显存程序清理后台浏览器或游戏进程。对于需要高分辨率输出的场景避免直接使用超大分辨率文生图改用先生成小图再以放大模型处理的方式。视频生成时按帧数拆分或使用 VAE 分块解码。8.2 页面能打开但点击执行后没有反应可能原因很多。最常遇到的是工作流中存在断开的连线、某个节点没有设置必需输入或者模型文件尚未正确加载。排查顺序观察节点是否出现红色/黄色异常边框。查看 ComfyUI 启动终端是否输出 Python Traceback。截取最后几行错误信息通常能直接定位问题。检查 Load Checkpoint 节点中是否为空白如果空白说明模型未正确识别。移除一半节点只保留最小生成链路加载模型→正向提示词→空潜空间→采样→解码→保存看能否执行成功。如果能成功再逐步加回其他节点定位导致问题的节点。8.3 图片生成后出现黑图或灰图常见于 VAE 缺失、模型没有内置 VAE 或 VAE 类型不匹配。解决方法是先检查模型本身是否需要额外加载 VAE。如果使用的是 SDXL 大模型通常已内置 VAE。对 SD 1.5 老模型部分模型需要手动设置 VAE。可以在工作流中加入 Load VAE 节点将 VAE 输出接到 VAE Decode 节点上。8.4 中文路径导致模型加载失败虽然现代 Windows 对中文路径兼容性已有改善但 ComfyUI 底层的 Python 生态中部分库对中文路径支持仍有问题。建议保持 ComfyUI 安装路径、模型路径、输出路径全部为英文。分享的节点名称和文件可以包含中文但路径最好保持简单。8.5 秋叶整合包升级后原工作流打不开整合包升级通常会更新 ComfyUI 核心代码部分旧版自定义节点会失效。遇到这种情况先别急着降级打开启动器日志看具体是哪几个插件导入失败。删除或重装对应插件通常比整体回退版本更有效。8.6 “请安装缺失的包以使用此工作流”这是一个非常常见的导入报错信息意思是当前工作流中引用了一个或者多个你尚未安装的自定义节点。英文提示通常是一串缺失节点名称。在这种情况下不要慌更不要手动乱装配。推荐按顺序尝试打开 Manager选择 “Install Missing Custom Nodes”。如果 Manager 未能识别根据缺失节点名称在 GitHub 或社区中搜索对应插件名。安装后重启 ComfyUI重新导入工作流。通常通过这三个步骤可以解决绝大多数“缺失包”问题。需要注意某些国产整合包的一键修复功能会自动识别并安装缺失节点但网络来源不明确的插件安装包可能存在风险尽量从作者官方仓库获取。9. 工程化建议与性能优化9.1 从“能出图”到“稳定复现”如果你只是随便玩追求的是偶尔出一张好图那前面的内容已经足够。但如果你是设计师、内容创作者或者想用 ComfyUI 搭建稳定的内部生产力管线切记做好工作流版本管理。建议为每次跑通的重要工作流做三件事导出 JSON 文件保存到专门的workflows目录文件名用“日期 用途 模型名”规范命名。记录使用的大模型、LoRA、采样器参数、种子范围。即使导出 JSON有时也因为外部模型变化导致无法完全复现所以文字说明仍然重要。对常用模型文件建立清单。模型来源、大小、用途、版本信息都值得记录。9.2 显存与生成速度的平衡ComfyUI 默认的显存调度对大多数场景已经有不错表现。如果你用的是 8GB 以下显卡建议使用--medvram或更低的--lowvram。需要注意显存优化策略可能降低一点速度但避免中途崩溃往往是更重要的。对于高分辨率修复优先选择分块放大方案而不是一次性生成超大分辨率。这不仅是因为显存限制也是一次性生成大图时构图容易出现重复纹理或结构崩坏。9.3 模型安全和版权边界ComfyUI 本身允许用户自行安装模型但这些模型大多来自社区分享。使用时请注意从作者官网或可信的模型社区下载。尽量避免来历不明的文件。.safetensors格式安全性相对更高.ckpt格式包含 Python pickle 序列化内容存在风险。如果必须加载.ckpt请确认为可信来源。生成图片前想清楚使用目的。人物的肖像权、品牌Logo、艺术品风格都有可能涉及侵权。AI 绘画工具本身没有问题但输出的用途需要你自己把关。商业项目中使用模型时逐个确认模型许可证是否允许商用。9.4 定期备份与批量实验ComfyUI 的主要配置都保存在user/default/workflows和user/default/comfy.settings.json等目录。如果插件安装得太多导致配置混乱可以备份这些目录后重新开始比逐一手动排查更高效率。如果想做批量实验可以利用 API 模式运行工作流。在启动服务时加入--enable-cors-header然后通过 HTTP 请求提交工作流 JSON。社区中已经有很多基于 ComfyUI API 的批量生成工具核心思想是用脚本替换工作流中的提示词或种子批量调用http://127.0.0.1:8188/prompt接口。更进一步的自动化建议如果你的项目每天有成百上千张图的需求不要把生成逻辑写死在别人的工作流 JSON 里试着用 Python 动态构建工作流 JSON。