ComfyUI 快速上手教程5步跑通你的第一个AI绘图节点工作流【免费下载链接】ComfyUIThe most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface.项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI传统填表单式的绘图界面正在限制你管线中途加不了ControlNet换不了VAE采样参数也没法逐步微调。ComfyUI 是一个节点式AI创作引擎把图像、视频、音频、3D 生成拆成可拖拽的节点拼成可视化工作流。它能替你解决的是每个参数都可控、每次改动都最小代价重跑的问题。ComfyUI 是什么节点式AI创作引擎一句话定位ComfyUI 是最强模块化的扩散模型 GUI 与后端你用节点图编排模型、采样、VAE 和后处理本地运行完全离线。它相对传统 WebUI 的 3 个核心优势对比项传统表单式UIComfyUI改工作流重填整页参数拖节点、接线即可JSON 可保存分享模型支持靠插件适配原生支持 Flux、SDXL、SD3.5、Wan、Qwen-Image 等主流模型执行效率每次全量重跑只重跑图中变化部分省算力生产集成封闭本地 API 端点 App Mode 简化界面它还能生成视频、音频和3D模型目录下的blueprints/里就有 80 多个现成的工作流模板可以直接加载。 5步在本地跑通 ComfyUI手动安装只需 5 步约 10 分钟NVIDIA、AMD、Intel、Apple Silicon 均可。克隆代码仓库到本地。安装对应显卡的 PyTorchNVIDIA 用户装 cu130 版本。安装项目依赖。把下载好的 checkpoint 模型放进models/checkpoints/VAE 放进models/vae/。启动服务浏览器打开http://127.0.0.1:8188。git clone https://gitcode.com/GitHub_Trending/co/ComfyUI cd ComfyUI pip install torch torchvision torchaudio pip install -r requirements.txt python main.py这段命令依次完成拉代码、装推理框架、装依赖、启动。启动后日志会打印 Web 地址打开即可看到节点画布。⚙️ 自定义节点怎么写一个模板讲清机制ComfyUI 的扩展能力来自一个简单约定每个节点就是一个 Python 类声明我吃什么、吐什么再实现处理逻辑。核心入口nodes.py里的load_custom_node会扫描custom_nodes/目录凡是暴露了NODE_CLASS_MAPPINGS或comfy_entrypoint函数的模块都会被注册进画布。仓库自带模板custom_nodes/example_node.py.example去掉注释后的骨架如下class Example(io.ComfyNode): classmethod def define_schema(cls) - io.Schema: return io.Schema( node_idExample, display_nameExample Node, categoryExample, inputs[io.Image.Input(image), io.String.Input(string_field, defaultHello world!)], outputs[io.Image.Output()], ) classmethod def execute(cls, image, string_field) - io.NodeOutput: image 1.0 - image # 反色 return io.NodeOutput(image)这段代码做了两件事define_schema告诉前端节点的输入输出类型图像、字符串、整数、下拉框等 10 余种execute定义实际处理。输入还支持lazyTrue配合check_lazy_status方法让参数按需求值——不需要的分支根本不计算这是官方节点通用的性能手段。开发时类型系统会提供自动补全跟着跑一遍文生图节点工作流以最经典的文生图文生图管线为例它由 5 个节点串联加载 Checkpoint → 加载 VAE → 文本编码 → KSampler 采样 → VAE 解码 → 保存图片。输入一个 checkpoint模型主干、一个 VAE、一段提示词、一个随机种子。仓库input/目录自带示例图可直接接给加载图像节点做参考输入。过程KSampler 按你设置的步数在潜空间迭代。关键参数是steps默认 20、cfg默认 7控制提示词贴合度、seed固定后结果可复现。输出PNG 存进output/并且把完整工作流和种子嵌入了图片元数据——把生成的 PNG 拖回网页整个工作流自动恢复。这个输出即工作流的设计意味着你收藏的一张图就是别人可以直接接手修改的管线而不是死图。