山岚的运维笔记

本文教你如何将ComfyUI工作流一键保存为JSON文件，并在下次启动时通过拖拽或导入快速恢复全部节点、连线与参数，避免重复搭建。步骤包括：确认工作流可用、菜单保存（Ctrl+S）、验证文件存在、清空画布后导入，以及理解JSON内容与分享注意事项。强调保存的JSON不包含模型文件，需确保对方拥有相同模型及插件。建议建立专用工作流文件夹，分类管理模板，提升效率。附常见问题解决方案，助你高效复用工作流。

8G显存运行ComfyUI生成大图需避坑：分辨率与显存呈平方增长，1024×1024易OOM。安全区为512×512至768×768，临界区768×1024、1024×1024需禁用额外节点。推荐“两阶段生成”——先小图再分块放大（如Ultimate SD Upscale），显存占用低且可出2K级图。优化技巧包括降steps、用FP16模型、关闭非必要节点、启用--novram或切换至ROCm原生方案（避免DirectML）。AMD用户务必检查显卡架构，RX 590不支持ROCm。

本文教你用“三层结构”提升提示词精准度：主体层（画什么）、构图层（怎么取景）、风格层（什么画风）。提供国漫分镜专用词库，涵盖构图视角、2.5D/水墨/赛璐璐等风格及光影氛围关键词，实现稳定出图。直接套用组合，告别凭感觉写词，轻松打造高质量国漫画面。

本文通过六项参数实验，详解ComfyUI中KSampler核心参数的实战应用：种子（seed）决定图像细节复现，步骤（steps）建议20–30为安全区间，CFG值7左右最稳，过低则失控、过高则僵硬。sampler与scheduler组合影响风格，推荐固定测试提示词对比。附《安全参数速查表》与《实验记录表》，助你一次只改一参，精准调图，快速掌握生成逻辑。

本文手把手指导新手在ComfyUI中使用SD1.5模型生成第一张国漫风格图像。通过设置安全参数（seed=0, steps=20, cfg=7, euler采样器），编写结构清晰的正向提示词（含角色、风格、光影、背景等要素）与负向提示词（抑制低质、畸形等问题），最终成功生成高质量国漫少女图。掌握核心参数意义，保存模板，实现从零到一的文生图突破。

本文手把手指导用户解决ComfyUI报错“Could not find checkpoint”问题，明确推荐下载SD1.5基础模型v1-5-pruned-emaonly.safetensors（4.2GB），并提供三种下载方式：hf-mirror命令行、ModelScope或网页直下。强调模型必须放入ComfyUI\models\checkpoints\正确路径，避免因路径错误导致加载失败。通过刷新页面、验证出图，确保模型成功加载。最后建议保存《SD1.5模型下载清单》，为后续使用打下基础。

本文手把手解析 ComfyUI 默认工作流，带你读懂节点与连线的逻辑：从 Load Checkpoint 加载模型，到 CLIP 编码提示词，通过 Empty Latent Image 设定画布，KSampler 执行去噪生成图像，再经 VAE Decode 解码，最终保存为图片。详解每个节点作用、数据流向及连线颜色含义（如薰衣草色=MODEL，黄色=CLIP），帮助新手建立“节点即工位、连线即传送带”的心智模型，实现自主重连与配置。附《节点角色对照表》速查指南。

本文提供ComfyUI节点安装失败的解决方案：通过设置GITHUB_ENDPOINT环境变量和全局git配置，实现GitHub加速。配合pip与HuggingFace镜像，彻底解决fatal: unable to access问题，确保节点安装稳定可用。

本文提供解决 ComfyUI 加载工作流时因无法连接 huggingface.co 而报错的高效方案。核心是通过设置环境变量 HF_ENDPOINT=https://hf-mirror.com，将模型下载请求重定向至国内镜像站，实现稳定快速下载。文中详细演示了在启动脚本中配置该变量、验证生效、使用 huggingface-cli 手动下载模型及迁移缓存路径等操作，适用于 AMD/NVIDIA 用户，无需代理或注册，一步到位解决模型下载卡顿问题。

pip安装插件时频繁出现ReadTimeoutError，根源在于默认使用国外PyPI源，跨境访问慢且不稳定。解决方法是将pip源更换为国内镜像，如清华源。只需在ComfyUI根目录执行两条命令： .\python_embeded\python.exe -m pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple .\python_embeded\python.exe -m pip config set global.

秋叶整合包是基于官方ComfyUI的中文优化版，由UP主“秋葉 aaaki”制作，通过“绘世启动器”实现一键安装与管理。它预装常用节点、内置国内镜像、图形化操作，极大降低使用门槛，适合零基础用户快速上手。但其更新滞后、环境封装导致透明度低，不利于学习底层逻辑。建议掌握官方版后再视需求切换。

你是不是看着 AMD 用户折腾 ROCm 脚本、gfx 编号、驱动版本，心里偷偷松了口气——还好我用的是 NVIDIA？别高兴太早，NVIDIA 虽然简单，但路径带空格、驱动太旧、显存不够，照样让你卡在启动那一步。这篇给你一条最省心的路：官方便携版，下载 → 解压 → 双击，三步跑通。

你是不是已经把显卡驱动更新到最新了，路径也改成纯英文了，但打开 ComfyUI 安装教程一看，全是 WSL2、Docker、conda，头都大了？别慌，我也踩过这些坑——AMD 装 ComfyUI 确实比 NVIDIA 多几步，但路线已经越来越清晰了。这篇不讲 WSL2、不讲 Docker、不讲 conda，就用的方式，在 Windows 上原生把 ComfyUI 跑起来。

你是不是已经把显卡驱动更新到最新了，路径也改成纯英文了，但打开 ComfyUI 安装教程一看，全是 WSL2、Docker、conda，头都大了？别慌，我也踩过这些坑——AMD 装 ComfyUI 确实比 NVIDIA 多几步，但路线已经越来越清晰了。这篇不讲 WSL2、不讲 Docker、不讲 conda，就用的方式，在 Windows 上原生把 ComfyUI 跑起来。

本文手把手指导AMD显卡用户在Windows上运行ComfyUI，聚焦核心步骤：确认显卡架构（如RDNA 3/3.5/4支持ROCm）、升级至26.1.1以上驱动、安装Git、设置纯英文路径、检查系统版本与磁盘空间。全程避坑，确保环境兼容，助力新手顺利开启AI绘画之旅。

ComfyUI 是基于节点的工作流式AI图像生成工具，通过连线搭建个性化出图流程，相比WebUI的填表模式更灵活，比Midjourney更具可控性与复用性。本系列聚焦国漫创作，利用其高自由度实现角色统一、风格稳定、分镜复用与批量生产，适合从零打造可迭代的国漫工作流。68篇内容将带你从认知到实战，无需编程基础，仅需耐心与创作热情。