在实际 AI 绘画和视频生成领域Stable Diffusion 的 WebUI 虽然用户友好但对于追求极致工作流定制、可复现性和性能的开发者而言其节点式工作流工具 ComfyUI 正成为更专业的选择。然而从零开始配置 ComfyUI 环境、理解节点逻辑、下载正确模型并成功出图过程中遇到的依赖冲突、节点缺失、模型路径错误等问题往往让新手望而却步。本文将围绕 ComfyUI 的完整部署流程带你一步步完成从系统环境准备、软件安装、模型下载、节点管理到最终生成图像和视频的全过程重点解释每个环节的配置要点和常见故障排查方法确保你能在本地或服务器上搭建一个稳定可用的 ComfyUI 环境。1. 理解 ComfyUI 的核心价值与适用场景ComfyUI 是一个基于节点图的可视化编程界面专为 Stable Diffusion 系列模型设计。与 WebUI 的直接交互不同它通过连接不同的功能节点如加载模型、输入提示词、执行采样、保存输出来构建完整的工作流。这种设计带来了几个关键优势可复现性工作流以节点图形式保存任何人均可加载并重现完全相同的生成过程便于团队协作和结果追溯。灵活性用户可以自由组合节点实现复杂逻辑如多模型串联、条件控制、后期处理等远超常规 UI 的功能限制。资源效率ComfyUI 通常比 WebUI 更节省内存和显存尤其在处理高分辨率或批量生成任务时表现更优。透明性每个生成步骤对应具体节点便于调试和理解底层原理适合学习和优化。它特别适合以下人群已有 Stable Diffusion 基础希望更深入控制生成流程的用户。需要批量生成或集成 AI 生成能力到自有工具的开发者。追求工作流稳定性和可复现性的内容创作团队。对 AI 绘画底层技术感兴趣想通过节点理解扩散模型工作原理的学习者。2. 环境准备与依赖安装ComfyUI 本身基于 Python并依赖 PyTorch 等深度学习库。虽然存在一些整合包如秋叶整合包简化了安装但理解手动安装过程有助于排查环境问题。以下分别介绍手动安装和整合包安装两种方式。2.1 系统基础环境检查在开始前请确认你的系统满足以下基本要求组件最低要求推荐配置检查命令操作系统Windows 10, macOS 10.15, Ubuntu 18.04Windows 11, macOS 12, Ubuntu 20.04winver或sw_vers或lsb_release -aPython3.83.10python --version内存8 GB16 GB 以上-显卡支持 CUDA 的 NVIDIA 显卡4 GB 显存NVIDIA RTX 3060 以上8 GB 显存nvidia-smi存储10 GB 可用空间50 GB 以上用于存放模型-注意AMD 显卡用户可通过 ROCm 支持运行但配置过程更为复杂本文以 NVIDIACUDA 为例。集成显卡或显存不足 4 GB 的机器可能无法运行大部分模型。2.2 安装 Python 和 Git如果系统尚未安装 Python 和 Git需要先进行安装。Windows 用户访问 Python 官网下载 Python 3.10.x 安装包安装时务必勾选 “Add Python to PATH”。访问 Git 官网下载 Git for Windows按默认选项安装。安装完成后打开命令提示符CMD或 PowerShell验证安装python --version git --versionmacOS 用户使用 Homebrew 安装/bin/bash -c $(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh) brew install python gitLinux (Ubuntu/Debian) 用户sudo apt update sudo apt install python3 python3-pip git2.3 安装 ComfyUI方式一手动安装推荐用于学习手动安装能让你清晰了解依赖关系便于后续自定义和排错。克隆 ComfyUI 仓库到本地git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI创建并激活虚拟环境避免包冲突python -m venv venv # Windows venv\Scripts\activate # macOS/Linux source venv/bin/activate安装依赖包pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117 pip install -r requirements.txt注意PyTorch 的 CUDA 版本需与本地 CUDA 驱动匹配。可通过nvidia-smi查看驱动支持的 CUDA 版本如 12.0然后调整--index-url为对应版本如cu120。若不确定可先安装 CPU 版本去掉--extra-index-url部分但生成速度会大幅下降。方式二使用秋叶整合包适合快速上手秋叶整合包已预置了 Python 环境、常用插件和模型解压即用。从可靠来源下载最新版秋叶 ComfyUI 整合包。解压到不含中文和空格的路径如D:\ComfyUI。运行run_comfyui.batWindows或run_comfyui.shLinux/macOS。