AIGC-ComfyUI工作流基础篇-入门教程

一、前沿

随着人工智能技术的日益成熟和广泛应用，艺术创作领域正经历着一场革命性的变革。特别是AIGC（人工智能生成内容）技术的崛起，为内容创作提供了前所未有的高效和便捷。在这场变革中，Comfyui作为一款前沿的AI绘画软件，正引领着艺术创作的新潮流。

ComfyUI是一款基于Python和PyTorch的图形界面，用于构建和运行深度学习模型，特别是生成对抗网络（GANs）。它提供了一个用户友好的环境，让研究人员和开发者能够轻松地实验和探索不同的模型架构和参数。其设计目标是简化实验流程，使得用户无需编写大量代码即可进行复杂的深度学习研究。由于篇幅过长，就分为基础篇和进阶篇两部分了，此篇为基础入门篇，下篇是进阶应用篇。如有描述错误的地方，欢迎指正!

二、ComfyUI基础介绍

ComfyUI是一个基于节点式流程的stable diffusion绘画工具WebUI，通过将stable
diffusion的流程拆分为节点，能够一键加载/定制大量的工作流和完善的可复现性，相较于我们常用的WebUI，ComfyUI有着轻量化、模块化以及灵活性的这些优势，劣势的话就是操作界面复杂，学习成本较高，对新手不太友好。下面通过本篇文章，带领你了解ComfyUI具体的使用方法。

没有ComfyUI

2.1、ComfyUI与WebUI对比优劣势

优势：

（1）轻量化：比SD更省内存，出图速度比SD快，硬件要求低，3G以上内存也能很好工作；

（2）模块化：按需启用不同模块，自由度高；

（3）灵活行，工作流机制，可以把以往复杂多个页面切换使用的步骤在一个流程里面都搞定；

（4）可以保存和共享工作流，可以使用别人的工作流，也可以分享给别人

（5）基于这种架构，适合快速研究新东西

劣势：

（1）操作界面复杂，学习曲线更大，对新手不友好

（2）需要了解一些关于AIGC的底层的知识，要了解编码器、采样器等相关知识，ComfyUI就像拼积木，你需要了解一个完整的流程需要干嘛，才会挑选对应的积木来拼起来这个工作流。

据说是3G以上显存的GPU上也能工作，单从降低电脑配置方面来说，ComfyUI就很值得来学了，总的来说，ComfyUI优点大于缺点，只要你完全掌握了，它能给你带来无限的可能，所以，有兴趣的小伙伴可以跟着我一起来学习ComfyUI技术，一起提高，那么，我们开始吧！

三、ComfyUI安装与配置

3.1、ComfyUI安装方法

由于本地部署的方式有多种，这边就选择最方便的一种来说明，就是直接使用秋叶大佬的整合包，一键安装方便快捷，整合包无需安装git、python、cuda等任何内容。

整合包下载链接可以自行B站搜索秋叶或者公众号回复：ComfyUI安装包

下载完成后，解压压缩包。打开ComfyUI的目录，找到启动器，双击启动即可。

来看看界面，玩过SD整合包的，一定对这个界面很熟悉，与WebUI界面一致，只是功能不同而已，点击一键启动即可。

整合包的插件支持在启动器这边安装，具体大家自行体验。

3.2、模型安装方法

3.2.1、独立模型配置

如果你只使用ComfyUI，点击进入ComfyUI的根目录，找到models的文件夹，对应找到checkpoints、controlnet、embeddings等文件夹，对应放置模型即可，他们分别放置什么类型模型具体看下图。

3.2.2、共享模型配置

如果之前有使用过Stable diffusion的话，那官方早就帮我们想到这点了，ComfyUI支持模型共享使用Stable
diffusion的，就不需要额外在下载重复的模型占用内存了。