这样后期维护比反复修改节点容易得多。9.5 局域网访问与安全提醒如果需要让同一台电脑上的其他设备访问 ComfyUI可以使用--listen 0.0.0.0参数启动后通过本机局域网 IP 访问 8188 端口。此时你相当于在本地局域网里开了一个无鉴权 Web 服务请务必确认所在网络环境可信。不要直接把无鉴权的 8188 端口暴露到公网。生产环境接入时建议在 ComfyUI 前置 nginx 反向代理并增加基本认证或者只允许内网访问。10. 总结与下一步路线这篇文章从 ComfyUI 是什么、环境部署、插件安装、节点搭建到常见排错已经形成了完整闭环。你现在应该可以理解为什么 ComfyUI 的界面看上去复杂实际上每个节点都对应着一个明确的职责也应该知道当导入失败或者识别不出模型时应该按什么思路排查。如果你已经能跑通文生图工作流并装好插件接下来要做的不是继续囤积更多插件而是给自己设定一个小目标要么用已有的工作流做一套统一风格的图集要么复现一张你喜欢的参考图。ComfyUI 的学习非常依赖动手看一百张工作流截图不如亲手把一个已出错的工作流修好。再往后可以把精力花在 ControlNet 条件生成、AnimateDiff 短视频、高清放大工作流、API 批量接入这几个方向上。每次只深入一个主题把对应模型和节点吃透再结合网上的工作流模板复现、修改、组合逐渐就会形成属于你自己的节点库和生成习惯。如果本文对你有帮助可以收藏备用Good luck! 下一张好图就在你接好线之后出现。
ComfyUI零基础到进阶：节点式AI绘画工作流搭建与本地部署指南
先问自己一个问题是不是已经下载了好几个 ComfyUI 整合包打开后看到满屏的“节点”和“连线”又默默关掉了ComfyUI 的界面确实不像 WebUI 那样开箱即用但它做复杂工作流时的灵活度、出图质量和显存利用效率是很多 AI 绘画玩家转向它的根本原因。本文将作为一篇从零基础到进阶的 ComfyUI 教程带你完成本地环境部署、插件安装、节点搭建、工作流串连、视频生成思路梳理等完整闭环。内容同时覆盖手动安装方式与常见的秋叶整合包方式新手可以按自己的情况选择。学完这篇文章你能理解 ComfyUI 的核心工作方式搭建属于自己的第一个文生图工作流并知道后续向视频生成、批量处理、复杂控制方向进阶的路径。1. ComfyUI 到底是什么为什么越来越多人从 WebUI 迁移过来1.1 ComfyUI 的基本定位ComfyUI 是一款基于节点图Node Graph的 Stable Diffusion 图形界面工具。它把一个完整的 AI 绘画过程拆成若干个“节点”例如“加载模型节点”“提示词编码节点”“采样器节点”“图片解码节点”等。用户将这些节点依次连接起来形成一个有向的数据流数据从左到右逐步传递最终生成图片或视频。用通俗的话来说WebUI 是把所有功能做成一大堆“面板”你在面板里填参数、打勾、然后点生成而 ComfyUI 是把所有功能拆成“积木块”你需要自己把积木按正确的顺序拼起来。1.2 节点式界面带来的实际好处很多新手不理解为什么要把简单事情复杂化。实际上节点式界面的好处非常明显流程完全透明每一个环节占用了什么模型、使用了什么参数、前后处理做了什么都能直接看到。出图结果不满意时可以立刻判断是哪一步出了问题。显存调度效率高ComfyUI 底层做了大量显存优化只加载当前节点真正需要的模型和中间结果而不是像 WebUI 那样整体加载。在同样的显卡上ComfyUI 的生成速度和最大分辨率通常更有优势。复杂控制流容易实现LoRA 堆叠、ControlNet 多条件控制、局部重绘、视频生成等复杂的组合在 ComfyUI 中只需要添加对应节点并连线。可复用性与分享性好一个工作流就是一个 JSON 文件别人下载后拖入界面即可复现。适合批量化和自动化配合 API 模式ComfyUI 可以嵌入到自己的项目中实现批量出图、服务化部署。1.3 你适合学习 ComfyUI 吗如果你满足以下任一条件学习 ComfyUI 的投入产出比非常高已经使用过 WebUI但觉得显存不够用或者生成速度不理想。希望研究 ControlNet、ADetailer、AnimateDiff、视频生成等进阶玩法。希望把 AI 绘画能力集成到自己的工作流中而不是只靠软件界面点击生成。感觉 WebUI 里的参数太多、跳来跳去容易乱想用更可视化、流程化的方式管理整个生成管线。如果你完全没接触过 Stable Diffusion也不熟悉“大模型、VAE、采样器、提示词”这些基础概念入门时建议先看一遍文中的基础概念部分再动手操作。2. 本地环境部署你的电脑需要具备什么条件ComfyUI 本质上是本地运行的 Python 程序因此在环境部署上必须考虑硬件、驱动、运行时环境与模型文件几个方面。2.1 显卡、显存与内存基础要求先说结论ComfyUI 的可玩性与显卡显存强相关但并不是说低显存就不能用。