从零玩转ComfyUI：节点式工作流AI大模型绘画全攻略｜安装×插件×技巧一网打尽

一、ComfyUI 的详细介绍，涵盖其核心功能、优势、适用场景及与其他工具的区别：

---

一、ComfyUI 是什么？

ComfyUI 是一款基于 节点式可视化编程 的 Stable Diffusion（SD）操作界面，专为灵活控制图像生成流程而设计。与传统的 WebUI（如 AUTOMATIC1111）不同，它通过拖拽节点连接的方式构建工作流，允许用户精细控制模型、参数、插件之间的交互逻辑，适合高级用户和开发者。

---

二、核心特点与优势

特性	详细说明
节点化工作流	所有操作（模型加载、提示词输入、参数调整、图像输出等）均以节点形式呈现，可自由组合逻辑链。
高度可定制化	支持自定义节点、插件扩展（如 ControlNet、LoRA、图像修复等），满足复杂需求。
轻量化与高效	无图形界面冗余设计，资源占用低（显存优化优于WebUI），适合低配置设备。
工作流可保存/复用	可导出工作流配置（JSON文件），便于分享或快速复用复杂流程（如动画生成、多模型融合）。
跨平台支持	支持 Windows、Mac（M1/M2芯片）、Linux 系统，兼容 CPU 和 GPU（NVIDIA/AMD）。

---

三、与其他工具的核心区别

对比维度	ComfyUI	Stable Diffusion WebUI
操作方式	节点式编程，需手动连接逻辑链	图形界面，预设功能按钮
学习曲线	较高（需理解节点逻辑）	较低（适合新手快速上手）
灵活性	极高（可自定义任意流程）	一般（依赖插件扩展功能）
资源占用	显存占用更低，适合低配设备	显存需求较高（界面功能多）
适用人群	开发者、进阶用户、工作流研究者	普通用户、快速出图需求者

---

四、核心功能模块

1. 基础生成

   • 支持 SD 1.5、SDXL、自定义模型（.safetensors/.ckpt）。
   • 多模态输入：文本提示词、图像重绘、遮罩编辑。

2. 高级控制

   • ControlNet：通过边缘检测、深度图等精准控制构图。
   • LoRA：动态加载风格/角色模型，调整权重实现细节微调。
   • 节点级参数调节：独立控制采样器、CFG值、种子、分辨率等。

3. 扩展能力

   • 插件生态：支持上百种插件（如动画生成、超分辨率、3D建模）。
   • API 接口：可通过 Python 脚本调用，集成到自动化流程中。

---

五、适用场景与用户群体

场景	用户需求
艺术创作	通过精细调节节点实现特定风格（如赛博朋克、水墨风）。
商业设计	快速生成广告素材、产品原型，支持批量处理和参数迭代。
算法研究	测试新模型/插件的效果，构建实验性工作流（如多模型融合推理）。
动画制作	结合 AnimateDiff 插件生成逐帧动画，控制运动轨迹与风格。

---

六、学习资源推荐

1. 官方文档
   • ComfyUI GitHub Wiki：核心节点说明与开发指南。
2. 社区教程
   • B站：搜索“秋叶 ComfyUI 教程”获取中文实操视频。
   • YouTube：Unmesh Dinda 的《ComfyUI Basics》系列（英文）。
3. 预设工作流
   • 平台：CivitAI、HuggingFace 搜索“ComfyUI Workflow”下载现成模板。

---

七、最新动态

• SDXL Turbo 支持：实时生成低步数图像（1-4步），速度提升10倍。
• 多GPU分布式计算：通过节点配置实现跨显卡并行渲染。
• 移动端适配：实验性支持通过浏览器远程访问（需配置--listen参数）。

---

二、ComfyUI的详细安装教程

一、安装前准备

1. 硬件要求

   • GPU：推荐NVIDIA显卡（显存≥4GB，如RTX3060以上）。
   • CPU/内存：支持CPU运行但速度较慢，建议内存≥8GB。
   • 存储空间：需预留≥40GB空间（推荐SSD）。

2. 硬件与驱动检查

   • GPU驱动更新：
     • NVIDIA用户：访问 NVIDIA官网 下载最新Game Ready驱动。
     • AMD用户：安装ROCm 或使用CPU模式。
   • 显存测试：运行 nvidia-smi（CMD输入）查看显存占用，确保空闲显存≥4GB。

3. 依赖软件安装

   • Windows必备工具：
     • 7-Zip：从官网下载安装，右键菜单支持.7z解压。
     • Python 3.10.6：勾选“Add Python to PATH”选项。
     • Git：安装时选择“Use Git from the Windows Command Prompt”。
   • Mac必备工具：

     /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
     brew install python@3.10 git
     

