如果你最近在尝试 Stable Diffusion 这类 AI 图像生成工具可能已经对 WebUI 的复杂界面和偶尔的卡顿感到头疼。当你听说有一个更稳定、更高效、更适合工作流复用的替代方案——ComfyUI 时是不是立刻就想试试但紧接着你可能就被“手动安装 Python”、“配置环境变量”、“安装各种依赖”这些步骤劝退了。这正是本文要解决的问题。ComfyUI 的核心价值在于其节点式、可编程、高稳定性的工作流它把 AI 图像生成的每一步都变成了可连接、可保存、可分享的模块。但它的官方安装方式对新手极不友好手动安装的失败率极高尤其是在 Windows 系统上。因此一个清晰的判断是对于绝大多数中文区的 Windows 用户尤其是刚接触 ComfyUI 的新手使用“秋叶大佬”制作的整合包是最高效、最稳妥的入门路径没有之一。它帮你绕过了所有环境配置的坑让你能直接聚焦于 ComfyUI 本身强大的工作流功能。本文将为你提供一份基于“秋叶aaaki”整合包的2026 年全新 ComfyUI 保姆级安装与入门指南。读完本文你将能理解 ComfyUI 相比 WebUI 的核心优势与适用场景。通过整合包在 10 分钟内完成从零到启动 ComfyUI 的全过程。掌握基础节点操作跑通你的第一张 AI 生成图片。了解如何安装和管理模型、插件以及工作流的保存与分享。避开常见陷阱并获取后续深入学习的方向。我们直接从最关键的步骤开始。1. ComfyUI 是什么为什么值得你从 WebUI 切换过来在深入安装之前我们必须先搞清楚 ComfyUI 解决了什么根本问题。如果你只用过 Stable Diffusion WebUIAUTOMATIC1111可能会觉得它功能强大但有些“黑盒”。你调整参数、点击生成但中间的过程是模糊的。当生成结果不理想时排查问题就像开盲盒。ComfyUI 采用了完全不同的节点式Node-Based界面。它将文生图、图生图、ControlNet、LoRA 加载、高清修复等每一个步骤都抽象成一个独立的“节点”Node。你需要像搭积木一样用“线”连接将这些节点按逻辑顺序连接起来形成一个完整的“工作流”Workflow。这种设计带来了几个颠覆性的优势流程透明化与可调试性生成图像的每一步都清晰可见。如果图片崩了你可以顺着连接线回溯精准定位是哪个节点的参数出了问题。极高的可复用性与分享性你可以将调试好的复杂工作流例如特定风格的商业海报生成流程保存为一个.json或.png文件。分享给同事或社区对方一键加载就能完全复现你的流程包括所有参数和模型选择。资源占用更高效、更稳定ComfyUI 的底层实现更为精简通常比 WebUI 占用更少的内存VRAM并且在长时间批量生成任务中表现更稳定不易崩溃。无限的可能性与自动化节点式设计本质上是一种可视化编程。高级用户可以通过组合节点实现条件分支、循环迭代等复杂逻辑为自动化工作流和定制化工具开发打开了大门。那么谁最适合使用 ComfyUI希望深入理解 Stable Diffusion 原理的学习者节点连接就是生成过程的“地图”。需要稳定、高效进行批量生产的创作者工作流一旦搭建完成可重复执行成千上万次。热衷于探索新玩法和复现社区大神作品的极客直接加载别人的工作流是学习最快的方式。受限于显卡显存如 6GB 或 8GB的用户ComfyUI 通常能更有效地利用显存生成更大尺寸的图片。如果你符合以上任何一点那么投入时间学习 ComfyUI 将是一笔非常划算的投资。2. 环境准备为什么强烈推荐“秋叶整合包”ComfyUI 本身是一个开源项目理论上你可以通过 Git 克隆代码、安装 Python 依赖来运行。但在 Windows 环境下你会遇到 Python 版本冲突、PyTorch 与 CUDA 不匹配、依赖库安装失败等一系列令人崩溃的问题。“秋叶aaaki”B站知名UP主制作的整合包完美解决了这些问题。它将以下所有组件打包在一起并进行了预配置和优化ComfyUI 本体最新或稳定版本的代码。Python 环境无需单独安装整合包内置了兼容性最好的 Python 版本。PyTorch 与 CUDA 库已根据你的显卡NVIDIA配置好开箱即用。必要的依赖项所有 ComfyUI 运行所需的 Python 包都已安装完毕。