折腾ComfyUI一年多了从最初的“这什么鬼界面”到现在给身边朋友推荐几乎都是推ComfyUI而不再推WebUI。今天这篇就把安装、配置、文生图、图像编辑、图生视频这一整条线做个完整梳理每一步尽量讲透“为什么这么做”不光是给个按钮路径免得你抄完作业还是不会自己改动。先泼一盆冷水ComfyUI的学习曲线比SD WebUI要高尤其对没接触过节点式工具的纯小白第一次打开满屏线缆和方块容易劝退。但它值得你熬过这一关。节点式工作流的最大优势不是“酷”而是可复现、可组合、可批量生成逻辑一变就一目了然不会像WebUI那样点完参数就跑回头想复现上一步的效果只能靠截图。现在文生图、图像编辑、图生视频这些场景ComfyUI的社区生态已经非常完整很多新模型的首发工作流都在ComfyUI上不用它等于放弃了最前沿的玩法。这篇文章面向的读者想从零开始本地部署ComfyUI的入门者以及装了整合包但不知道模型怎么放、工作流怎么搭的迷茫党。我不只讲点击步骤还会把目录结构、模型类型、节点逻辑、常见报错一并说清照着文章走完你应该能独立搭出一条文生图工作流还能在此基础上扩展图生视频。1. 先把ComfyUI讲明白它不只是“另一个绘图软件”1.1 节点式到底是什么意思传统绘图工具给的是“一个窗口、一堆参数”而ComfyUI给的是“一张画布、一堆模块”每个模块就是一个节点节点之间用线连接线代表数据流动。拿最简单的文生图来说一个提示词文本在WebUI里是输入框在ComfyUI里是“CLIP文本编码”节点出图的尺寸在WebUI里是滑块在ComfyUI里是“空白潜空间图像”节点。整个生成过程变成了一条流水线模型加载 → 文本编码 → 初始化潜空间 → 采样器循环 → 解码 → 保存图像。最开始用的时候我的真实感受是烦拖节点真不如改参数快。但用着用着就发现了关键好处——中间任意一步都能停下来检查、替换、分支。比如我想对比两个提示词对画面的影响在WebUI里得跑两次在ComfyUI里直接拉两条线到同一个采样器就行。这就像厨房里做菜传统方式是整套流程固定只能换佐料节点式是你能把灶台、锅、切菜板自由组合甚至同时开两锅菜。1.2 ComfyUI与SD WebUI的核心差异两者底层都是Stable Diffusion系列模型但设计哲学完全不同。ComfyUI在显存利用上更精细生成大图、批量生图时优势明显。以前我用4GB显存跑SD1.5WebUI开2048尺寸容易崩ComfyUI配上低显存优化插件还能勉强跑原因在于它的采样和执行机制更少浪费显存中间张量不长期驻留。差异对比维度ComfyUIStable Diffusion WebUI界面形态节点画布页面表单工作流保存JSON文件天然可分享参数靠截图和脚本显存利用优化较好适合低显存尝试相对宽松但占用偏高可扩展性ComfyUI-Manager一键管理插件插件机制成熟但偶有冲突适合人群愿意理解逻辑的玩家、进阶用户追求开箱即用、快速出图批量/自动化原生适应需额外插件支持如果你问我怎么选我的建议很直接新人可以先从整合包体验但别停留在“套现成工作流”的阶段否则你永远学不会自己搭。我自己就是从WebUI转了半年后才彻底迁到ComfyUI迁完最大的感受是以前调参数靠猜现在每一步都在自己的掌控中。1.3 它能做哪几类事标题里提到的几个方向对应到ComfyUI里分别是几类典型工作流文生图最基础的“文本 → 图像”核心是Checkpoint模型 CLIP编码 KSampler。图生图给一张图加提示词让模型在参考图基础上重绘常用于改风格、改内容。局部重绘只有某一块区域重画其他区域保持原样靠遮罩节点实现。图生视频输入一张图模型补全运动生成短视频目前主流方案是AnimateDiff或专门的图像转视频模型。图像放大与修复用ESRGAN、Ultimate SD Upscale等工作流提高分辨率。这篇文章会依次覆盖前四类最后再补一些常见故障处理。2. 安装前的准备工作摸清家底再动手2.1 硬件需求与系统兼容性先看你的电脑适不适合折腾。ComfyUI本身是个Python程序但真正吃配置的是底层PyTorch和模型推理。拿最常见的SD1.5/SDXL模型说CPUi5或锐龙5以上就能跑但出图速度惨烈4张图可能十几分钟。显卡NVIDIA卡首选6GB显存可以玩SD1.512GB以上才能流畅跑SDXL24GB以上跑Flux、视频模型才舒服。内存16GB起步32GB更稳。加载大模型时显存不够会溢出到内存内存太小直接崩溃。硬盘SSD是硬性要求因为模型动辄几GB加载速度全靠固态。预留50GB以上空间才够放下若干个模型。AMD显卡也能跑但要在Linux下用ROCmWindows下兼容性差一些不建议新手尝试。Apple芯片的Mac可以跑有MPS加速方案但生态和性能都不如N卡入门可以深入不建议。2.2 三种免费安装方式怎么选ComfyUI是开源免费项目官方仓库在GitHub上主仓库名为ComfyUI。目前国内用户常用的安装路径有三条第一种秋叶整合包适合纯小白秋叶整合包是目前国内传播最广的ComfyUI打包版本把Python、PyTorch、ComfyUI本体、常用模型甚至部分插件都塞进一个压缩包里解压就能用。它对新手最大的价值是省去了配置Python虚拟环境的痛苦内置的启动器还能一键切换国内源、更新版本。缺点是包体积大而且依赖版本可能滞后如果要用最新特性还得手动升级。第二种官方源码手动部署适合进阶从GitHub拉取源代码自己创建虚拟环境装依赖。优点是完全可控想看源码能直接看升级最灵活。缺点是命令行操作多对头发不太友好。第三种便携版官方包官方提供了便携压缩包Windows用户下载解压后运行脚本能自动准备好Python环境和依赖。本质上介于整合包和手动部署之间比较干净适合不喜欢整合包内置一堆东西的用户。从我的经验看新手建议直接选秋叶整合包或官方便携版先把界面跑起来再慢慢折腾内在。别一上来就手动部署环境问题排查半天还没进正题就放弃了。2.3 整合包安装流程实录以秋叶整合包为例流程是下载整合包压缩文件通常10GB以上注意校验文件名和发布源。解压到非中文路径的目录比如D盘下建一个ComfyUI_AI文件夹。解压完成后进入目录找到启动器或启动脚本。首次启动会自动检查依赖检测到缺失会提示修复。启动器中通常有“版本管理”和“模型管理”入口可切换国内下载源。点击启动看到终端打印出“Starting server”字样浏览器自动弹出默认地址127.0.0.1:8188。注意如果你用的是官方源码方式启动命令类似这样python main.py --port 8188如果启动后没有自动弹窗直接浏览器访问127.0.0.1:8188即可。第一次打开界面时画布是空白的需要自己拖节点或加载工作流别慌这是正常的很多新手以为打开就有生成按钮其实不是。这里还有一个细节不要双击main.py也不要直接去运行ComfyUI文件夹下的.exe很多报错都是因为这些方式绕过了启动器导致环境变量没加载、PyTorch版本不对。3. 把环境调顺国内镜像、依赖、升级3.1 为什么必须换国内源安装整合包后很多人第一步就开始从网上下模型结果慢成龟速。因为常用的Hugging Face、Civitai服务器都在国外。