---

二、安装方法（Windows分步详解）

方法1：秋叶整合包（小白友好）

1. 整合包下载与解压

   • 下载链接获取：
     • 搜索“秋叶 ComfyUI整合包”进入B站视频简介或评论区获取网盘链接（如阿里云/百度云）。
     • 若链接失效，尝试在CivitAI或HuggingFace搜索“ComfyUI-aki”。
   • 解压注意事项：
     • 路径示例：D:\AI_Tools\ComfyUI（避免C:\用户\桌面等含中文或空格路径）。
     • 若解压失败，用7-Zip修复压缩包或重新下载。

2. 首次启动配置

   • 启动器设置：
     • 双击A绘图启动器.exe后，等待自动安装VC_redist.x64.exe（若弹出需允许）。
     • 若提示“缺少dll文件”，安装微软运行库合集。
   • 模型路径绑定：
     • 修改ComfyUI\extra_model_paths.yaml：

       base_path: "D:/StableDiffusion/models"  # 指向已有SD WebUI模型目录
       checkpoints: "Stable-diffusion"  
       vae: "VAE"  
       loras: "Lora"  
       

     • 保存后重启，模型将自动同步（节省硬盘空间）。

方法2：官方手动安装（开发者向）

1. 代码克隆与虚拟环境

   git clone https://github.com/comfyanonymous/ComfyUI.git
   cd ComfyUI
   python -m venv venv  # 创建虚拟环境
   venv\Scripts\activate  # 激活环境（Windows）
   pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118  # CUDA版PyTorch
   pip install -r requirements.txt  # 安装依赖
   

2. 启动参数优化

   • 编辑run_nvidia_gpu.bat：

     @echo off
     set PYTHON=venv\Scripts\python.exe
     set ARGS=--listen --port 8188 --enable-cors-header
     %PYTHON% main.py %ARGS%
     pause
     

   • 参数说明：
     • --listen：允许局域网访问（手机或其他设备输入PC的IP:8188）。
     • --lowvram：低显存模式（6GB以下显卡必加）。

---

三、插件与汉化（逐步骤图解）

1. ComfyUI Manager安装（非整合包用户）

   • 手动下载插件：
     • 访问 ComfyUI-Manager GitHub，点击“Code → Download ZIP”。
     • 解压ZIP至ComfyUI\custom_nodes\ComfyUI-Manager（需手动创建custom_nodes文件夹）。
   • 重启ComfyUI，界面右下角出现🛠️图标表示成功。

2. 汉化流程

   • 方案1：在线安装（推荐）
     1. 点击右下角🛠️ → 搜索“Chinese” → 安装AIGODLIKE-ComfyUI-Translation。
     2. 重启后，右下角齿轮 → Language → 选择“中文”。
   • 方案2：离线包安装
     1. 下载汉化包，复制translation文件夹到custom_nodes。
     2. 修改translation.json调整术语（如“采样器”改为“Sampler”）。

---

四、基础工作流搭建（节点级教学）

1. 文本生成图像全流程

   • 节点连接顺序：

     加载检查点 → CLIP文本编码（正向/负向）→ K采样器 → VAE解码 → 保存图像
     

   • 参数详解：
     • K采样器：
       • steps：20-30（步数越多细节越丰富，但速度越慢）。
       • cfg：7-12（数值越高越贴近提示词，过高会失真）。
       • sampler：dpmpp_2m（平衡速度与质量）。
     • VAE解码：选择与模型匹配的VAE（如vae-ft-mse-840000-ema-pruned.safetensors）。

2. 实时预览技巧

   • 在K采样器和VAE解码之间插入预览图像节点，点击“队列提示”后实时查看生成进度。
   • 右键节点 → 勾选“总是输出图像”避免重复生成。

---

五、高级功能实战

1. ControlNet控制生成

   1. 通过ComfyUI Manager安装ControlNet Preprocessors。
   2. 工作流添加节点：

      上传图片 → ControlNet预处理（如Canny边缘检测）→ ControlNet应用 → 连接到K采样器
      

   3. 调整“ControlNet权重”（0.8-1.2控制贴合程度）。

2. LoRA模型调用

   • 将LoRA文件（.safetensors）放入models/loras。
   • 在加载检查点节点后插入LoRA加载器，输入LoRA名称和权重（通常0.6-1.0）。

---

六、故障排查手册

问题现象	解决方案
启动时提示“CUDA out of memory”	1. 添加--lowvram启动参数 2. 降低生成分辨率（如512x512→384x384） 3. 关闭其他占用显存的程序（如游戏、Chrome）
界面空白/无法加载工作流	1. 清除浏览器缓存 2. 访问http://127.0.0.1:8188/restart强制重启 3. 检查防火墙是否阻止端口8188
模型加载失败	1. 确认文件后缀为.safetensors或.ckpt 2. 检查extra_model_paths.yaml路径格式（用/代替\）

---

七、Mac系统专属指南

1. M1/M2芯片优化

   # 安装加速依赖
   brew install cmake protobuf rust
   pip install --pre torch torchvision --extra-index-url https://download.pytorch.org/whl/nightly/cpu
   