便捷的管理工具提供了一键启动/更新/配置的脚本.bat文件。你的电脑需要满足以下最低要求操作系统Windows 10 或 Windows 11本文主要针对 Windows。显卡NVIDIA 显卡且显存建议4GB 以上。ComfyUI 对 AMD 显卡支持不佳Mac M 系列芯片可通过特定方式运行但整合包主要面向 NVIDIA。硬盘空间至少准备20GB可用空间用于存放整合包、基础模型和生成的图片。网络需要能够访问 GitHub 和 Hugging Face 等模型下载网站后续下载模型需要。3. 第一步下载与解压秋叶 ComfyUI 整合包这是最关键的一步请确保从可信渠道获取。寻找下载源由于整合包文件较大通常几个GB作者通常会发布在百度网盘。你可以通过搜索引擎搜索关键词“秋叶 ComfyUI 整合包”或访问作者在 B站哔哩哔哩的动态、视频简介获取最新的网盘链接和提取码。请注意识别确保来源是“秋叶aaaki”或其公认的发布渠道以避免下载到捆绑恶意软件的版本。下载文件从网盘下载得到的通常是一个压缩包文件名可能类似ComfyUI_整合包_秋叶_vX.X.7z或.zip。解压到合适位置选择一个磁盘空间充足的路径例如D:\AI\ComfyUI。路径中不要包含中文或特殊字符使用纯英文或数字路径如D:\ComfyUI。这是避免后续各种奇怪错误的黄金法则。使用解压软件如 7-Zip, Bandizip将压缩包解压到此目录。解压后目录结构应大致如下D:\ComfyUI\ ├── ComfyUI_windows_portable\ # 核心程序目录 │ ├── python_embeded\ # 内置Python环境 │ ├── ComfyUI\ # ComfyUI 主程序 │ ├── update.bat # 更新脚本 │ └── run_nvidia_gpu.bat # **最重要的启动脚本** ├── 启动器.exe # 图形化启动器如果有 └── 使用说明.txt4. 第二步放置模型文件SD1.5/SDXLComfyUI 本身不包含任何 AI 模型。你需要手动放置基础模型checkpoint。整合包通常会预留好模型文件夹。找到模型文件夹进入ComfyUI_windows_portable\ComfyUI\models\checkpoints\目录。这个文件夹就是存放基础大模型的地方。下载模型你需要从网上下载 Stable Diffusion 模型文件.safetensors格式。常见的入门模型有SD1.5 系列chilloutmix_NiPrunedFp32Fix.safetensors(写实风格)anything-v4.5.safetensors(二次元风格)。SDXL 系列sd_xl_base_1.0.safetensors和sd_xl_refiner_1.0.safetensors(官方SDXL模型)。 你可以从 Civitai、Hugging Face 等网站下载这些模型。放置模型将下载好的.safetensors文件直接复制到上一步的checkpoints文件夹内。其他模型文件夹说明models/loras/存放 LoRA 模型。models/controlnet/存放 ControlNet 模型。models/vae/存放 VAE 模型。models/upscale_models/存放超分辨率模型如 ESRGAN。 首次使用只需关注checkpoints文件夹即可。5. 第三步启动 ComfyUI这是检验安装是否成功的时刻。进入ComfyUI_windows_portable目录。双击运行run_nvidia_gpu.bat。这是为 NVIDIA 显卡用户准备的启动脚本。首次运行脚本会自动安装一些必要的依赖。命令行窗口会滚动大量信息请耐心等待直到你看到类似以下输出To see the GUI go to: http://127.0.0.1:8188这表示 ComfyUI 服务已经成功启动并在本地的 8188 端口运行。打开浏览器打开你的 Chrome、Edge 等浏览器在地址栏输入http://127.0.0.1:8188并访问。如果一切顺利你将看到 ComfyUI 的节点式界面。恭喜安装成功6. 