解决办法不是去折腾网络工具那属于违法危险操作而是用国内可访问的镜像站和聚合站。Python的pip工具本身也可以切换国内源很多整合包已经把源配好但如果你手动部署或依赖不全建议按下面的方法设置。手动部署时创建虚拟环境并安装依赖python -m venv comfyenv # Windows激活 comfyenv\Scripts\activate # Linux/macOS激活 source comfyenv/bin/activate安装依赖时需要指定国内镜像源pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple也可以永久设置pip默认源pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple国内常见源还有阿里云mirrors.aliyun.com、腾讯云mirrors.cloud.tencent.com、华为云mirrors.huaweicloud.com。实测下来清华源和阿里云源稳定性最好大文件下载速度能拉满。3.2 PyTorch与CUDA版本匹配ComfyUI的核心依赖是PyTorchN卡用户需要安装适配CUDA的版本。整合包里默认装好了CUDA版PyTorch但手动部署时最坑的就是这一环。先说原理CUDA是NVIDIA显卡的并行计算平台PyTorch需要调用CUDA接口才能在显卡上跑。CUDA版本不是越高越好而要和显卡驱动、PyTorch版本匹配。装了不匹配的版本启动时会报“Torch not compiled with CUDA enabled”之类错误。手动安装时参考官方命令# 以PyTorch 2.6.0配合CUDA 12.4为例 pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124但这个源在部分网络下很慢可以改用国内镜像的PyTorch源pip install torch torchvision torchaudio -i https://mirrors.aliyun.com/pytorch-wheels/cu124/简单点的核查方法启动ComfyUI后在终端看有没有“Using device: cuda:0”字样。如果显示CPU说明PyTorch装错版本了。3.3 升级ComfyUIComfyUI更新很频繁新功能和新节点层出不穷。整合包自带的版本管理一般有“一键更新”但会覆盖你改过的源码所以我的习惯是核心更新用官方git插件更新用ComfyUI-Manager。手动部署升级git pull origin master pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple更新前最好备份一下自定义节点和自定义脚本。特别是你装过的插件大版本更新后可能兼容性出问题具体排查见文末。4. 模型体系与目录结构不搞懂这个工作流都是空中楼阁4.1 模型类型与放置位置ComfyUI的模型不再是把所有文件扔进一个models文件夹了它有细分的子目录。这一节很关键位置放错节点就找不到模型。标准目录结构是这样的ComfyUI/ ├─ models/ │ ├─ checkpoints/ # 主模型完整模型加载后直接可用 │ ├─ loras/ # LoRA微调模型 │ ├─ vae/ # VAE模型负责图像解码 │ ├─ controlnet/ # ControlNet模型控制构图 │ ├─ clip/ # CLIP模型文本编码 │ ├─ unet/ # 扩散模型UNet部分部分新架构会用到 │ ├─ diffusion_models/ # 扩散模型文件 │ └─ upscale_models/ # 放大模型主模型Checkpoint以.safetensors或.ckpt结尾是文生图最核心的文件。它把UNet、VAE、CLIP都封装在一起所以新手阶段只需要下载这一个就够了。后续玩到SDXL、Flux这类新架构时才需要拆开加载三种独立模型。还有一类是“扩散模型文件”以.safetensors结尾丢到diffusion_models或unet文件夹用“加载扩散模型”节点加载。这种拆包方式的好处是灵活但新手容易搞混。我的经验是初期老老实实用checkpoints文件夹别碰拆分式的等问题多了再来理解。4.2 去哪下载模型怎么选渠道上我主要用三类Hugging Face大量开源模型官方发布站但部分网络访问慢建议使用镜像站。Civitai社区型模型站LoRA和Checkpoint资源极其丰富。国内模型整合站比如一些专门做模型搬运的平台搜索“模型站”能查到一堆但注意甄别下载链接是否安全尽量选带校验和的文件。选模型时不要贪多。SD1.5系列出图快配置要求低适合练手SDXL系列画质更好但显存要求高Flux系列是目前顶级画质但模型体积大、硬件门槛高新手不建议一上来就挑战。我推荐的入门组合一个SD1.5写实类模型 一个合适的LoRA。比如想画人像下载一个写实Checkpoint再配一组人像LoRA出图效果比单纯原版模型好很多。4.3 文件名与安全提醒模型文件动辄好几个GB下载时一定注意优先选择.safetensors格式这个格式不包含可执行代码比.ckpt更安全。下载后可以先看文件大小是否与页面标注一致。如果不确定来源先不加载查一下社区评价再使用防止下载到包含恶意代码的模型文件。这个坑我说过一次就都知道曾经有人下载了恶意.ckpt文件导致整台电脑异常。所以现在我只在熟悉的渠道下载模型别啥都不看直接套.5. 文生图工作流从零搭建踩坑最集中的一个环节5.1 必需节点与连线逻辑你看网上分享的工作流动辄几十个节点其实万变不离其宗核心只有一个“采样循环”。我一个个列出来每个节点什么作用讲清楚节点作用必备与否Load Checkpoint加载主模型必备CLIP Text Encode正面把正向提示词转成条件向量必备CLIP Text Encode负面把负向提示词转成条件向量必备Empty Latent Image定义生成图的尺寸和初始化状态必备KSampler执行扩散采样迭代必备VAE Decode把潜空间结果解码成图像必备Save Image保存图像到输出目录必备Preview Image预览图像可选接线顺序就是数据流顺序。以文生图的核心循环来说加载Checkpoint后它有两个输出一个给CLIP Text Encode一个给KSamplerCLIP编码器把“正向提示词”和“负面提示词”都转成条件向量连到KSampler的条件输入Empty Latent Image给出初始潜空间张量连到KSampler的“潜空间图像”输入KSampler迭代完成后输出图像潜空间数据交给VAE Decode解码成正常图像最后保存。这里最容易犯的错误新手把VAE解码头接错了位置或者误删了加载Checkpoint的VAE输出线结果生成全黑图。记住加载Checkpoint节点通常只接它的“CLIP”和“MODEL”输出不单独接VAE输出因为模型内置VAE。5.2 亲手搭一条文生图工作流打开一个空白画布按Tab键可以弹出节点搜索框输节点名就能找到。