同样我们还是找到ComfyUI的根目录，找到extra_model_paths.yaml.example这个文件

改名成extra_model_paths.yaml，也就是把尾缀的example去掉，然后直接双击打开

将base_path后面的这个路径，改成你SD的文件路径即可，这个是对应你SD的大模型；

将Controlnet后面路径也改成你WebUI对应的Controlnet的models路径，改完后的结果如下，最后保存即可。

然后重启你的ComfyUI，你就会发现可以选择的模型变多了。（如果没反应检查下前面的步骤是哪一步弄错了）。

3.2.3、各种模型存放路径

这里将comfyUI里面的目录结果做一下介绍，你可以和SD公用，也可以单独使用，下面路径保存对应的模型。

下面是官方版本的路径存放，秋叶整合包的也类似，自己对比下即可。

/ComfyUI\custom_nodes:各种安装的插件存放路径

/ComfyUI\models\checkpoints:大模型存放路径

/ComfyUImodels/loras:lora存放路径

/ComfyUImodelslembeddings:embeddings 存放路径

/ComfyUI\models/vae:vae存放路径

/ComfyUIoutput :图片保存路径

/ComfyUI\pysssss-workflows:工作流保存位置

3.3、内存小于3G设置

如果你的GPU内存小于3G，需要调整下脚本，依旧是打开ComfyUI的根目录，找到run_nvidia_gpu.bat这个文件，路径看下图

右击记事本打开，在后面添加上–lowvram，保存即可

四、必备的插件安装

这里只推荐2个必备的插件，是你开展后续工作的必备选项。

1、插件管理器

2、中文汉化插件

插件管理器这个插件很重要，有了它后，就有了一个统一管理插件的地方，后面需要的一些插件，直接通过这个管理器来安装即可。所以这个插件算是排在第一个要安装的。

插件地址：

https://github.com/ltdrdata/ComfyUIManager

ComfyUI 的插件都放在路径:\ComfyUI\custom_nodes

下面然后重启下 ComfyUI 即可。

【如果你是安装的秋叶整合包，就可以跳过这一步。因为已经默认就自带了很多插件，也包含了这两个，重复安装反而会报错】

这时候你就会发现多了个Manager的按钮

点击它就会弹出插件管理的页面了

到这里，就算成功了，下面我们就通过这个插件安装第二个插件，也就是中文翻译器

打开插件管理器，在这输入关键词Translation

重启之后你会发现变成中文了，如果后续还想使用英文版的话，点击打开设置，在语言这一栏，切换你想要的语言即可。

目前支持的语言有：简体中文 (zh-CN)、繁体中文 (zh-TW)、英语 (English)、日语 (Japanese)、韩语 (Korean)

五、ComfyUI文生图工作流搭建

5.1、出你的第一张图

以上的前期配置工作都完成的话，目前你离画出第一张图就差最后一步了

在最左边节点随意一个模型，右边执行提示词队列（也可以快捷键Ctrl+Enter运行）就可以出图了

这样你就制作出你的第一张图了，是不是很有成就感呢

那就接着往下看，详细介绍里面的节点功能以及使用方法

5.2、工作流节点介绍

启用ComfyUI后，默认的工作流是文生图，（如果你前面使用过ComfyUI，那么加载的会是你上次关闭的工作流）这里是所有工作流的基础，所以我们一定要知道这的每个节点是用来干嘛的。

为了更好的了解每个节点的功能，我们在右边菜单找到清除按钮，并点击清除，删除界面中所有的节点，目的就是让大家亲手搭建一下工作流，以便更好的了解他们的作用。

5.2.1、加载顺序介绍

在工作区的空白界面右击，会弹出一些列的节点，这里展示出来的顺序其实也是推荐的顺序，选择一个K采样器，这样，我们的工作区就添加了一个K采样器的节点。

这个采样器，左侧有4个输入节点，右侧有1个输出几点，随便一个节点拖出来后就会弹出对应的推荐节点，所以是很方便的（下面会详细介绍如何连接节点）

这里我们先由上往下介绍K采样器中的参数配置：

1、随机种，对应的是stable diffusion中的seed值，每一张生成的图片就会有对应的数值，默认为0；

2、运行后操作，里面对应的有固定、增加、减少、随机四个参数

这两个参数是搭配使用的，固定是指固定该图片的seed值，增加或者减少则对应数值的+1或者-1，随机则代表该数值的随机。

3、步数，对应的是stable
diffusion中的迭代步数，意思就是我们要在这幅画上面花多少笔，画的越多，画面的细节就越多，但不是说步数越多就越好，电脑配置比较低的时候，可能就会带不动，出现照片无法生成的情况，所以，电脑配置较低的设置20-25步，配置较好的就设置25-40左右；

4、CFG对应stable
diffusion中的提示词相关性，参数越大，所生成的图片越接近提示词；反之越小，则生成的图片和提示词差异越大，这个数值不要太高，一般设置10左右，默认为8。

5、重点讲一下K采样器中的两个参数：

采样器和调度器，在stable diffusion里面这2个是合在一起使用的，在comnfyUI中却是分开的，我们常用的是dpm++_2m
Karras，这里的pp就是webui里面的++的意思