第四步运行你的第一个工作流从空白开始面对空白的画布和一堆节点新手可能会懵。我们从一个最简单的文生图流程开始。添加节点在画布空白处右键点击选择Add Node。加载模型在搜索框输入load找到并选择Load Checkpoint。这个节点用于加载我们放在checkpoints文件夹里的大模型。添加提示词节点右键 -Add Node- 搜索clip 找到CLIP Text Encode (Prompt)。这个节点有两个输入框text用于输入正向提示词text_1用于输入负向提示词。注意需要添加两个 CLIP Text Encode 节点一个管正向prompt一个管负向negative prompt。添加采样器右键 -Add Node- 搜索ksampler 找到KSampler。这是核心的采样节点控制生成步数、采样方法等。添加VAE解码右键 -Add Node- 搜索vae 找到VAE Decode。添加保存图像右键 -Add Node- 搜索save 找到Save Image。现在你需要像接线一样连接它们将Load Checkpoint节点的MODEL输出连接到KSampler节点的model输入。将Load Checkpoint节点的CLIP输出分别连接到两个CLIP Text Encode节点的clip输入。将正向提示词CLIP Text Encode节点的CONDITIONING输出连接到KSampler节点的positive输入。将负向提示词CLIP Text Encode节点的CONDITIONING输出连接到KSampler节点的negative输入。将KSampler节点的LATENT输出连接到VAE Decode节点的samples输入。将Load Checkpoint节点的VAE输出连接到VAE Decode节点的vae输入。最后将VAE Decode节点的IMAGE输出连接到Save Image节点的images输入。配置参数在Load Checkpoint节点上点击选择你放入的模型如chilloutmix_NiPrunedFp32Fix.safetensors。在两个CLIP Text Encode节点中分别输入正向和负向提示词。在KSampler节点中设置steps步数如20cfg引导系数如7.5选择sampler_name采样器如euler和scheduler调度器如normal。在KSampler节点还需要连接一个Empty Latent Image节点右键添加来定义图片尺寸和批次。将Empty Latent Image的LATENT输出连接到KSampler的latent_image输入并设置宽度width和高度height如 512x512。生成图像点击画布右下角的Queue Prompt按钮。如果所有连接正确下方会显示生成进度。完成后生成的图片会显示在Save Image节点的预览窗口并自动保存到ComfyUI\output目录下。这个手动搭建的过程虽然繁琐但能让你彻底理解文生图的完整数据流。这也是 ComfyUI 学习的必经之路。7. 第五步安装与管理自定义节点插件ComfyUI 的强大生态源于社区贡献的“自定义节点”Custom Nodes它们相当于插件提供了无限扩展的功能。安装方法以秋叶整合包为例整合包通常自带一个“ComfyUI Manager”这是管理插件的利器。启动 ComfyUI 后在浏览器界面中你应该能看到一个额外的Manager标签页或按钮。进入Manager 选择Install Custom Nodes或类似选项。在搜索框中你可以搜索想要的插件例如ComfyUI-Impact-Pack功能极其强大的工具包包含细节修复、分段、检测等。ComfyUI-Advanced-ControlNet更强大的 ControlNet 节点集。was-node-suite-comfyui另一个流行的多功能节点集合。找到后点击Install按钮。安装完成后必须完全关闭 ComfyUI 的命令行窗口和浏览器然后重新启动run_nvidia_gpu.bat新安装的节点才会出现在右键菜单中。手动安装备用方案如果 Manager 安装失败可以手动操作进入ComfyUI_windows_portable\ComfyUI\custom_nodes\目录。