操作步骤在搜索框输入“Load Checkpoint”放到画布。点击Checkpoint节点上的模型选择下拉框选中已放置到models/checkpoints目录的模型文件。搜索并添加“CLIP Text Encode”放两个一个重命名或标记为正向一个为负向。在正向提示词框输入你想要的内容比如“一个穿着红色毛衣的女孩在森林中阳光洒落超高细节浅景深”负面提示词输入“模糊, 低画质, 畸变, 多余手指, 水印”。搜索“Empty Latent Image”设置宽度768、高度1024不同模型对尺寸有要求SD1.5一般填512或768整数倍。搜索“KSampler”设置步数steps28采样器选DPM 2M调度器选KarrasCFG设为6到8种子随便填一个随机数。搜索“VAE Decode”和“Save Image”依次接好。点界面右侧的Queue Prompt或CtrlEnter开始生成。讲一下关键参数的选择逻辑。步数不是越多越好SD1.5在20到30之间基本稳了30步以上边际收益很低只会拖慢速度。采样器DPM 2M是目前综合质量与速度的优选你看到很多分享工作流用Euler或DPM SDE那是针对特定风格。CFG值控制提示词遵循程度太高12以上容易色彩过饱和太低4以下画面容易松散。新手从7左右开始调最稳妥。5.3 提示词怎么写附常见模板提示词是文生图的灵魂但没人能背全公式。我分享一套自己的组织套路按顺序写就能稳定出图主体一个穿红色连衣裙的女孩。环境与背景古堡内、蜡烛照明。光照与氛围柔光、电影感。画面质量词high detail、masterpiece、8k。负面提示词固定加lowres、bad anatomy、bad hands、extra fingers、blurry、text、watermark。给出一个可直接抄的模板正面提示词 1girl, solo, red dress, long black hair, standing in ancient castle, candles around, soft cinematic lighting, volumetric light, masterpiece, best quality, highly detailed face, detailed eyes, depth of field, warm colors 负面提示词 score, lowest quality, jpeg artifacts, lowres, bad anatomy, bad hands, missing fingers, extra digits, watermark, signature, text, monochrome, oversaturation说到提示词大全我其实不建议背大量例句更建议理解词性分类和权重符号。ComfyUI里用圆括号提高权重例如(red dress:1.3)。带着这个理解去抄案例比死记硬背有效多了。补充一个细节在CLIP文本编码节点框内按CtrlEnter可以快速执行当前工作流当你有多个工作流并用时这个快捷键效率很高。6. 图像编辑实战图生图与局部重绘6.1 图生图工作流的改造方法图生图就是在文生图基础上多加载一张现有图片把它作为初始潜空间输入而不是从纯噪声开始。这样生成结果既保留原图构图语义又受提示词影响。改造方法也不复杂在Checked节点之外增加“加载图像Load Image”节点和“VAE编码VAE Encode”节点。加载图像的输出连接到VAE编码的图像输入VAE编码接到KSampler的潜空间图像输入。然后你的提示词写“你希望它变成什么样的风格”。关键参数是“去噪强度denoise”这个参数在KSampler中其实没有直接暴露你需要在加载图像后加一个“图像缩放”或“潜空间缩放”节点或者在CLIP/加载环节设置。实际情况中图生图的去噪强度默认0.75控制的是“保留原图的程度”0.3以下基本等于原图微调0.8以上接近文生图只在构图上保留参考。我最常用的是风格转换。给一张普通照片提示词写上“油画风格梵高风格笔触明显”去噪强度0.65出来的图既有原照片的主体又有油画的质感。这个玩法在ComfyUI上很顺手因为你能把“加载图像”和“文生图主流程”并行放在一幅画布上来回切参数看效果。6.2 局部重绘画布遮罩方案局部重绘需要“遮罩Mask”你可以先用画笔工具在图像上涂抹需要重绘的区域。新版ComfyUI支持在“加载图像”节点上直接绘制蒙版拖线到“设置蒙版”节点即可。局部重绘工作流的核心是“以遮蔽方式填充图像Set Latent Noisy Mask”或直接使用专门的“局部重绘”节点。操作步骤加载图像节点设置图片路径。在加载图像节点上开启蒙版绘制用鼠标涂抹要重绘的区域。添加“设置蒙版”节点把图像输入和蒙版输入分别接好。将输出的带蒙版潜空间接到KSampler的潜空间图像输入。提示词描述你想重绘成的内容。调整去噪强度重绘区域越大去噪强度越高一般0.60.85。踩过的坑只改了提示词却忘记去掉蒙版结果整张图全被重绘又或者涂抹区域太小重绘后边界明显。边界问题影响最大建议涂抹时稍微扩大一点范围并配合“蒙版羽化Mask Blur”节点把过渡区域羽化几个像素融合更自然。6.3 图像编辑的扩展玩法除了上面两种日常图像编辑还会用到图像放大利用“潜空间放大”或“加载放大模型”把图从1024放大到2048以上常用模型超过Real-ESRGAN。消除物体直接用局部重绘遮罩勾选物体区域正面提示词填“空背景、纯色、什么都没有”负面提示词加“物体”。变脸换衣用图生图加“控制身体姿态”的ControlNet节点这类玩法属于进阶路线先把基础工作流跑通再说。7. 图生视频工作流从一张图到一段动起来的画面7.1 视频工作流的现实门槛图生视频是这两年AI绘图圈最热门的方向。它和文生图最大的区别是采样器不再生成单一图像张量而是要生成一系列帧张量时间维度加进来后计算量和显存占用量暴涨。ComfyUI里做图生视频主流方案有三类基于AnimateDiff的扩散视频方案用Stable Diffusion的底模配合AnimateDiff插件赋予运动模块然后在一段连续潜空间里生成多帧画面。专门的图像转视频模型I2V比如Wan 2.1 I2V、SkyReels这类模型直接接受一张图和一段文本输出多帧视频。视频编辑风格的图生视频首帧输入一张图尾帧输入另一张图中间帧做过渡。如果你显卡低于12GB显存建议先用AnimateDiff因为模型加载量相对可控。如果追求质量可以看看I2V模型但16GB显存以下会很吃力。7.2 搭建AnimateDiff视频生成工作流先说安装AnimateDiff需要安装节点插件最常用的是ComfyUI-AnimateDiff-Evolved。通过ComfyUI-Manager安装即可这个插件提供的节点包括“AnimateDiff加载器AD Loader”和“AnimateDiff采样设置”。核心工作流比文生图多出几个节点加载Checkpoint模型选一个适合视频的动漫或写实模型。CLIP Text Encode正负面提示词填法跟文生图类似但语义上要更偏向“动态、动作”。