显卡级别显存体验情况老显卡/核显6GB 以下可以运行 SD 1.5出 512x512 左右图片体验尚可高分辨率需要开启分块优化或使用 CPU 推理速度慢主流游戏显卡6GB - 12GBSD 1.5 流畅SDXL 可以运行但建议配合低显存优化LoRA、ControlNet 部分场景可玩中高端显卡12GB - 24GBSDXL、FLUX 等大模型体验良好本地视频生成也有可用空间专业级显卡24GB 以上长视频、高分辨率、复杂工作流更从容关于内存建议 16GB 起步32GB 会更舒适。视频生成以及部分大模型的文本编码器如 FLUX 的 T5-XXL会消耗较多内存。硬盘建议预留 100GB 以上空间因为模型文件越来越大一个 SDXL 模型通常 6-7GBFLUX 模型加上文本编码器可能超过 20GB。2.2 驱动与 PyTorch 版本NVIDIA 显卡需要安装较新的显卡驱动。ComfyUI 底层依赖 PyTorch而 PyTorch 的 CUDA 版本需要与驱动支持的 CUDA 版本匹配。如果你之前安装过 WebUI通常说明显卡驱动没有大问题。建议通过命令nvidia-smi查看右上角 “CUDA Version”这个数值是驱动最高支持的 CUDA 版本并不需要等于你安装的 PyTorch CUDA 版本只要 PyTorch 所需 CUDA 版本小于等于该值即可。2.3 部署方式一使用秋叶整合包新手推荐网上常见的“秋叶 ComfyUI 整合包”“秋叶一键整合包”指的是由 B 站 UP 主秋葉aaaki 发布的 AI 绘画一键安装整合包。这类整合包最大的优势是“省心”无需自行安装 Python、Git、CUDA 等基础环境。内置启动器能自动检测显卡驱动和依赖缺失。预置了常用插件、基础模型存放目录、模型管理界面。启动时可以通过图形化界面选择 GPU 模式或 CPU 模式。使用步骤大致如下从发布页下载最新的整合包压缩文件注意看压缩包的说明和版本号例如常见的“秋叶整合包 v10”等含义是版本代称以你实际下载到的版本为准。解压到磁盘剩余空间充足的目录。建议使用纯英文路径例如D:\ComfyUI-Allen避免部分 Python 库在中文路径下出现编码异常。启动“绘世启动器”或整合包内的启动脚本等待自动环境检查完成。在启动器中确认 GPU 状态可以被识别然后点击“一键启动”。浏览器会自动打开http://127.0.0.1:8188这就是 ComfyUI 的默认界面。整合包方式的注意点是版本更新依赖作者发布新包如果你希望使用官方最新 ComfyUI 功能可能需要在整合包内单独更新核心代码。另外整合包已经默认嵌入大量内容如果你希望保持环境干净、便于长期维护可以考虑手动部署方式。2.4 部署方式二手动部署适合开发者手动部署的流程大概如下首先准备 Python 环境。ComfyUI 对 Python 版本的兼容范围会随版本变化通常建议使用 Python 3.10 或 3.11以官方文档要求为准。安装 Git然后克隆官方仓库git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI创建虚拟环境并激活python -m venv venv # Windows venv\Scripts\activate # Linux / macOS source venv/bin/activate安装 PyTorch。这里需要结合你的 CUDA 版本参考 PyTorch 官方命令安装。如果显卡不支持 CUDA或者机器上没有独立显卡可以安装 CPU 版本但生成速度会明显下降。安装完成后进入 ComfyUI 目录安装依赖pip install -r requirements.txt以开发模式启动python main.py启动日志中如果出现To see the GUI go to: http://127.0.0.1:8188说明环境已经跑通。手动部署的好处是环境完全可控未来对 ComfyUI 源码进行二次开发比较方便。但对新手而言手动部署时遇到 Python 版本、依赖冲突、CUDA 匹配的概率会更高。3. 第一次上手认识 ComfyUI 默认工作流启动 ComfyUI 后页面上默认会有一张完整的工作流。这是官方内置的“文生图”基础工作流也是理解所有复杂工作流的起点。3.1 默认工作流的节点组成默认工作流通常包含以下节点Load Checkpoint加载大模型CLIP Text EncodePrompt正向提示词编码CLIP Text EncodeNegative负向提示词编码Empty Latent Image空白潜空间图像KSampler采样器VAE DecodeVAE 解码Save Image保存图片如果你使用的是最新版 ComfyUI默认工作流可能用“Load Diffusion Model”或“CheckpointLoaderSimple”等不同名称但节点逻辑基本一致。每个节点都有输入端口和输出端口。鼠标从一个节点右侧的圆点拖出连接到另一个节点左侧的圆点就建立了数据流转关系。工作流执行时数据从最左侧的加载模型节点开始经过采样、解码最后在 Save Image 节点写出图片。