在此文件夹内打开命令行或 Git Bash执行git clone https://github.com/插件作者/插件仓库名.git例如git clone https://github.com/ltdrdata/ComfyUI-Impact-Pack.git克隆完成后同样需要重启 ComfyUI。8. 第六步导入与导出工作流当你从网上下载了别人分享的精彩工作流通常是一个.json或.png文件如何加载加载工作流文件对于.json文件点击 ComfyUI 界面右上角的Load按钮选择下载的.json文件即可。对于.png文件ComfyUI 有一个神奇的功能可以将工作流信息嵌入到图片中。直接将.png文件拖入 ComfyUI 的画布区域它就会自动还原出完整的工作流节点和参数这是分享和传播工作流最常用的方式。保存你的工作流搭建好自己的工作流后点击右上角的Save按钮可以保存为.json文件。更推荐的方式是点击Save按钮下方的Save (API Format) 然后将保存的.json文件拖入画布它会以节点形式加载。接着连接一个Save Image节点并执行一次生成得到的输出图片就包含了完整的工作流数据。分享这张图即可。9. 常见问题与排查思路FAQ即使使用整合包你也可能遇到一些问题。下表列出了最常见的情况及解决方法问题现象可能原因排查方式解决方案双击run_nvidia_gpu.bat后窗口闪退1. 路径包含中文/特殊字符。2. 显卡驱动太旧。3. 系统缺少运行库。1. 检查解压路径。2. 查看命令行窗口闪退前的错误信息可在文件管理器地址栏输入cmd打开命令行再手动执行.bat文件看报错。1.确保路径全英文。2. 更新 NVIDIA 显卡驱动至最新版。3. 安装 Visual C Redistributable 。启动后浏览器访问127.0.0.1:8188无法连接1. 端口被占用。2. ComfyUI 未成功启动。1. 查看命令行窗口是否报错。2. 检查是否有其他程序占用了 8188 端口。1. 关闭可能冲突的程序。2. 可以修改启动脚本将端口改为其他值如--port 8189。3. 以管理员身份运行.bat文件。加载模型时提示 “Not a checkpoint file” 或模型不显示1. 模型文件损坏。2. 模型放错了文件夹。3. 模型格式不被支持。1. 确认模型文件后缀是.safetensors或.ckpt。2. 确认模型文件放在models/checkpoints/下。1. 重新下载模型文件。2. 检查文件完整性。3. 确保使用主流模型。生成图片时显存VRAM不足报错CUDA out of memory1. 图片分辨率设置过高。2. 同时加载了多个大模型。3. 使用了高分辨率修复等显存大户。1. 观察任务管理器中 GPU 显存使用情况。2. 尝试生成小图如 512x512。1.降低生成分辨率。2. 使用--lowvram或--normalvram参数启动修改.bat文件。3. 启用VAE的TAE优化在Load Checkpoint节点后接一个TAE节点。4. 考虑使用ComfyUI-Manager中的内存管理节点。安装自定义节点后在右键菜单中找不到自定义节点未正确安装或需要重启。1. 检查custom_nodes文件夹内是否有对应插件目录。2. 查看启动时命令行有无相关错误。1.完全关闭 ComfyUI 服务命令行窗口并重启。2. 检查插件是否与当前 ComfyUI 版本兼容。生成速度非常慢1. 使用了复杂的采样器或高步数。2. 显卡性能本身较弱。3. 开启了CPU模式。1. 检查KSampler节点设置。2. 确认命令行启动时识别到了 GPU。1. 尝试eulerdpmpp_2m等速度较快的采样器。2. 适当降低步数如 20-30。3. 确保.bat脚本是为 NVIDIA GPU 设计的。10. 最佳实践与进阶学习方向当你成功运行了第一个工作流后以下建议能帮助你更好地使用 ComfyUI工作流管理分门别类为不同用途人像、风景、设计、实验建立不同的工作流文件。添加注释使用Note节点右键添加在画布上为复杂流程添加文字说明方便日后回顾。