Empty Latent Image不用设置太高分辨率建议512或768宽帧数起步填16帧。添加“AnimateDiff加载器”选择运动模块文件如mm_sd_v15_v2。添加“AnimateDiff采样设置”选择上下文长度context length16批量大小建议从1帧开始测试。KSampler设置步数20到25采样器用Euler或DPM 2MCFG 6到7。输出到“VAE解码”后用保存视频节点导出视频文件。显存不足的话开启“批处理调度器”里的低显存选项再配合“图像重采样”先小图生成后期再放大。我首次实验时16帧、512尺寸、20步一块12GB显存卡耗时将近四分钟能出还不错的效果。超过32帧后再堆步数容易直接OOM这个度要自己试。7.3 I2V方案的安装与运行如果你要尝试专门的I2V模型路径稍有不同。以Wan 2.1 I2V为例需要下载对应扩散模型文件放入models/diffusion_models目录再搭配“加载扩散模型”节点。工作流从网上找现成的分享JSON即可官方社区一般会提供配套模板点击右侧的“Load”按钮导入。这里必须提一句视频类工作流对显存极其敏感即便是I2V模型出4秒视频也可能吃掉16GB以上显存。硬件不够就别硬上先小分辨率、短时长2到3秒测试。8. 插件管理与工作流分享让你的ComfyUI更顺手8.1 ComfyUI-Manager必装插件没有之一ComfyUI-Manager是管理各类自定义节点和插件的核心工具。安装方法很简单在终端进入ComfyUI安装目录运行git clone https://github.com/ltdrdata/ComfyUI-Manager.git custom_nodes/ComfyUI-Manager重启ComfyUI后界面右侧会出现“Manager”按钮。点击可以查看已安装节点、一键更新、搜索安装新节点。绝大多数的第三方节点都能在这里搜到并安装。很多新手装扩展失败原因就是自定义节点不通过Manager而是手动扔文件夹版本冲突后根本不知道哪个出了问题。我建议优先用Manager只有Manager没有的节点再考虑手动装。8.2 工作流的保存、导入与分享ComfyUI的工作流保存方式非常优秀点菜单里“Save”按钮会生成一个JSON文件这个文件把整个画布上节点位置、参数、连线全部记录下来。分享给别人时对方只需“Load”导入画布上就会原样出现你的工作流。导入工作流后最常见的问题节点标红显示“node not found”。这通常是因为对方电脑没装对应的自定义节点。解决办法是装上工作流中缺失的节点后再刷新。所以在分享前最好附带一份节点清单。8.3 常用节点包推荐装了Manager后这几个节点包建议优先补上ComfyUI-AnimateDiff-Evolved视频生成必备。ComfyUI-VideoHelperSuite视频加载、保存、抽帧工具集。ComfyUI-Impact-Pack人脸修复、图像细节增强、检测功能。ComfyUI_ControlNet-AuxControlNet预处理功能集。ComfyUI-Custom-Scripts画布增强、右键菜单增强。安装时注意装了Impact-Pack这类重量级插件后首次启动会下载额外的依赖包很可能因为网络卡住。建议先解决网络问题再装不然启动十几分钟出不来亮点。9. 常见问题与排查技巧实录9.1 启动报错速查表我整理了实战中出现频率最高的报错和处理办法做成了表格。不是所有报错都要重装很多只是路径或版本问题。报错现象可能原因解决办法“CUDA error: out of memory”显存不足降低分辨率、减小批量尺寸、开低显存优化“No module named ‘torch’”依赖没装或虚拟环境没激活激活虚拟环境并重新pip安装PyTorch“File not found. Checkpoint file missing”模型没放进正确目录放入models/checkpoints“Torch not compiled with CUDA enabled”PyTorch版本装成了CPU版重装CUDA版PyTorch画布节点报错“ValueError”节点输入类型不匹配检查连线是否错接、模型类型是否兼容导入工作流后节点全部红色缺自定义节点用Manager安装缺失节点出图全黑VAE连接错误或模型异常检查VAE解码节点接线换模型测试启动很久只转圈插件依赖下载失败或网络问题查看终端日志手动补齐依赖并切换国内源9.2 显存不足时的优化技巧显存是ComfyUI的主要瓶颈尤其是图生视频。我实测有效的方案降低潜空间分辨率把宽度从1024降到768显存占用能降40%以上。开启“智能内存管理”部分整合包有“低显存模式”本质上是用“解码后释放模型”或“降低批大小”。使用控制网前先压缩图像ControlNet预处理器很吃显存先在小图上处理好再放大。用“分组批调度batch schedule”把厚重的子工作流拆开按阶段执行。换用低显存优化节点比如用“TeaCache”或“Torch Compile”相关节点加速并减显存。说实话优化最多只能缓解真正解决还得换大显存卡。如果你只是练手折腾把出图尺寸控制在512几张图也能跑起来。9.3 我在实操中总结的几个独家小技巧第一每次调参前先固定种子Seed否则你会发现同样的提示词和设置两次生成结果却差很多完全没法对比。种子固定后改一个参数看一个效果这才是科学的调参。第二负面提示词不是越多越好写太多反而容易压制模型。第三清理工作流很重要。很多下载的工作流动辄上百个节点看得人头皮发麻。我在导入别人工作流后会先用“右键→Mute静音”把不影响核心链路的节点关掉跑通主干后再逐步打开其它节点。这样排查问题快很多。第四输出文件默认保存在“ComfyUI/output”目录如果你分享图片给别人但别人打开提示“找不到工作流”说明这张图不是ComfyUI生成的原图因为ComfyUI生成图片会内嵌工作流JSON截图则没有。第五多用“CtrlEnter”提交任务少点“Queue Prompt”鼠标不来回移动效率更高。9.4 最后一个建议先跑通再美化刚开始别追求复杂的工作流先从最基础的文生图跑起来出图成功后再叠加图生图、局部重绘、图生视频一步步来。很多人安装完就去找几十个节点的炫酷工作流结果导入就报错半天毫无产出基本冲动就没了。我自己的学习路径是基础文生图 → 图生图 → 局部重绘 → ControlNet → AnimateDiff每一步都拿不同素材实验大概两周后就能独立搭出想要的任意工作流。这篇文章里提到的所有操作都可以在装好ComfyUI之后照着复现。安装阶段有两条路整合包省心手动部署练手选择权在你。真正重要的不是安装方式而是安装之后你愿不愿意花一点时间搞懂节点、模型、参数之间的关系。最后分享一个实测下来很有效的学习法去官方示例工作流列表里下载官方自带的示例JSON直接导入到画布然后逐个节点看它们在干什么。你不需要读一行代码光是把每个节点的输出接到新节点上观察变化就能比看十篇教程学得快。这个习惯我一直保留到现在每出一个新模型、新插件都是先用这个方法拆解它。 ComfyUI实战指南：从节点式工作流到图生视频