采样器选择dpm++_2m，调度器选择Karras，就等同于webUI中的DPM++_2m Karras，以此类推其他的采样器和调度器。

调度器说明：

这里其实就是一些降噪曲线

normal是线性的

karras是曲线降噪，较为平滑

exponential急速降噪，收敛较快

sgm_uniform需要配合上面的lcm搭配使用

6、降噪这个参数就是输入输出有个加噪和减噪的过程，基本是不用去动的，默认1即可。

5.2.2、加载大模型

如图所示，在模型这个节点拖出来，可以看到一些推荐的节点，添加Checkpoint加载器，也就是大模型的节点，后面添加节点的方式也是一样的，就不重复演示该操作。

5.2.3、加载文本提示词

提示词是通过CLIP文本解码器来运行，所以正负提示词拖出后，选择CLIP文本编码器

然后你会发现CLIP文本编码器和前面拖出来的大模型都有个CLIP的节点，原因是模型要通过文本进行了总结和压缩计算，所以这里我们就将他们连接上。

5.2.4、加载图片尺寸修改

如果是文生图，需要生成一个空白的图片，这里的话就是对应采样器输入的Latent节点，在这个节点可以设置你要生成的图片的大小尺寸。

5.2.5、加载VAE解码器

前面输入和采样都介绍过了，这时候需要输出图像了，需要再K采样器右边输出方向找到Latent，拖出来，找到一个VAE解码器

5.2.6、加载图片生成区

通过VAE解码之后，就是要变成图片了,在VAE解码器的右边图像节点拖出来，选择保存图像即可。

5.2.7、大模型与VAE解码器互连接

这时候点击运行会报错，因为还差最后一个步骤，需要把大模型的VAE与VAE解码器相连接起来，才算是一个完整的流程。

到这里，一个文生图的工作流就搭建完成了

图片保存路径，可以在ComfyUI的根目录找到output文件夹

六、ComfyUI图生图工作流搭建

这里开始解释ComfyUI中的图生图的流程，图生图流程只是在文生图的基础上做了一些小改动，只要把控Latent变成我们具体要参考的图片即可，把图片当做第一次采样的参考。

6.1、图生图流程

在前面的文生图的基础上修改一下流程，在空白地方按下面顺序加载图像这个节点

具体图片的话，流程都需要先经过VAE解码器后才接入到采样器的，所以这里我们将加载图像右边的图像节点拖出，连接一个VAE解码器节点，这时候才可以去连接到采样器的输入端Latent（看到这里大家可能会有疑问，那我的控Latent控制图片尺寸的要怎么连，别急，下面会讲到的）最后也需要将VAE节点与大模型的去链接才行，不管是CLIP编码器还是VAE解码器都是需要大模型提供的，所以都需要连接上的。

还有一个小技巧，在连接节点的时候，大家应该也注意到了节点上是有不同颜色的，相同颜色的节点才可以连接。

另外，这里采样器的降噪就是重绘幅度了，范围是0-1，数值越大则越不像原图，越小则越像

6.2、修改尺寸

上面的只是图生图的最基本工作流，你会发现图片好像无法修改，只能用参考图默认尺寸。

如果想要控制输出的图片尺寸，则需要修改工作流，在加载图像这里拖出来右边的图像节点拖出来，按下图所示找到图像放大的节点，通常用到的就是图像缩放和图像按系统缩放

如下图所示，将节点连接起来

图像拖放可以设置具体的宽高，也是最常用的，第二种就是直接设置缩放的倍数

后面常见的缩放在下一篇进阶篇会具体讲到，目前大家主要知道这里可以调整尺寸大小即可。

七、ComfyUI工作流的使用技巧

7.1、界面操作

一般启动后的界面默认都是文生图的，除非之前用过，启动的页面就是之前关闭的工作流

7.1.1、创建节点

前面在文生图和图生图的时候都介绍过，在空白区域右击可以打开节点目录，可以在目录中选择节点，可以看到里面是有非常多的节点的，但是大家不用紧张，我们常用的就几个，其他的可以后面学习的时候再了解；

7.1.2、搜索节点

节点太多了，有时候记不得所要的节点是在哪个菜单下的，这时候可以通过搜索节点的方式来快速找到所需的节点，只需要在空白区域双击鼠标左键呼出搜索窗口，知道节点名称的话，可以在左边的搜索框快速找到，也可以在右边下拉窗口找到对应类型的节点；

7.1.3、各节点之间的链接

每一个节点都有输入和输出的两个节点，分别位于节点的左右两侧，可以看到他们节点的颜色都是不同的，不同之间的节点组件只有相同颜色的节点才可以连接，连接方式也简单，从一个节点拖到另一个节点上即可连接；

如果想取消链接，则在输入这边拖出来即可，就会自动断开连接了；

7.1.4、执行菜单

在整个页面的最右侧，你会看到这么一个菜单

最上面的添加提示词队列就是用来生成图片的，对应的快捷键是Ctrl+Enter（回车键）

多次重复点击的话，就会变成队列，最上方的队列大小的数字0就会变成对应的数字，然后一次执行

点击显示队列，可以显示出目前在排队等待执行的任务，你可以手动去关闭某一个任务

依次而下，下方有个保存功能，分为保存到工作量和保存json两种选项，默认点击保存是另存为json，点击后会出来一个弹窗，命名好好点击确定，就会自动下载待json尾缀的文件了；