这里先建立一个重要的认知ComfyUI 工作流本质上就是把 Stable Diffusion 的完整生成过程拆成了多个模块每个模块的输入来自上游节点的输出处理结果传给下游节点。你不需要关心每个节点内部怎么做只需要把它们正确连接起来。3.2 在默认工作流中完成第一次出图先加载一个大模型。点击 Load Checkpoint 节点中的模型名称如果下拉列表为空说明你已经启动 ComfyUI 但是还没有放置模型文件。建议先放到官方推荐的目录ComfyUI/models/checkpoints/这个目录支持子目录嵌套例如可以建立sd15、sdxl、flux子文件夹分类存放。放入模型后回到 ComfyUI 页面点击模型下拉框旁边的刷新按钮就能在下拉列表中找到对应模型。接着填写正向提示词和负向提示词。正向提示词建议先写一个简单的测试内容例如a beautiful girl, detailed face, soft lighting, masterpiece, best quality负向提示词可以写lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, jpeg artifacts, signature, watermark, username, blurry然后检查 KSampler 节点的关键参数seed随机种子。固定后同一参数下输出结果可复现。steps采样步数。SD 1.5 常见 20-30SDXL 常见 20-40。步数太高并不会一直带来正收益。cfg提示词引导系数。常见范围 5-10用来控制生成结果与提示词的贴合度。sampler_name采样器名称例如euler、euler_ancestral、dpmpp_2m等。scheduler调度器例如normal、karras、exponential。denoise去噪强度。如果前面的 Latent 是由 Empty Latent Image 生成的空白数据这个值通常保持 1。点击页面右侧的“执行Queue Prompt”等待进度条走完图片会弹出显示同时保存到ComfyUI/output/目录。到这里你已经在 ComfyUI 中跑通了第一张图。把工作流 JSON 文件保存下来。图中的工作流面板右上角通常有一个菜单按钮可以导出工作流为 JSON 文件也可以导入别人分享的 JSON 文件。这是 ComfyUI 社区分享玩法的基础方式。4. 模型的下载、放置目录与版本对应关系很多人在完成第一次出图后会立刻卡在“模型放哪个文件夹”这个问题上。ComfyUI 对模型目录结构有明确约定放置错误会导致节点无法识别模型文件。4.1 关键模型目录速查表模型类型默认目录说明Checkpoint 大模型ComfyUI/models/checkpoints/SD 1.5、SDXL、FLUX 等完整模型VAEComfyUI/models/vae/部分大模型内置 VAE也可以单独放置LoRAComfyUI/models/loras/Lora 微调模型EmbeddingComfyUI/models/embeddings/文本嵌入通常和提示词配合使用ControlNetComfyUI/models/controlnet/ControlNet 模型CLIPComfyUI/models/clip/文本编码器模型DiffusersComfyUI/models/diffusers/以 diffusers 格式保存的模型Style ModelsComfyUI/models/style_models/风格模型Upscale 模型ComfyUI/models/upscale_models/放大模型例如 ESRGAN、Real-ESRGAN 等视频相关ComfyUI/models/下对应子目录AnimateDiff 模型、SVD、Wan 等视插件和节点而定有些模型文件下载下来是.safetensors这是目前 AI 绘画社区最常用的安全格式它不包含可执行代码加载时相对更安全。旧的.ckpt格式也能使用但官方社区普遍建议优先选择.safetensors。4.2 模型来源与授权提醒关于模型下载来源每个人情况不同。如果你能访问海外模型社区可以从模型作者发布页获取原版文件如果网络条件受限可以优先考虑国内 AI 模型平台例如国内合规模型社区中的 LiblibAI 等网站也可以在发布页下载。选择模型时务必关注模型授权信息尤其是用于商业用途时要确认许可范围。4.3 SD 1.5、SDXL 与 FLUX 的模型结构区别很多人下载了很多模型之后会遇到“明明下载了但是节点加载报错”的问题。一个常见原因是模型结构不对应。SD 1.5 大模型体积通常 2GB 到 4GB适合跑 512x512 附近分辨率的图。SDXL 大模型体积通常 6GB 到 7GB建议跑 1024x1024 附近分辨率。SDXL 大模型内通常包含两个 CLIP 文本编码器和一个 VAE使用时 ComfyUI 会自动加载相关组件。如果你把 SDXL 的模型当 SD 1.5 使用而分辨率仍设置 512画面质量明显下降。