折腾ComfyUI一年多了从最初的“这什么鬼界面”到现在给身边朋友推荐几乎都是推ComfyUI而不再推WebUI。今天这篇就把安装、配置、文生图、图像编辑、图生视频这一整条线做个完整梳理每一步尽量讲透“为什么这么做”不光是给个按钮路径免得你抄完作业还是不会自己改动。先泼一盆冷水ComfyUI的学习曲线比SD WebUI要高尤其对没接触过节点式工具的纯小白第一次打开满屏线缆和方块容易劝退。但它值得你熬过这一关。节点式工作流的最大优势不是“酷”而是可复现、可组合、可批量生成逻辑一变就一目了然不会像WebUI那样点完参数就跑回头想复现上一步的效果只能靠截图。现在文生图、图像编辑、图生视频这些场景ComfyUI的社区生态已经非常完整很多新模型的首发工作流都在ComfyUI上不用它等于放弃了最前沿的玩法。这篇文章面向的读者想从零开始本地部署ComfyUI的入门者以及装了整合包但不知道模型怎么放、工作流怎么搭的迷茫党。我不只讲点击步骤还会把目录结构、模型类型、节点逻辑、常见报错一并说清照着文章走完你应该能独立搭出一条文生图工作流还能在此基础上扩展图生视频。1. 先把ComfyUI讲明白它不只是“另一个绘图软件”1.1 节点式到底是什么意思传统绘图工具给的是“一个窗口、一堆参数”而ComfyUI给的是“一张画布、一堆模块”每个模块就是一个节点节点之间用线连接线代表数据流动。拿最简单的文生图来说一个提示词文本在WebUI里是输入框在ComfyUI里是“CLIP文本编码”节点出图的尺寸在WebUI里是滑块在ComfyUI里是“空白潜空间图像”节点。整个生成过程变成了一条流水线模型加载 → 文本编码 → 初始化潜空间 → 采样器循环 → 解码 → 保存图像。最开始用的时候我的真实感受是烦拖节点真不如改参数快。但用着用着就发现了关键好处——中间任意一步都能停下来检查、替换、分支。比如我想对比两个提示词对画面的影响在WebUI里得跑两次在ComfyUI里直接拉两条线到同一个采样器就行。这就像厨房里做菜传统方式是整套流程固定只能换佐料节点式是你能把灶台、锅、切菜板自由组合甚至同时开两锅菜。1.2 ComfyUI与SD WebUI的核心差异两者底层都是Stable Diffusion系列模型但设计哲学完全不同。ComfyUI在显存利用上更精细生成大图、批量生图时优势明显。以前我用4GB显存跑SD1.5WebUI开2048尺寸容易崩ComfyUI配上低显存优化插件还能勉强跑原因在于它的采样和执行机制更少浪费显存中间张量不长期驻留。差异对比维度ComfyUIStable Diffusion WebUI界面形态节点画布页面表单工作流保存JSON文件天然可分享参数靠截图和脚本显存利用优化较好适合低显存尝试相对宽松但占用偏高可扩展性ComfyUI-Manager一键管理插件插件机制成熟但偶有冲突适合人群愿意理解逻辑的玩家、进阶用户追求开箱即用、快速出图批量/自动化原生适应需额外插件支持如果你问我怎么选我的建议很直接新人可以先从整合包体验但别停留在“套现成工作流”的阶段否则你永远学不会自己搭。我自己就是从WebUI转了半年后才彻底迁到ComfyUI迁完最大的感受是以前调参数靠猜现在每一步都在自己的掌控中。1.3 它能做哪几类事标题里提到的几个方向对应到ComfyUI里分别是几类典型工作流文生图最基础的“文本 → 图像”核心是Checkpoint模型 CLIP编码 KSampler。图生图给一张图加提示词让模型在参考图基础上重绘常用于改风格、改内容。局部重绘只有某一块区域重画其他区域保持原样靠遮罩节点实现。图生视频输入一张图模型补全运动生成短视频目前主流方案是AnimateDiff或专门的图像转视频模型。图像放大与修复用ESRGAN、Ultimate SD Upscale等工作流提高分辨率。这篇文章会依次覆盖前四类最后再补一些常见故障处理。2. 安装前的准备工作摸清家底再动手2.1 硬件需求与系统兼容性先看你的电脑适不适合折腾。ComfyUI本身是个Python程序但真正吃配置的是底层PyTorch和模型推理。拿最常见的SD1.5/SDXL模型说CPUi5或锐龙5以上就能跑但出图速度惨烈4张图可能十几分钟。显卡NVIDIA卡首选6GB显存可以玩SD1.512GB以上才能流畅跑SDXL24GB以上跑Flux、视频模型才舒服。内存16GB起步32GB更稳。加载大模型时显存不够会溢出到内存内存太小直接崩溃。硬盘SSD是硬性要求因为模型动辄几GB加载速度全靠固态。预留50GB以上空间才够放下若干个模型。AMD显卡也能跑但要在Linux下用ROCmWindows下兼容性差一些不建议新手尝试。Apple芯片的Mac可以跑有MPS加速方案但生态和性能都不如N卡入门可以深入不建议。2.2 三种免费安装方式怎么选ComfyUI是开源免费项目官方仓库在GitHub上主仓库名为ComfyUI。目前国内用户常用的安装路径有三条第一种秋叶整合包适合纯小白秋叶整合包是目前国内传播最广的ComfyUI打包版本把Python、PyTorch、ComfyUI本体、常用模型甚至部分插件都塞进一个压缩包里解压就能用。它对新手最大的价值是省去了配置Python虚拟环境的痛苦内置的启动器还能一键切换国内源、更新版本。缺点是包体积大而且依赖版本可能滞后如果要用最新特性还得手动升级。第二种官方源码手动部署适合进阶从GitHub拉取源代码自己创建虚拟环境装依赖。优点是完全可控想看源码能直接看升级最灵活。缺点是命令行操作多对头发不太友好。第三种便携版官方包官方提供了便携压缩包Windows用户下载解压后运行脚本能自动准备好Python环境和依赖。本质上介于整合包和手动部署之间比较干净适合不喜欢整合包内置一堆东西的用户。从我的经验看新手建议直接选秋叶整合包或官方便携版先把界面跑起来再慢慢折腾内在。别一上来就手动部署环境问题排查半天还没进正题就放弃了。2.3 整合包安装流程实录以秋叶整合包为例流程是下载整合包压缩文件通常10GB以上注意校验文件名和发布源。解压到非中文路径的目录比如D盘下建一个ComfyUI_AI文件夹。解压完成后进入目录找到启动器或启动脚本。首次启动会自动检查依赖检测到缺失会提示修复。启动器中通常有“版本管理”和“模型管理”入口可切换国内下载源。点击启动看到终端打印出“Starting server”字样浏览器自动弹出默认地址127.0.0.1:8188。注意如果你用的是官方源码方式启动命令类似这样python main.py --port 8188如果启动后没有自动弹窗直接浏览器访问127.0.0.1:8188即可。第一次打开界面时画布是空白的需要自己拖节点或加载工作流别慌这是正常的很多新手以为打开就有生成按钮其实不是。这里还有一个细节不要双击main.py也不要直接去运行ComfyUI文件夹下的.exe很多报错都是因为这些方式绕过了启动器导致环境变量没加载、PyTorch版本不对。3. 把环境调顺国内镜像、依赖、升级3.1 为什么必须换国内源安装整合包后很多人第一步就开始从网上下模型结果慢成龟速。因为常用的Hugging Face、Civitai服务器都在国外。