2. 启动命令

   python main.py --force-fp16  # 强制半精度减少显存占用
   

---

八、模型资源推荐

类型	推荐下载源	代表作
基础模型	CivitAI	SDXL 1.0、DreamShaper XL
LoRA	HuggingFace	KoreanDollLikeness、CyberRealistic
插件扩展	ComfyUI GitHub Wiki	WAS Node Suite（图像增强工具包）

---

三、ComfyUI 安装后的详细使用教程，结合了工作流搭建、插件管理、高级功能操作及优化技巧：

---

一、基础使用流程

1. 启动与界面概览

   • 启动后浏览器自动打开 http://127.0.0.1:8188（默认端口），界面分为左侧节点面板、中间工作区、右侧功能栏（保存/加载工作流等）。
   • 语言切换：右下角齿轮 → Language → 选择“中文”（需提前安装汉化插件）。

2. 加载模型与生成第一张图

   • 加载检查点模型：右键工作区 → Add Node → Loaders → Load Checkpoint，选择模型（需提前放入 models/checkpoints 目录）。
   • 输入提示词：添加两个 CLIP Text Encode 节点，分别填写正向/负向提示词，连接至采样器节点。
   • 设置采样参数：添加 KSampler 节点，配置参数（推荐：steps=20-30，cfg=7-12，采样器选 dpmpp_2m）。
   • 生成图像：点击右上角 Queue Prompt 或按 Ctrl+Enter，结果保存在 outputs 目录。

A strikingly beautiful East Asian girl with long, sleek black hair flowing gracefully, almond - shaped eyes glistening like gems, high cheekbones, and a delicate, porcelain - like complexion. She is wearing a traditional qipao adorned with intricate floral patterns, standing in a beautiful Chinese garden filled with blooming peonies.

---

二、核心节点与工作流搭建

1. 基础工作流结构

   加载模型 → CLIP编码提示词 → K采样器 → VAE解码 → 保存图像
   

   • Latent空间设置：通过 Empty Latent Image 节点调整分辨率（如 512x512）和批次数量。
   • VAE选择：部分模型需搭配特定VAE，从 Load VAE 节点加载。

2. 节点连接规则

   • 同类相连：仅同色端口可连接（如橙色CLIP输出连至橙色采样器输入）。
   • 一进多出：一个输出可连接多个输入，但一个输入只能接收一个输出。

3. 保存与复用工作流

   • 点击右侧 Save 保存当前工作流为 .json 文件，Load 可加载他人分享的模板。

---

三、插件安装与使用

1. 必备插件推荐

   • ComfyUI Manager：集中管理插件，支持在线安装/更新。手动安装需将插件仓库克隆至 custom_nodes 目录。
   • ControlNet++：支持SDXL的多控制类型（Canny、Depth等），模型放入 models/controlnet，通过 ControlNet Loader 节点调用。
   • IPAdapter：实现图像风格迁移，需安装 ComfyUI_IPAdapter_plus 插件并下载专用模型（如 ip-adapter-plus_sd15.safetensors）。

2. 插件操作示例（以ControlNet为例）

   • 添加 ControlNet Preprocessor 节点处理输入图像（如边缘检测）。
   • 连接至 ControlNet Apply 节点，选择控制类型和模型权重（0.8-1.2）。

---

四、进阶功能与技巧

1. LoRA模型调用

   • 将LoRA文件（.safetensors）放入 models/loras，在 Load Checkpoint 后插入 LoRA Loader 节点，设置权重（通常0.6-1.0）。

2. 多模型对比生成

   • 并行添加多个 Load Checkpoint 节点，连接至独立的采样分支，生成时对比不同模型效果。

3. 实时硬件监控

   • 安装 ComfyUI-Crystools 插件，实时显示GPU/CPU使用率、显存占用及生成进度。

4. 图像编辑与重绘

   • 局部重绘：使用 BrushNet 插件，支持图像扩展、元素删除。需下载专用模型并配置 Inpaint 节点。
   • 遮罩编辑：通过 Image Composite 节点结合遮罩控制重绘区域。

---

五、优化与故障排查

1. 性能优化

   • 低显存模式：启动时添加 --lowvram 参数，或降低生成分辨率。
   • 多GPU支持：通过节点配置分布式计算（需SDXL Turbo等新版功能支持）。

2. 常见问题解决

   • 模型加载失败：检查文件路径格式（使用 / 而非 \），确认模型后缀为 .safetensors 或 .ckpt。
   • 界面空白/卡顿：清除浏览器缓存，或访问 http://127.0.0.1:8188/restart 强制重启。

---

通过以上步骤，可快速掌握 ComfyUI 的核心操作，逐步探索复杂工作流与插件功能。如需更深入的工作流设计（如动画生成、多模型融合），可参考进阶教程或社区分享案例。