FLUX 模型体积更大使用独立的 T5 文本编码器加载流程和 SDXL/SD 1.5 略有区别。FLUX 相关的工作流通常需要自己添加加载 T5 模型、加载 CLIP 等节点。当你从网上下载一个别人分享的工作流时如果对方使用的是 FLUX而机器上没有下载对应的 T5 文本编码器就会出现“加载模型失败”等情况。这类问题不是 ComfyUI 本身故障而是缺少对应依赖文件。5. 插件安装ComfyUI Manager、手动 Git Clone 与秋叶启动器插件在 ComfyUI 中被称为 “Custom Nodes”自定义节点。官方版本只提供最基础的节点功能大量高级能力都需要通过自定义节点扩展。下面介绍三种主流安装方式。5.1 安装 ComfyUI Manager推荐ComfyUI Manager 是目前最主流的插件管理工具可以把它理解成 ComfyUI 的“应用商店”。通过 Manager 可以搜索、安装、升级、卸载大部分社区流行的自定义节点。在 ComfyUI 目录下执行cd ComfyUI/custom_nodes git clone https://github.com/Comfy-Org/ComfyUI-Manager.git或者在整合包中如果启动器已经内置了 ComfyUI Manager直接跳过这一步。安装后重启 ComfyUI页面上会多出一个 “Manager” 按钮。点击后可以浏览节点列表搜索例如AnimateDiff-Evolved、ComfyUI-VideoHelperSuite、comfyui_controlnet_aux、ultimate-sd-upscale等节点并一键安装。通过 Manager 安装的插件通常会处理依赖关系但不是所有插件都能百分百自动安装成功。5.2 手动安装 Custom Nodes 插件如果某个插件没有收录在 Manager 中或版本更新太快建议使用 Git Clone 方式# 进入自定义节点目录 cd ComfyUI/custom_nodes # 克隆插件仓库 git clone https://github.com/某作者/某插件.git # 进入插件目录安装 Python 依赖 cd 某插件 pip install -r requirements.txt安装完成后重启 ComfyUI。重点提醒如果插件需要额外的 Python 包只把代码复制过去是不够的。很多人遇到“点开插件节点后报缺少模块”的错误就是因为没安装requirements.txt。在秋叶整合包环境中建议使用整合包自带的 Python 解释器来执行 pip 命令。直接打开系统命令行执行pip install可能会装到系统 Python 中导致整合包环境识别不到包。5.3 几种常用节点推荐ComfyUI Manager插件管理入口必装。ComfyUI-VideoHelperSuite视频加载和序列帧生成工具做视频工作流时基本都要用到。ComfyUI-AnimateDiff-EvolvedAnimateDiff 动画/视频生成的核心节点。ComfyUI-ControlNet-Aux整合大量 ControlNet 预处理器例如姿态检测、深度图提取、线稿提取等。Ultimate SD Upscale分块高清放大的方案用来对生成图做放大处理。ComfyUI-Impact-Pack提供局部重绘、人脸修复、检测器等一系列高级节点。安装插件不要“贪多”建议需要用到什么再装什么。装得越多启动越慢节点之间出现命名冲突的可能性也越大。5.4 插件安装后常遇到的加载问题问题现象常见原因解决思路启动时提示某个插件导入失败插件依赖的 Python 包缺失进入插件目录查看requirements.txt并安装插件在节点菜单中搜索不到插件未成功加载观察启动日志检查是否报错查看custom_nodes目录名是否正确使用工作流时提示 Missing nodes缺少工作流所需自定义节点优先用 Manager 的 Install Missing Custom Nodes 功能或根据节点 ID 找到对应节点安装插件之间有同名节点冲突两个插件定义了相同的节点名称停用不再需要的插件注释掉对应目录或用启动器禁用更新插件后原工作流变了节点版本更新导致节点配置变化更新前先备份已跑通的工作流 JSON6. 节点搭建进阶自定义一个“工作流积木”了解插件安装之后我们需要再深入一些ComfyUI 的节点到底是什么为什么可以通过连不同节点实现无限玩法这一节先讲核心原理再给一个真实可运行的最小自定义节点示例。6.1 节点背后的逻辑一个节点就是一段 Python 程序模块。它声明了需要哪些输入、输出什么类型的数据、执行哪些处理逻辑。ComfyUI 启动时会扫描custom_nodes目录下的所有 Python 文件把文件中通过NODE_CLASS_MAPPINGS导出的节点类注册到前端。节点的输入输出端口类型决定连线可行性。例如一个端口要求输入IMAGE图像张量不能直接接收LATENT潜空间张量。如果节点之间连不上线通常就是类型不匹配。