解决办法不是去折腾网络工具那属于违法危险操作而是用国内可访问的镜像站和聚合站。Python的pip工具本身也可以切换国内源很多整合包已经把源配好但如果你手动部署或依赖不全建议按下面的方法设置。手动部署时创建虚拟环境并安装依赖python -m venv comfyenv # Windows激活 comfyenv\Scripts\activate # Linux/macOS激活 source comfyenv/bin/activate安装依赖时需要指定国内镜像源pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple也可以永久设置pip默认源pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple国内常见源还有阿里云mirrors.aliyun.com、腾讯云mirrors.cloud.tencent.com、华为云mirrors.huaweicloud.com。实测下来清华源和阿里云源稳定性最好大文件下载速度能拉满。3.2 PyTorch与CUDA版本匹配ComfyUI的核心依赖是PyTorchN卡用户需要安装适配CUDA的版本。整合包里默认装好了CUDA版PyTorch但手动部署时最坑的就是这一环。先说原理CUDA是NVIDIA显卡的并行计算平台PyTorch需要调用CUDA接口才能在显卡上跑。CUDA版本不是越高越好而要和显卡驱动、PyTorch版本匹配。装了不匹配的版本启动时会报“Torch not compiled with CUDA enabled”之类错误。手动安装时参考官方命令# 以PyTorch 2.6.0配合CUDA 12.4为例 pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124但这个源在部分网络下很慢可以改用国内镜像的PyTorch源pip install torch torchvision torchaudio -i https://mirrors.aliyun.com/pytorch-wheels/cu124/简单点的核查方法启动ComfyUI后在终端看有没有“Using device: cuda:0”字样。如果显示CPU说明PyTorch装错版本了。3.3 升级ComfyUIComfyUI更新很频繁新功能和新节点层出不穷。整合包自带的版本管理一般有“一键更新”但会覆盖你改过的源码所以我的习惯是核心更新用官方git插件更新用ComfyUI-Manager。手动部署升级git pull origin master pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple更新前最好备份一下自定义节点和自定义脚本。特别是你装过的插件大版本更新后可能兼容性出问题具体排查见文末。4. 模型体系与目录结构不搞懂这个工作流都是空中楼阁4.1 模型类型与放置位置ComfyUI的模型不再是把所有文件扔进一个models文件夹了它有细分的子目录。这一节很关键位置放错节点就找不到模型。标准目录结构是这样的ComfyUI/ ├─ models/ │ ├─ checkpoints/ # 主模型完整模型加载后直接可用 │ ├─ loras/ # LoRA微调模型 │ ├─ vae/ # VAE模型负责图像解码 │ ├─ controlnet/ # ControlNet模型控制构图 │ ├─ clip/ # CLIP模型文本编码 │ ├─ unet/ # 扩散模型UNet部分部分新架构会用到 │ ├─ diffusion_models/ # 扩散模型文件 │ └─ upscale_models/ # 放大模型主模型Checkpoint以.safetensors或.ckpt结尾是文生图最核心的文件。它把UNet、VAE、CLIP都封装在一起所以新手阶段只需要下载这一个就够了。后续玩到SDXL、Flux这类新架构时才需要拆开加载三种独立模型。还有一类是“扩散模型文件”以.safetensors结尾丢到diffusion_models或unet文件夹用“加载扩散模型”节点加载。这种拆包方式的好处是灵活但新手容易搞混。我的经验是初期老老实实用checkpoints文件夹别碰拆分式的等问题多了再来理解。4.2 去哪下载模型怎么选渠道上我主要用三类Hugging Face大量开源模型官方发布站但部分网络访问慢建议使用镜像站。Civitai社区型模型站LoRA和Checkpoint资源极其丰富。国内模型整合站比如一些专门做模型搬运的平台搜索“模型站”能查到一堆但注意甄别下载链接是否安全尽量选带校验和的文件。选模型时不要贪多。SD1.5系列出图快配置要求低适合练手SDXL系列画质更好但显存要求高Flux系列是目前顶级画质但模型体积大、硬件门槛高新手不建议一上来就挑战。我推荐的入门组合一个SD1.5写实类模型 一个合适的LoRA。比如想画人像下载一个写实Checkpoint再配一组人像LoRA出图效果比单纯原版模型好很多。4.3 文件名与安全提醒模型文件动辄好几个GB下载时一定注意优先选择.safetensors格式这个格式不包含可执行代码比.ckpt更安全。下载后可以先看文件大小是否与页面标注一致。如果不确定来源先不加载查一下社区评价再使用防止下载到包含恶意代码的模型文件。这个坑我说过一次就都知道曾经有人下载了恶意.ckpt文件导致整台电脑异常。所以现在我只在熟悉的渠道下载模型别啥都不看直接套.5. 文生图工作流从零搭建踩坑最集中的一个环节5.1 必需节点与连线逻辑你看网上分享的工作流动辄几十个节点其实万变不离其宗核心只有一个“采样循环”。我一个个列出来每个节点什么作用讲清楚节点作用必备与否Load Checkpoint加载主模型必备CLIP Text Encode正面把正向提示词转成条件向量必备CLIP Text Encode负面把负向提示词转成条件向量必备Empty Latent Image定义生成图的尺寸和初始化状态必备KSampler执行扩散采样迭代必备VAE Decode把潜空间结果解码成图像必备Save Image保存图像到输出目录必备Preview Image预览图像可选接线顺序就是数据流顺序。以文生图的核心循环来说加载Checkpoint后它有两个输出一个给CLIP Text Encode一个给KSamplerCLIP编码器把“正向提示词”和“负面提示词”都转成条件向量连到KSampler的条件输入Empty Latent Image给出初始潜空间张量连到KSampler的“潜空间图像”输入KSampler迭代完成后输出图像潜空间数据交给VAE Decode解码成正常图像最后保存。这里最容易犯的错误新手把VAE解码头接错了位置或者误删了加载Checkpoint的VAE输出线结果生成全黑图。记住加载Checkpoint节点通常只接它的“CLIP”和“MODEL”输出不单独接VAE输出因为模型内置VAE。