首次运行会自动安装依赖完成后在浏览器打开http://127.0.0.1:8188。整合包省去了配置麻烦但若遇到问题可能因环境隔离而难以排查。建议新手先从整合包开始熟悉后再尝试手动安装。3. 模型下载与放置ComfyUI 需要预训练模型才能工作。常见的模型包括检查点模型Checkpoint、VAE、LoRA、控制网等。这些模型需放置在正确的目录下。3.1 模型类型与作用模型类型功能常见文件格式存放路径Checkpoint主模型决定生成风格和质量.safetensors, .ckptComfyUI/models/checkpointsVAE改善颜色和细节.pt, .safetensorsComfyUI/models/vaeLoRA微调模型实现特定风格或人物.safetensorsComfyUI/models/lorasControlNet控制生成构图、姿势等.pth, .safetensorsComfyUI/models/controlnet超分辨率放大图像.pthComfyUI/models/upscale_models3.2 下载模型可以从以下平台下载模型Civitai社区活跃模型丰富需注意版权。Hugging Face官方模型较多需登录后下载。国内镜像站下载速度较快但更新可能滞后。以下载 Stable Diffusion 1.5 基础模型为例访问 Civitai搜索 “SD 1.5” 或 “v1-5-pruned-emaonly.safetensors”。下载文件到本地。将其放入ComfyUI/models/checkpoints目录。注意模型文件较大通常 2-7 GB确保磁盘空间充足。下载后验证文件完整性避免损坏导致加载失败。3.3 模型目录结构验证安装完成后你的 ComfyUI 目录应类似以下结构ComfyUI/ ├── models/ │ ├── checkpoints/ # 放置 checkpoint 模型 │ ├── vae/ # 放置 VAE 模型 │ ├── loras/ # 放置 LoRA 模型 │ ├── controlnet/ # 放置 ControlNet 模型 │ └── upscale_models/ # 放置超分模型 ├── custom_nodes/ # 自定义节点插件 ├── output/ # 生成结果默认保存位置 ├── comfyUI.exe # 主程序整合包 └── requirements.txt # Python 依赖列表4. 启动 ComfyUI 并加载工作流4.1 启动服务在 ComfyUI 根目录下根据安装方式执行相应命令手动安装# 确保虚拟环境已激活 python main.py整合包双击run_comfyui.batWindows或运行./run_comfyui.shLinux/macOS。启动成功后终端将显示类似信息* Running on http://127.0.0.1:8188在浏览器中打开该地址即可看到 ComfyUI 界面。4.2 界面概览ComfyUI 界面主要分为节点图区域中央画布用于拖拽和连接节点。节点菜单右键点击画布选择添加各类节点。工作流管理可加载、保存、清除当前节点图。队列控制用于触发生成、中断任务。4.3 加载基础工作流对于新手建议从简单工作流开始右键画布 - 选择 “Load” - “Default Workflow” 或从示例中加载预置工作流。界面将出现一组已连接的节点通常包括Load Checkpoint加载主模型。CLIP Text EncodePrompt输入正面提示词。CLIP Text EncodeNegative Prompt输入负面提示词。KSampler采样器设置步骤、种子、CFG 等。VAE Decode将潜变量解码为图像。Save Image保存生成结果。点击Queue Prompt执行生成首次运行会下载缺失的节点依赖如需要。5. 核心节点详解与参数配置理解关键节点的作用及参数含义是掌握 ComfyUI 的基础。5.1 Load Checkpoint 节点该节点用于加载主模型关键参数ckpt_name选择已放入checkpoints目录的模型文件。输出模型、CLIP、VAE 三个输出分别供后续节点使用。5.2 CLIP Text Encode 节点用于处理提示词通常需要两个实例正面/负面text输入提示词如 “masterpiece, best quality, 1girl, solo”。clip连接来自 Load Checkpoint 的 CLIP 输出。5.3 KSampler 节点核心采样节点控制生成过程model连接 Load Checkpoint 的 model 输出。positive/negative连接对应 CLIP Text Encode 的输出。latent_image连接空潜变量节点如 Empty Latent Image。seed随机种子固定种子可复现结果。steps采样步数20-30 为常用范围。cfg分类器自由引导尺度7-12 常见。sampler_name采样器如 Euler a, DPM 2M Karras。scheduler调度器如 normal, karras。