️ 部署与开发常见报错及对策问题原因与一句话对策启动报Torch not compiled with CUDA enabled装的 PyTorch 无 CUDA 版本卸载后按官方 README 里对应显卡的命令重装模型放好了下拉框里没有没放对子目录VAE 必须进models/vae/放对后重启外部路径用extra_model_paths.yaml配置视频/大模型直接 OOM先降分辨率和帧数再换量化模型量化说明见 QUANTIZATION.md改了参数结果却没重算这是设计而非 bug只有图中变化部分会重跑确认依赖链连上了要变的节点自定义节点不出现模块里必须有NODE_CLASS_MAPPINGS或comfy_entrypoint缺一个都会被跳过看启动日志的 warning老显卡NVIDIA 10 系以前跑不起来装 cu126 版 PyTorchREADME 里有对应说明性能调优与扩展生态执行层已内置 4 项优化异步队列、部分图重执行、显存/内存智能管理与模型卸载日常不需要额外配置。值得留意的 3 个扩展方向插件管理装上 ComfyUI-Manager就能在界面里搜索、安装、更新全部自定义节点不用手动 git。pip install -r manager_requirements.txt python main.py --enable-manager外部AI服务节点comfy_api_nodes/下集成了 Gemini、OpenAI、Kling、Tripo 等 30 多个服务的调用节点本地工作流可以无缝接上闭源模型详见 comfy_api_nodes/。前端与API扩展节点里声明WEB_DIRECTORY可加载自定义 JS 界面用PromptServer.instance.routes可加自己的 HTTP 端点把 ComfyUI 变成生产流水线的一部分。速查与下一步项目命令 / 路径启动服务python main.pyCheckpoint 目录models/checkpoints/VAE / LoRA 目录models/vae/、models/loras/自定义节点目录custom_nodes/输出目录output/队列生成CtrlEnter插队/取消CtrlShiftEnter/CtrlAltEnter保存工作流CtrlS高清预览--preview-method taesd需放4个解码器文件到models/vae_approx/把今天最想用的模型放进models/checkpoints/跑一次默认工作流。 复制custom_nodes/example_node.py.example改成你的第一个自定义节点。 挑一个blueprints/里的模板加载从别人的成熟管线开始改。【免费下载链接】ComfyUIThe most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface.项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 ComfyUI 快速上手教程：5步跑通你的第一个AI绘图节点工作流
ComfyUI 快速上手教程5步跑通你的第一个AI绘图节点工作流【免费下载链接】ComfyUIThe most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface.项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI传统填表单式的绘图界面正在限制你管线中途加不了ControlNet换不了VAE采样参数也没法逐步微调。ComfyUI 是一个节点式AI创作引擎把图像、视频、音频、3D 生成拆成可拖拽的节点拼成可视化工作流。它能替你解决的是每个参数都可控、每次改动都最小代价重跑的问题。ComfyUI 是什么节点式AI创作引擎一句话定位ComfyUI 是最强模块化的扩散模型 GUI 与后端你用节点图编排模型、采样、VAE 和后处理本地运行完全离线。它相对传统 WebUI 的 3 个核心优势对比项传统表单式UIComfyUI改工作流重填整页参数拖节点、接线即可JSON 可保存分享模型支持靠插件适配原生支持 Flux、SDXL、SD3.5、Wan、Qwen-Image 等主流模型执行效率每次全量重跑只重跑图中变化部分省算力生产集成封闭本地 API 端点 App Mode 简化界面它还能生成视频、音频和3D模型目录下的blueprints/里就有 80 多个现成的工作流模板可以直接加载。 5步在本地跑通 ComfyUI手动安装只需 5 步约 10 分钟NVIDIA、AMD、Intel、Apple Silicon 均可。克隆代码仓库到本地。安装对应显卡的 PyTorchNVIDIA 用户装 cu130 版本。安装项目依赖。把下载好的 checkpoint 模型放进models/checkpoints/VAE 放进models/vae/。启动服务浏览器打开http://127.0.0.1:8188。git clone https://gitcode.com/GitHub_Trending/co/ComfyUI cd ComfyUI pip install torch torchvision torchaudio pip install -r requirements.txt python main.py这段命令依次完成拉代码、装推理框架、装依赖、启动。启动后日志会打印 Web 地址打开即可看到节点画布。⚙️ 自定义节点怎么写一个模板讲清机制ComfyUI 的扩展能力来自一个简单约定每个节点就是一个 Python 类声明我吃什么、吐什么再实现处理逻辑。