5.2 亲手搭一条文生图工作流打开一个空白画布按Tab键可以弹出节点搜索框输节点名就能找到。操作步骤在搜索框输入“Load Checkpoint”放到画布。点击Checkpoint节点上的模型选择下拉框选中已放置到models/checkpoints目录的模型文件。搜索并添加“CLIP Text Encode”放两个一个重命名或标记为正向一个为负向。在正向提示词框输入你想要的内容比如“一个穿着红色毛衣的女孩在森林中阳光洒落超高细节浅景深”负面提示词输入“模糊, 低画质, 畸变, 多余手指, 水印”。搜索“Empty Latent Image”设置宽度768、高度1024不同模型对尺寸有要求SD1.5一般填512或768整数倍。搜索“KSampler”设置步数steps28采样器选DPM 2M调度器选KarrasCFG设为6到8种子随便填一个随机数。搜索“VAE Decode”和“Save Image”依次接好。点界面右侧的Queue Prompt或CtrlEnter开始生成。讲一下关键参数的选择逻辑。步数不是越多越好SD1.5在20到30之间基本稳了30步以上边际收益很低只会拖慢速度。采样器DPM 2M是目前综合质量与速度的优选你看到很多分享工作流用Euler或DPM SDE那是针对特定风格。CFG值控制提示词遵循程度太高12以上容易色彩过饱和太低4以下画面容易松散。新手从7左右开始调最稳妥。5.3 提示词怎么写附常见模板提示词是文生图的灵魂但没人能背全公式。我分享一套自己的组织套路按顺序写就能稳定出图主体一个穿红色连衣裙的女孩。环境与背景古堡内、蜡烛照明。光照与氛围柔光、电影感。画面质量词high detail、masterpiece、8k。负面提示词固定加lowres、bad anatomy、bad hands、extra fingers、blurry、text、watermark。给出一个可直接抄的模板正面提示词 1girl, solo, red dress, long black hair, standing in ancient castle, candles around, soft cinematic lighting, volumetric light, masterpiece, best quality, highly detailed face, detailed eyes, depth of field, warm colors 负面提示词 score, lowest quality, jpeg artifacts, lowres, bad anatomy, bad hands, missing fingers, extra digits, watermark, signature, text, monochrome, oversaturation说到提示词大全我其实不建议背大量例句更建议理解词性分类和权重符号。ComfyUI里用圆括号提高权重例如(red dress:1.3)。带着这个理解去抄案例比死记硬背有效多了。补充一个细节在CLIP文本编码节点框内按CtrlEnter可以快速执行当前工作流当你有多个工作流并用时这个快捷键效率很高。6. 图像编辑实战图生图与局部重绘6.1 图生图工作流的改造方法图生图就是在文生图基础上多加载一张现有图片把它作为初始潜空间输入而不是从纯噪声开始。这样生成结果既保留原图构图语义又受提示词影响。改造方法也不复杂在Checked节点之外增加“加载图像Load Image”节点和“VAE编码VAE Encode”节点。加载图像的输出连接到VAE编码的图像输入VAE编码接到KSampler的潜空间图像输入。然后你的提示词写“你希望它变成什么样的风格”。关键参数是“去噪强度denoise”这个参数在KSampler中其实没有直接暴露你需要在加载图像后加一个“图像缩放”或“潜空间缩放”节点或者在CLIP/加载环节设置。实际情况中图生图的去噪强度默认0.75控制的是“保留原图的程度”0.3以下基本等于原图微调0.8以上接近文生图只在构图上保留参考。我最常用的是风格转换。给一张普通照片提示词写上“油画风格梵高风格笔触明显”去噪强度0.65出来的图既有原照片的主体又有油画的质感。这个玩法在ComfyUI上很顺手因为你能把“加载图像”和“文生图主流程”并行放在一幅画布上来回切参数看效果。6.2 局部重绘画布遮罩方案局部重绘需要“遮罩Mask”你可以先用画笔工具在图像上涂抹需要重绘的区域。新版ComfyUI支持在“加载图像”节点上直接绘制蒙版拖线到“设置蒙版”节点即可。局部重绘工作流的核心是“以遮蔽方式填充图像Set Latent Noisy Mask”或直接使用专门的“局部重绘”节点。操作步骤加载图像节点设置图片路径。在加载图像节点上开启蒙版绘制用鼠标涂抹要重绘的区域。添加“设置蒙版”节点把图像输入和蒙版输入分别接好。将输出的带蒙版潜空间接到KSampler的潜空间图像输入。提示词描述你想重绘成的内容。调整去噪强度重绘区域越大去噪强度越高一般0.60.85。踩过的坑只改了提示词却忘记去掉蒙版结果整张图全被重绘又或者涂抹区域太小重绘后边界明显。边界问题影响最大建议涂抹时稍微扩大一点范围并配合“蒙版羽化Mask Blur”节点把过渡区域羽化几个像素融合更自然。6.3 图像编辑的扩展玩法除了上面两种日常图像编辑还会用到图像放大利用“潜空间放大”或“加载放大模型”把图从1024放大到2048以上常用模型超过Real-ESRGAN。消除物体直接用局部重绘遮罩勾选物体区域正面提示词填“空背景、纯色、什么都没有”负面提示词加“物体”。变脸换衣用图生图加“控制身体姿态”的ControlNet节点这类玩法属于进阶路线先把基础工作流跑通再说。7. 图生视频工作流从一张图到一段动起来的画面7.1 视频工作流的现实门槛图生视频是这两年AI绘图圈最热门的方向。它和文生图最大的区别是采样器不再生成单一图像张量而是要生成一系列帧张量时间维度加进来后计算量和显存占用量暴涨。ComfyUI里做图生视频主流方案有三类基于AnimateDiff的扩散视频方案用Stable Diffusion的底模配合AnimateDiff插件赋予运动模块然后在一段连续潜空间里生成多帧画面。专门的图像转视频模型I2V比如Wan 2.1 I2V、SkyReels这类模型直接接受一张图和一段文本输出多帧视频。视频编辑风格的图生视频首帧输入一张图尾帧输入另一张图中间帧做过渡。如果你显卡低于12GB显存建议先用AnimateDiff因为模型加载量相对可控。如果追求质量可以看看I2V模型但16GB显存以下会很吃力。7.2 搭建AnimateDiff视频生成工作流先说安装AnimateDiff需要安装节点插件最常用的是ComfyUI-AnimateDiff-Evolved。通过ComfyUI-Manager安装即可这个插件提供的节点包括“AnimateDiff加载器AD Loader”和“AnimateDiff采样设置”。核心工作流比文生图多出几个节点加载Checkpoint模型选一个适合视频的动漫或写实模型。