理解到这一层后你会发现工作流搭建并不只是跟着别人的图“照猫画虎”而是可以按数据流的思维方式自由组合。你可以在接到一张图片后先经过图像处理节点做放大或修复再送进图生图流程也可以把生成的图片同时分发到两个分支分别做高清放大和风格转换。6.2 自定义节点示例给文本增加前缀这里我们写一个非常简单但逻辑完整的自定义节点目的是了解节点文件的基本结构。在ComfyUI/custom_nodes/下新建目录例如z_my_text_node/在该目录下创建__init__.py内容如下# 文件路径ComfyUI/custom_nodes/z_my_text_node/__init__.py class SimplePrefixText: classmethod def INPUT_TYPES(cls): return { required: { text: (STRING, {default: , multiline: True}), prefix: (STRING, {default: [Prompt] }), } } RETURN_TYPES (STRING,) RETURN_NAMES (processed_text,) FUNCTION process CATEGORY 教程/文本处理 def process(self, text, prefix): processed prefix text return (processed,) NODE_CLASS_MAPPINGS { SimplePrefixText: SimplePrefixText, } NODE_DISPLAY_NAME_MAPPINGS { SimplePrefixText: 文本添加前缀节点, }这一段代码实现了以下逻辑INPUT_TYPES声明了两个输入参数。STRING是基础文本类型multiline: True表示输入框显示为多行文本框。RETURN_TYPES声明节点输出类型为字符串。RETURN_NAMES给输出端口一个名字便于观察前端连线。process是执行函数函数名与FUNCTION保持一致。ComfyUI 会调用这个函数并传入上方声明的输入参数。NODE_CLASS_MAPPINGS是节点的注册字典缺少这一行ComfyUI 无法发现节点。代码保存后重启 ComfyUI。鼠标在空白处双击打开节点添加窗口搜索“文本添加前缀”就能找到这个自定义节点。把它添加进画布就可以在文本类工作流中作为辅助节点使用。从这里衍生出去你可以继续学习如何自定义图像处理节点节点输入IMAGE或LATENT内部通过 PyTorch 张量操作最终返回IMAGE就可以串联到任意 ComfyUI 图像管线中。6.3 搭建一个“图生图 局部重绘”思想工作流在开始复杂工作流前建议先理解图生图的节点组合方式。图生图工作流中通常不再使用 Empty Latent Image而是使用 Load Image 节点加载一张参考图再通过 VAE Encode 将参考图转换为LATENT并把该LATENT输入给 KSampler。此时 KSampler 的denoise参数变得非常关键denoise接近 1.0表示保留参考图的构图信息较少重绘幅度大。denoise接近 0.3-0.5常见于重绘风格或微调细节。denoise接近 0生成结果越来越接近原图。更进一步可以在参考图进入 VAE Encode 前通过图像处理节点添加 ControlNet 条件实现对姿态、线稿、深度等结构约束。6.4 用工作流出视频的思路“ComfyUI 出视频”目前已经不是新鲜事。常见的思路有几类第一类是 AnimateDiff 路线。AnimateDiff 是对既有模型添加运动模块的扩展方式在生成过程中输出连续帧再通过视频工具合成视频文件。这类方法的优势是可以用较小的显存和普通的文生图工作流思路做短视频。第二类是图像转视频Image-to-Video路线。典型代表是 Stable Video DiffusionSVD把一张静态图作为起点模型生成一小段连续变化的视频。ComfyUI 中有对应的官方节点或社区封装节点。第三类是基于大模型的视频生成方案例如通义万相 Wan 2.1、LTX-Video 等。不同方案的安装方式不同但整体工作流结构通常包括加载文本编码器、加载视频扩散模型、设置视频长度与帧率、解码视频帧、合成视频文件。启动前需要单独下载对应模型文件。如果你刚刚开始接触视频工作流建议不要直接挑战较大的开源视频模型而是先以 AnimateDiff 或 SVD 等社区资料丰富、工作流模板较多的方向入手。找一个别人分享的 JSON 工作流导入逐节点看它连接了哪些模型再按提示将对应文件放入models目录。6.5 从网上下载的工作流经常报错先看这四点导入别人的工作流后报错通常来自四个方面模型缺失工作流里引用了某个大模型、LoRA 或 ControlNet本地没有对应文件。自定义节点缺失弹出红色提示方块或节点显示为粉红需要安装对应插件。Python 依赖缺失插件找到了但插件运行需要的包没装。版本差异旧版工作流使用了旧节点新版 ComfyUI 中节点名称已被替换或调整。