核心入口nodes.py里的load_custom_node会扫描custom_nodes/目录凡是暴露了NODE_CLASS_MAPPINGS或comfy_entrypoint函数的模块都会被注册进画布。仓库自带模板custom_nodes/example_node.py.example去掉注释后的骨架如下class Example(io.ComfyNode): classmethod def define_schema(cls) - io.Schema: return io.Schema( node_idExample, display_nameExample Node, categoryExample, inputs[io.Image.Input(image), io.String.Input(string_field, defaultHello world!)], outputs[io.Image.Output()], ) classmethod def execute(cls, image, string_field) - io.NodeOutput: image 1.0 - image # 反色 return io.NodeOutput(image)这段代码做了两件事define_schema告诉前端节点的输入输出类型图像、字符串、整数、下拉框等 10 余种execute定义实际处理。输入还支持lazyTrue配合check_lazy_status方法让参数按需求值——不需要的分支根本不计算这是官方节点通用的性能手段。开发时类型系统会提供自动补全跟着跑一遍文生图节点工作流以最经典的文生图文生图管线为例它由 5 个节点串联加载 Checkpoint → 加载 VAE → 文本编码 → KSampler 采样 → VAE 解码 → 保存图片。输入一个 checkpoint模型主干、一个 VAE、一段提示词、一个随机种子。仓库input/目录自带示例图可直接接给加载图像节点做参考输入。过程KSampler 按你设置的步数在潜空间迭代。关键参数是steps默认 20、cfg默认 7控制提示词贴合度、seed固定后结果可复现。输出PNG 存进output/并且把完整工作流和种子嵌入了图片元数据——把生成的 PNG 拖回网页整个工作流自动恢复。这个输出即工作流的设计意味着你收藏的一张图就是别人可以直接接手修改的管线而不是死图。️ 部署与开发常见报错及对策问题原因与一句话对策启动报Torch not compiled with CUDA enabled装的 PyTorch 无 CUDA 版本卸载后按官方 README 里对应显卡的命令重装模型放好了下拉框里没有没放对子目录VAE 必须进models/vae/放对后重启外部路径用extra_model_paths.yaml配置视频/大模型直接 OOM先降分辨率和帧数再换量化模型量化说明见 QUANTIZATION.md改了参数结果却没重算这是设计而非 bug只有图中变化部分会重跑确认依赖链连上了要变的节点自定义节点不出现模块里必须有NODE_CLASS_MAPPINGS或comfy_entrypoint缺一个都会被跳过看启动日志的 warning老显卡NVIDIA 10 系以前跑不起来装 cu126 版 PyTorchREADME 里有对应说明性能调优与扩展生态执行层已内置 4 项优化异步队列、部分图重执行、显存/内存智能管理与模型卸载日常不需要额外配置。值得留意的 3 个扩展方向插件管理装上 ComfyUI-Manager就能在界面里搜索、安装、更新全部自定义节点不用手动 git。pip install -r manager_requirements.txt python main.py --enable-manager外部AI服务节点comfy_api_nodes/下集成了 Gemini、OpenAI、Kling、Tripo 等 30 多个服务的调用节点本地工作流可以无缝接上闭源模型详见 comfy_api_nodes/。前端与API扩展节点里声明WEB_DIRECTORY可加载自定义 JS 界面用PromptServer.instance.routes可加自己的 HTTP 端点把 ComfyUI 变成生产流水线的一部分。速查与下一步项目命令 / 路径启动服务python main.pyCheckpoint 目录models/checkpoints/VAE / LoRA 目录models/vae/、models/loras/自定义节点目录custom_nodes/输出目录output/队列生成CtrlEnter插队/取消CtrlShiftEnter/CtrlAltEnter保存工作流CtrlS高清预览--preview-method taesd需放4个解码器文件到models/vae_approx/把今天最想用的模型放进models/checkpoints/跑一次默认工作流。 复制custom_nodes/example_node.py.example改成你的第一个自定义节点。 挑一个blueprints/里的模板加载从别人的成熟管线开始改。【免费下载链接】ComfyUIThe most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface.项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考