CLIP Text Encode正负面提示词填法跟文生图类似但语义上要更偏向“动态、动作”。Empty Latent Image不用设置太高分辨率建议512或768宽帧数起步填16帧。添加“AnimateDiff加载器”选择运动模块文件如mm_sd_v15_v2。添加“AnimateDiff采样设置”选择上下文长度context length16批量大小建议从1帧开始测试。KSampler设置步数20到25采样器用Euler或DPM 2MCFG 6到7。输出到“VAE解码”后用保存视频节点导出视频文件。显存不足的话开启“批处理调度器”里的低显存选项再配合“图像重采样”先小图生成后期再放大。我首次实验时16帧、512尺寸、20步一块12GB显存卡耗时将近四分钟能出还不错的效果。超过32帧后再堆步数容易直接OOM这个度要自己试。7.3 I2V方案的安装与运行如果你要尝试专门的I2V模型路径稍有不同。以Wan 2.1 I2V为例需要下载对应扩散模型文件放入models/diffusion_models目录再搭配“加载扩散模型”节点。工作流从网上找现成的分享JSON即可官方社区一般会提供配套模板点击右侧的“Load”按钮导入。这里必须提一句视频类工作流对显存极其敏感即便是I2V模型出4秒视频也可能吃掉16GB以上显存。硬件不够就别硬上先小分辨率、短时长2到3秒测试。8. 插件管理与工作流分享让你的ComfyUI更顺手8.1 ComfyUI-Manager必装插件没有之一ComfyUI-Manager是管理各类自定义节点和插件的核心工具。安装方法很简单在终端进入ComfyUI安装目录运行git clone https://github.com/ltdrdata/ComfyUI-Manager.git custom_nodes/ComfyUI-Manager重启ComfyUI后界面右侧会出现“Manager”按钮。点击可以查看已安装节点、一键更新、搜索安装新节点。绝大多数的第三方节点都能在这里搜到并安装。很多新手装扩展失败原因就是自定义节点不通过Manager而是手动扔文件夹版本冲突后根本不知道哪个出了问题。我建议优先用Manager只有Manager没有的节点再考虑手动装。8.2 工作流的保存、导入与分享ComfyUI的工作流保存方式非常优秀点菜单里“Save”按钮会生成一个JSON文件这个文件把整个画布上节点位置、参数、连线全部记录下来。分享给别人时对方只需“Load”导入画布上就会原样出现你的工作流。导入工作流后最常见的问题节点标红显示“node not found”。这通常是因为对方电脑没装对应的自定义节点。解决办法是装上工作流中缺失的节点后再刷新。所以在分享前最好附带一份节点清单。8.3 常用节点包推荐装了Manager后这几个节点包建议优先补上ComfyUI-AnimateDiff-Evolved视频生成必备。ComfyUI-VideoHelperSuite视频加载、保存、抽帧工具集。ComfyUI-Impact-Pack人脸修复、图像细节增强、检测功能。ComfyUI_ControlNet-AuxControlNet预处理功能集。ComfyUI-Custom-Scripts画布增强、右键菜单增强。安装时注意装了Impact-Pack这类重量级插件后首次启动会下载额外的依赖包很可能因为网络卡住。建议先解决网络问题再装不然启动十几分钟出不来亮点。9. 常见问题与排查技巧实录9.1 启动报错速查表我整理了实战中出现频率最高的报错和处理办法做成了表格。不是所有报错都要重装很多只是路径或版本问题。报错现象可能原因解决办法“CUDA error: out of memory”显存不足降低分辨率、减小批量尺寸、开低显存优化“No module named ‘torch’”依赖没装或虚拟环境没激活激活虚拟环境并重新pip安装PyTorch“File not found. Checkpoint file missing”模型没放进正确目录放入models/checkpoints“Torch not compiled with CUDA enabled”PyTorch版本装成了CPU版重装CUDA版PyTorch画布节点报错“ValueError”节点输入类型不匹配检查连线是否错接、模型类型是否兼容导入工作流后节点全部红色缺自定义节点用Manager安装缺失节点出图全黑VAE连接错误或模型异常检查VAE解码节点接线换模型测试启动很久只转圈插件依赖下载失败或网络问题查看终端日志手动补齐依赖并切换国内源9.2 显存不足时的优化技巧显存是ComfyUI的主要瓶颈尤其是图生视频。我实测有效的方案降低潜空间分辨率把宽度从1024降到768显存占用能降40%以上。开启“智能内存管理”部分整合包有“低显存模式”本质上是用“解码后释放模型”或“降低批大小”。使用控制网前先压缩图像ControlNet预处理器很吃显存先在小图上处理好再放大。用“分组批调度batch schedule”把厚重的子工作流拆开按阶段执行。换用低显存优化节点比如用“TeaCache”或“Torch Compile”相关节点加速并减显存。说实话优化最多只能缓解真正解决还得换大显存卡。如果你只是练手折腾把出图尺寸控制在512几张图也能跑起来。9.3 我在实操中总结的几个独家小技巧第一每次调参前先固定种子Seed否则你会发现同样的提示词和设置两次生成结果却差很多完全没法对比。种子固定后改一个参数看一个效果这才是科学的调参。第二负面提示词不是越多越好写太多反而容易压制模型。第三清理工作流很重要。很多下载的工作流动辄上百个节点看得人头皮发麻。我在导入别人工作流后会先用“右键→Mute静音”把不影响核心链路的节点关掉跑通主干后再逐步打开其它节点。这样排查问题快很多。第四输出文件默认保存在“ComfyUI/output”目录如果你分享图片给别人但别人打开提示“找不到工作流”说明这张图不是ComfyUI生成的原图因为ComfyUI生成图片会内嵌工作流JSON截图则没有。第五多用“CtrlEnter”提交任务少点“Queue Prompt”鼠标不来回移动效率更高。9.4 最后一个建议先跑通再美化刚开始别追求复杂的工作流先从最基础的文生图跑起来出图成功后再叠加图生图、局部重绘、图生视频一步步来。很多人安装完就去找几十个节点的炫酷工作流结果导入就报错半天毫无产出基本冲动就没了。我自己的学习路径是基础文生图 → 图生图 → 局部重绘 → ControlNet → AnimateDiff每一步都拿不同素材实验大概两周后就能独立搭出想要的任意工作流。这篇文章里提到的所有操作都可以在装好ComfyUI之后照着复现。安装阶段有两条路整合包省心手动部署练手选择权在你。真正重要的不是安装方式而是安装之后你愿不愿意花一点时间搞懂节点、模型、参数之间的关系。最后分享一个实测下来很有效的学习法去官方示例工作流列表里下载官方自带的示例JSON直接导入到画布然后逐个节点看它们在干什么。你不需要读一行代码光是把每个节点的输出接到新节点上观察变化就能比看十篇教程学得快。这个习惯我一直保留到现在每出一个新模型、新插件都是先用这个方法拆解它。