建议每次导入工作流后第一件事不是直接点执行而是先展开工作流中的模型加载节点逐一确认下拉框中是否成功选择了本地已有的模型。其次用 Manager 的 “Install Missing Custom Nodes” 功能补齐节点之后如果遇到红色的报错文字再根据报错内容处理。7. 从 WebUI 迁移到 ComfyUI 需要调整哪些习惯很多玩家的痛点是WebUI 已经用得比较熟了模型也有不少换到 ComfyUI 后却感觉不顺手。这个阶段最需要调整的是三个认知。7.1 模型文件可以复用放在 WebUI 的models/Stable-diffusion、models/Lora、models/VAE里的文件本质和 ComfyUI 是通用的。可以把模型复制或做软链接到 ComfyUI 对应目录也可以直接修改 ComfyUI 的extra_model_paths.yaml.example文件让 ComfyUI 直接读取 WebUI 的模型目录。复制一份extra_model_paths.yaml.example为extra_model_paths.yaml然后按示例填写 base_path 指向 WebUI 根目录。这样两个工具的模型文件可以共用无需重复下载上 GB 的大文件。7.2 提示词写法差异WebUI 顶部通常只有正向提示词和负向提示词两个大输入框提示词中常出现从其他模型或分享站复制来的加权符号。ComfyUI 的提示词写作逻辑类似但同一句提示词可能会被用于不同的 CLIP Text Encode 节点。你可以拆分为多个提示词编码节点分别控制不同部分的条件强度。注意 ComfyUI 中提示词断句与换行不会完全等价于 WebUI 的权重控制。实际生成时可以通过同一个 CLIP Text Encode 节点手动输入(keyword:1.2)这类加权表达式ComfyUI 也支持大多数常见语法但具体效果仍要看使用的模型。7.3 采样器设置需要转换WebUI 中的采样器名称与 ComfyUI 基本一致例如Euler a对应 ComfyUI 中的euler_ancestralDPM 2M Karras对应 ComfyUI 中的dpmpp_2mkarras。区别在于 WebUI 将采样器与调度器打包显示ComfyUI 将两者分成 KSampler 内的两个独立参数。从 WebUI 迁移时建议先记住几组常用组合WebUI 显示ComfyUI sampler_nameComfyUI schedulerEuler aeuler_ancestralnormalDPM 2M Karrasdpmpp_2mkarrasDPM SDE Karrasdpmpp_sdekarrasDDIMddimnormalSDXL 与 FLUX 系列对采样器要求不同。FLUX 模型通常使用euler、dpmpp_2m等采样器CFG 往往会设置为 1 或非常小的数值。不同模型的最优参数无法一概而论建议从模型作者的发布说明中获取参考。8. 常见问题与排查实战8.1 “CUDA out of memory” 显存不足错误提示为torch.OutOfMemoryError: CUDA out of memory.这只说明当前工作流申请的显存超过了显卡可用空间。处理方向降低图片尺寸或 batch size。在启动时加入--lowvram或--medvram参数让 ComfyUI 使用更保守的显存调度策略。在秋叶整合包启动器的“高级选项”中通常有对应开关。关闭其他占显存程序清理后台浏览器或游戏进程。对于需要高分辨率输出的场景避免直接使用超大分辨率文生图改用先生成小图再以放大模型处理的方式。视频生成时按帧数拆分或使用 VAE 分块解码。8.2 页面能打开但点击执行后没有反应可能原因很多。最常遇到的是工作流中存在断开的连线、某个节点没有设置必需输入或者模型文件尚未正确加载。排查顺序观察节点是否出现红色/黄色异常边框。查看 ComfyUI 启动终端是否输出 Python Traceback。截取最后几行错误信息通常能直接定位问题。检查 Load Checkpoint 节点中是否为空白如果空白说明模型未正确识别。移除一半节点只保留最小生成链路加载模型→正向提示词→空潜空间→采样→解码→保存看能否执行成功。如果能成功再逐步加回其他节点定位导致问题的节点。8.3 图片生成后出现黑图或灰图常见于 VAE 缺失、模型没有内置 VAE 或 VAE 类型不匹配。解决方法是先检查模型本身是否需要额外加载 VAE。如果使用的是 SDXL 大模型通常已内置 VAE。对 SD 1.5 老模型部分模型需要手动设置 VAE。可以在工作流中加入 Load VAE 节点将 VAE 输出接到 VAE Decode 节点上。8.4 中文路径导致模型加载失败虽然现代 Windows 对中文路径兼容性已有改善但 ComfyUI 底层的 Python 生态中部分库对中文路径支持仍有问题。建议保持 ComfyUI 安装路径、模型路径、输出路径全部为英文。分享的节点名称和文件可以包含中文但路径最好保持简单。