模块化将常用的节点组合例如一个完整的脸部修复流程保存为“自定义节点组”便于复用。性能优化使用--highvram参数如果你的显卡显存充足如 12GB在.bat文件的python main.py后添加此参数可以提升大图生成性能。启用 xFormersxFormers 能显著提升生成速度并降低显存占用。秋叶整合包通常已预装。确保在KSampler节点中选择了支持 xFormers 的采样器。清理输出文件夹定期清理ComfyUI\output文件夹避免占用过多磁盘空间。模型管理为不同类型的模型建立清晰的文件夹结构。使用ComfyUI-Manager可以方便地检查模型和节点的更新。深入学习方向掌握核心节点深入理解KSamplerConditioningLatent相关节点的每一个参数。学习 ControlNet在 ComfyUI 中接入 OpenPose、Canny、Depth 等 ControlNet实现精准控制。探索 LoRA 与 LyCORIS学习如何加载和调整 LoRA 模型的权重实现风格微调。研究高级工作流去 Civitai 或 OpenArt 等社区下载大神分享的复杂工作流如图生图重绘高清放大拖入 ComfyUI 反向学习其结构。了解 API 调用ComfyUI 支持强大的 API学习后可以将其集成到你的自动化脚本或应用中。从 WebUI 切换到 ComfyUI初期会有一个学习曲线你需要适应从“调参数”到“搭流程”的思维转变。但一旦跨越这个门槛你将获得对 Stable Diffusion 前所未有的控制力和自动化能力。秋叶整合包为你扫清了环境配置的障碍让你可以心无旁骛地专注于工作流本身的学习与创造。现在启动你的 ComfyUI开始搭建你的第一个自动化图像生成流水线吧。 ComfyUI 保姆级安装指南：秋叶整合包助你快速上手 Stable Diffusion 节点式工作流
如果你最近在尝试 Stable Diffusion 这类 AI 图像生成工具可能已经对 WebUI 的复杂界面和偶尔的卡顿感到头疼。当你听说有一个更稳定、更高效、更适合工作流复用的替代方案——ComfyUI 时是不是立刻就想试试但紧接着你可能就被“手动安装 Python”、“配置环境变量”、“安装各种依赖”这些步骤劝退了。这正是本文要解决的问题。ComfyUI 的核心价值在于其节点式、可编程、高稳定性的工作流它把 AI 图像生成的每一步都变成了可连接、可保存、可分享的模块。但它的官方安装方式对新手极不友好手动安装的失败率极高尤其是在 Windows 系统上。因此一个清晰的判断是对于绝大多数中文区的 Windows 用户尤其是刚接触 ComfyUI 的新手使用“秋叶大佬”制作的整合包是最高效、最稳妥的入门路径没有之一。它帮你绕过了所有环境配置的坑让你能直接聚焦于 ComfyUI 本身强大的工作流功能。本文将为你提供一份基于“秋叶aaaki”整合包的2026 年全新 ComfyUI 保姆级安装与入门指南。读完本文你将能理解 ComfyUI 相比 WebUI 的核心优势与适用场景。通过整合包在 10 分钟内完成从零到启动 ComfyUI 的全过程。掌握基础节点操作跑通你的第一张 AI 生成图片。了解如何安装和管理模型、插件以及工作流的保存与分享。避开常见陷阱并获取后续深入学习的方向。我们直接从最关键的步骤开始。1. ComfyUI 是什么为什么值得你从 WebUI 切换过来在深入安装之前我们必须先搞清楚 ComfyUI 解决了什么根本问题。如果你只用过 Stable Diffusion WebUIAUTOMATIC1111可能会觉得它功能强大但有些“黑盒”。你调整参数、点击生成但中间的过程是模糊的。当生成结果不理想时排查问题就像开盲盒。ComfyUI 采用了完全不同的节点式Node-Based界面。它将文生图、图生图、ControlNet、LoRA 加载、高清修复等每一个步骤都抽象成一个独立的“节点”Node。你需要像搭积木一样用“线”连接将这些节点按逻辑顺序连接起来形成一个完整的“工作流”Workflow。这种设计带来了几个颠覆性的优势流程透明化与可调试性生成图像的每一步都清晰可见。如果图片崩了你可以顺着连接线回溯精准定位是哪个节点的参数出了问题。