保存到工作流的话，点击下方的加载就会有记录，点击对应需要的工作流就能打开了

重刷新：字面意思，刷新界面

清除：点击后就会删除点当前界面的流程图，请勿轻易点击

加载默认：点击后就会加载默认的文生图工作流

切换语言：如果安装过翻译插件，点击后就会在中文与英文界面中来回切换

管理器：这个是最重要的功能了，在前面讲到过，是用来安装、管理我们的插件以及节点用的

7.2、加载工作流方式

想要加载别人的工作流的话，这边分享两种常用的形式，一种是图片形式，另外一种是json文件形式

7.2.1、图片形式加载

使用ComfyUI生成的图片，将该图片拖入ComfyUI界面即可，因为所生成的图片会记录该生成的工作流；也可以在右侧的菜单中点击【加载】按钮，选择生成的图片打开，工作量也能展示出来；

7.2.2、json文件加载

在右侧的菜单中点击【加载】按钮，然后打开我们保存好的json文件，工作流也就加载出来了；

7.3、工作流分享网站

在这里分享几个工作流分享的网站，这也是学习ComfyUI必备的网站

https://comfyworkflows.com/

https://www.esheep.com/app

网站上面分享了比较常用或者流行的工作流，我们可以直接拿来使用，体验最新的功能

这里一排是分类，可以看你喜欢或者想要的功能去点击

在网站中找到满意的工作流，点击进去，常用的就我圈出来的几个地方

点击显示的工作流，可以查看每个节点的连接信息

下载节点，直接拖入ComfyUI中使用

复制JSON，直接复制节点信息，在ComfyUI粘贴即可显示对应工作流

复制过来使用一般会有一下两种情况：

1-使用的模型或者lora缺失；

2-缺少自定义节点，需要安装

这两点在下面会详细讲到。

7.3.1、使用的lora或者大模型缺失

这种情况是最简单的，就是对方保存的工作流里面使用的大模型或者lora文件你是没有的，界面会标红，如下图所示，标红的节点是需要你去修改的，大模型或者lora替换成其他即可，如果非要一样的，那么久去C站或者libi上面下载对应的模型，丢在前面所讲的模型安装路径下即可，这种不用重启ComfyUI前端，只需要刷新页面就可以选择新模型了；

7.3.2、缺少自定义节点

这种情况的话是比较常见的，别人使用的工作量，你打开大概率就会缺少一些节点

这时候就需要手动去安装缺失的节点，在右边菜单找到管理器，然后点击安装缺少节点

这时候就需要手动去安装缺失的节点，在右边菜单找到管理器，然后点击安装缺少节点

这时候会弹出安装节点的界面，依次点击安装即可，安装完后记得重启ComfyUI，这样你的节点就不会标红，可以正常使用了。

7.4、常用的快捷键

下面是一些比较常用的快捷键，也可以去官网查看更多的快捷键

https://github.com/comfyanonymous/ComfyUI?tab=readme-ov-file

八、总结

以上的话就是本篇ComfyUI常见工作流的一些使用技巧介绍了，都能掌握的话就等于打好了一定的基础了。首先十分感谢你能看到最后，尽管在学习的过程中，你会遇到除了本篇文章提到外的各种各样的问题，但请不要灰心！一步一步的去解决你的问题，你将会得到意想不到的收获！

但由于AIGC刚刚爆火，网上相关内容的文章博客五花八门、良莠不齐。要么杂乱、零散、碎片化，看着看着就衔接不上了，要么内容质量太浅，学不到干货。

这里分享给大家一份Adobe大神整理的《AIGC全家桶学习笔记》，相信大家会对AIGC有着更深入、更系统的理解。

有需要的朋友，可以长按下方二维码，免费领取！

AIGC所有方向的学习路线思维导图

这里为大家提供了总的路线图。它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。如果下面这个学习路线能帮助大家将AI利用到自身工作上去，那么我的使命也就完成了：

AIGC工具库

AIGC工具库是一个利用人工智能技术来生成应用程序的代码和内容的工具集合，通过使用AIGC工具库，能更加快速，准确的辅助我们学习AIGC

有需要的朋友，可以点击下方卡片免费领取！

精品AIGC学习书籍手册

书籍阅读永不过时，阅读AIGC经典书籍可以帮助读者提高技术水平，开拓视野，掌握核心技术，提高解决问题的能力，同时也可以借鉴他人的经验，结合自身案例融会贯通。

AI绘画视频合集

我们在学习的时候，往往书籍源码难以理解，阅读困难，这时候视频教程教程是就很适合了，生动形象加上案例实战，科学有趣才能更方便的学习下去。

有需要的朋友，可以长按下方二维码，免费领取！