5.4 VAE Decode 节点将采样后的潜变量解码为像素图像samples连接 KSampler 的输出。vae连接 Load Checkpoint 的 VAE 输出。5.5 Save Image 节点保存最终图像images连接 VAE Decode 的输出。filename_prefix设置保存文件的前缀。6. 自定义工作流与常用插件安装基础工作流稳定后可通过安装插件节点扩展功能。6.1 安装自定义节点ComfyUI 支持通过custom_nodes目录安装插件在ComfyUI/custom_nodes目录下克隆插件仓库例如安装 Manager 插件cd custom_nodes git clone https://github.com/ltdrdata/ComfyUI-Manager.git重启 ComfyUI新节点将出现在节点菜单中。6.2 常用插件推荐ComfyUI-Manager图形化节点管理一键安装/更新插件。ControlNet 预处理器节点实现姿势控制、边缘检测等。Impact Pack提供人脸修复、分段、背景移除等实用节点。WAS Node Suite扩展图像处理、文件操作等功能。6.3 构建自定义工作流以添加 LoRA 为例在Load Checkpoint和CLIP Text Encode之间插入Load LoRA节点。连接model和clip到 LoRA 节点再将输出连接到后续节点。在lora_name选择已放置的 LoRA 文件并设置强度strength。7. 生成图像与视频7.1 图像生成流程验证确保以下流程畅通选择正确的模型文件。填写提示词正面/负面。设置合理的采样参数steps20, cfg7.5, seed随机。点击 “Queue Prompt” 开始生成。在终端或界面查看进度生成完成后图像保存至output目录。7.2 视频生成准备ComfyUI 可通过特定节点实现视频生成如图生视频、文生视频安装视频相关节点如 AnimateDiff-Evolved。下载运动模型如mm_sd_v15_v2.ckpt并放入models/animatediff_models。在工作流中插入Load AnimateDiff Model和Apply AnimateDiff Model节点。调整帧数、循环等参数生成视频序列。8. 常见问题排查以下列出安装和使用过程中的典型问题及解决方案。8.1 启动失败类问题现象可能原因排查方法解决方案启动时提示 Python 找不到Python 未安装或未加入 PATH命令行执行python --version重新安装 Python 并勾选 “Add to PATH”提示模块缺失依赖未安装检查是否激活虚拟环境执行pip list在 ComfyUI 目录下重新执行pip install -r requirements.txt端口 8188 被占用其他程序占用端口查看端口占用情况更改启动参数--port 8189或结束占用程序8.2 模型加载类问题现象可能原因排查方法解决方案模型列表为空模型路径错误检查models/checkpoints目录是否有文件将模型文件放入正确目录重启 ComfyUI加载模型时报 CUDA 内存不足显存不足使用nvidia-smi查看显存占用降低分辨率、使用--cpu启动仅 CPU 模式或优化工作流模型加载失败且报错模型文件损坏验证文件哈希值或重新下载重新下载模型确保下载完整8.3 生成过程类问题现象可能原因排查方法解决方案生成结果全黑或全灰VAE 未正确设置检查 VAE Decode 节点是否连接正确 VAE在 Load Checkpoint 中显式选择 VAE 或单独连接 VAE 节点提示词无效CLIP 节点未连接检查 CLIP Text Encode 的 clip 输入确保连接到 Load Checkpoint 的 CLIP 输出生成速度极慢使用了 CPU 模式查看终端启动日志是否显示 CUDA确认 PyTorch 为 CUDA 版本并更新显卡驱动8.4 节点缺失类问题现象可能原因排查方法解决方案加载工作流提示未知节点缺少对应插件查看缺失节点名称通过 ComfyUI-Manager 或手动安装对应自定义节点节点显示红色报错节点依赖未安装查看终端错误信息根据提示安装缺失 Python 包如pip install opencv-python9. 最佳实践与性能优化9.1 工作流管理及时保存工作流.json文件便于分享和复现。为复杂工作流添加注释节点Note说明关键参数和用途。定期备份custom_nodes和重要工作流文件。9.2 性能调优使用--highvram参数显存充足时提升速度。使用--lowvram或--novram参数显存紧张时避免溢出。在 KSampler 中尝试不同的采样器如 DPM 2M Karras 在速度和质量间平衡较好。合理设置分辨率过高分辨率会显著增加显存占用和生成时间。9.3 模型管理定期清理不用的模型释放磁盘空间。使用模型名称前缀分类如sd15_、sdxl_便于识别。关注模型更新和社区评价及时更换更优模型。完成以上步骤后你应该已经能够在本地正常运行 ComfyUI并根据需要生成图像和视频。后续可进一步探索复杂工作流设计、插件开发或与其他工具如 After Effects、Blender的集成充分发挥节点式工作流的优势。