8.5 秋叶整合包升级后原工作流打不开整合包升级通常会更新 ComfyUI 核心代码部分旧版自定义节点会失效。遇到这种情况先别急着降级打开启动器日志看具体是哪几个插件导入失败。删除或重装对应插件通常比整体回退版本更有效。8.6 “请安装缺失的包以使用此工作流”这是一个非常常见的导入报错信息意思是当前工作流中引用了一个或者多个你尚未安装的自定义节点。英文提示通常是一串缺失节点名称。在这种情况下不要慌更不要手动乱装配。推荐按顺序尝试打开 Manager选择 “Install Missing Custom Nodes”。如果 Manager 未能识别根据缺失节点名称在 GitHub 或社区中搜索对应插件名。安装后重启 ComfyUI重新导入工作流。通常通过这三个步骤可以解决绝大多数“缺失包”问题。需要注意某些国产整合包的一键修复功能会自动识别并安装缺失节点但网络来源不明确的插件安装包可能存在风险尽量从作者官方仓库获取。9. 工程化建议与性能优化9.1 从“能出图”到“稳定复现”如果你只是随便玩追求的是偶尔出一张好图那前面的内容已经足够。但如果你是设计师、内容创作者或者想用 ComfyUI 搭建稳定的内部生产力管线切记做好工作流版本管理。建议为每次跑通的重要工作流做三件事导出 JSON 文件保存到专门的workflows目录文件名用“日期 用途 模型名”规范命名。记录使用的大模型、LoRA、采样器参数、种子范围。即使导出 JSON有时也因为外部模型变化导致无法完全复现所以文字说明仍然重要。对常用模型文件建立清单。模型来源、大小、用途、版本信息都值得记录。9.2 显存与生成速度的平衡ComfyUI 默认的显存调度对大多数场景已经有不错表现。如果你用的是 8GB 以下显卡建议使用--medvram或更低的--lowvram。需要注意显存优化策略可能降低一点速度但避免中途崩溃往往是更重要的。对于高分辨率修复优先选择分块放大方案而不是一次性生成超大分辨率。这不仅是因为显存限制也是一次性生成大图时构图容易出现重复纹理或结构崩坏。9.3 模型安全和版权边界ComfyUI 本身允许用户自行安装模型但这些模型大多来自社区分享。使用时请注意从作者官网或可信的模型社区下载。尽量避免来历不明的文件。.safetensors格式安全性相对更高.ckpt格式包含 Python pickle 序列化内容存在风险。如果必须加载.ckpt请确认为可信来源。生成图片前想清楚使用目的。人物的肖像权、品牌Logo、艺术品风格都有可能涉及侵权。AI 绘画工具本身没有问题但输出的用途需要你自己把关。商业项目中使用模型时逐个确认模型许可证是否允许商用。9.4 定期备份与批量实验ComfyUI 的主要配置都保存在user/default/workflows和user/default/comfy.settings.json等目录。如果插件安装得太多导致配置混乱可以备份这些目录后重新开始比逐一手动排查更高效率。如果想做批量实验可以利用 API 模式运行工作流。在启动服务时加入--enable-cors-header然后通过 HTTP 请求提交工作流 JSON。社区中已经有很多基于 ComfyUI API 的批量生成工具核心思想是用脚本替换工作流中的提示词或种子批量调用http://127.0.0.1:8188/prompt接口。更进一步的自动化建议如果你的项目每天有成百上千张图的需求不要把生成逻辑写死在别人的工作流 JSON 里试着用 Python 动态构建工作流 JSON。这样后期维护比反复修改节点容易得多。9.5 局域网访问与安全提醒如果需要让同一台电脑上的其他设备访问 ComfyUI可以使用--listen 0.0.0.0参数启动后通过本机局域网 IP 访问 8188 端口。此时你相当于在本地局域网里开了一个无鉴权 Web 服务请务必确认所在网络环境可信。不要直接把无鉴权的 8188 端口暴露到公网。生产环境接入时建议在 ComfyUI 前置 nginx 反向代理并增加基本认证或者只允许内网访问。10. 总结与下一步路线这篇文章从 ComfyUI 是什么、环境部署、插件安装、节点搭建到常见排错已经形成了完整闭环。你现在应该可以理解为什么 ComfyUI 的界面看上去复杂实际上每个节点都对应着一个明确的职责也应该知道当导入失败或者识别不出模型时应该按什么思路排查。如果你已经能跑通文生图工作流并装好插件接下来要做的不是继续囤积更多插件而是给自己设定一个小目标要么用已有的工作流做一套统一风格的图集要么复现一张你喜欢的参考图。ComfyUI 的学习非常依赖动手看一百张工作流截图不如亲手把一个已出错的工作流修好。再往后可以把精力花在 ControlNet 条件生成、AnimateDiff 短视频、高清放大工作流、API 批量接入这几个方向上。每次只深入一个主题把对应模型和节点吃透再结合网上的工作流模板复现、修改、组合逐渐就会形成属于你自己的节点库和生成习惯。如果本文对你有帮助可以收藏备用Good luck! 下一张好图就在你接好线之后出现。