极高的可复用性与分享性你可以将调试好的复杂工作流例如特定风格的商业海报生成流程保存为一个.json或.png文件。分享给同事或社区对方一键加载就能完全复现你的流程包括所有参数和模型选择。资源占用更高效、更稳定ComfyUI 的底层实现更为精简通常比 WebUI 占用更少的内存VRAM并且在长时间批量生成任务中表现更稳定不易崩溃。无限的可能性与自动化节点式设计本质上是一种可视化编程。高级用户可以通过组合节点实现条件分支、循环迭代等复杂逻辑为自动化工作流和定制化工具开发打开了大门。那么谁最适合使用 ComfyUI希望深入理解 Stable Diffusion 原理的学习者节点连接就是生成过程的“地图”。需要稳定、高效进行批量生产的创作者工作流一旦搭建完成可重复执行成千上万次。热衷于探索新玩法和复现社区大神作品的极客直接加载别人的工作流是学习最快的方式。受限于显卡显存如 6GB 或 8GB的用户ComfyUI 通常能更有效地利用显存生成更大尺寸的图片。如果你符合以上任何一点那么投入时间学习 ComfyUI 将是一笔非常划算的投资。2. 环境准备为什么强烈推荐“秋叶整合包”ComfyUI 本身是一个开源项目理论上你可以通过 Git 克隆代码、安装 Python 依赖来运行。但在 Windows 环境下你会遇到 Python 版本冲突、PyTorch 与 CUDA 不匹配、依赖库安装失败等一系列令人崩溃的问题。“秋叶aaaki”B站知名UP主制作的整合包完美解决了这些问题。它将以下所有组件打包在一起并进行了预配置和优化ComfyUI 本体最新或稳定版本的代码。Python 环境无需单独安装整合包内置了兼容性最好的 Python 版本。PyTorch 与 CUDA 库已根据你的显卡NVIDIA配置好开箱即用。必要的依赖项所有 ComfyUI 运行所需的 Python 包都已安装完毕。便捷的管理工具提供了一键启动/更新/配置的脚本.bat文件。你的电脑需要满足以下最低要求操作系统Windows 10 或 Windows 11本文主要针对 Windows。显卡NVIDIA 显卡且显存建议4GB 以上。ComfyUI 对 AMD 显卡支持不佳Mac M 系列芯片可通过特定方式运行但整合包主要面向 NVIDIA。硬盘空间至少准备20GB可用空间用于存放整合包、基础模型和生成的图片。网络需要能够访问 GitHub 和 Hugging Face 等模型下载网站后续下载模型需要。3. 第一步下载与解压秋叶 ComfyUI 整合包这是最关键的一步请确保从可信渠道获取。寻找下载源由于整合包文件较大通常几个GB作者通常会发布在百度网盘。你可以通过搜索引擎搜索关键词“秋叶 ComfyUI 整合包”或访问作者在 B站哔哩哔哩的动态、视频简介获取最新的网盘链接和提取码。请注意识别确保来源是“秋叶aaaki”或其公认的发布渠道以避免下载到捆绑恶意软件的版本。下载文件从网盘下载得到的通常是一个压缩包文件名可能类似ComfyUI_整合包_秋叶_vX.X.7z或.zip。解压到合适位置选择一个磁盘空间充足的路径例如D:\AI\ComfyUI。路径中不要包含中文或特殊字符使用纯英文或数字路径如D:\ComfyUI。这是避免后续各种奇怪错误的黄金法则。使用解压软件如 7-Zip, Bandizip将压缩包解压到此目录。解压后目录结构应大致如下D:\ComfyUI\ ├── ComfyUI_windows_portable\ # 核心程序目录 │ ├── python_embeded\ # 内置Python环境 │ ├── ComfyUI\ # ComfyUI 主程序 │ ├── update.bat # 更新脚本 │ └── run_nvidia_gpu.bat # **最重要的启动脚本** ├── 启动器.exe # 图形化启动器如果有 └── 使用说明.txt4. 第二步放置模型文件SD1.5/SDXLComfyUI 本身不包含任何 AI 模型。你需要手动放置基础模型checkpoint。整合包通常会预留好模型文件夹。找到模型文件夹进入ComfyUI_windows_portable\ComfyUI\models\checkpoints\目录。这个文件夹就是存放基础大模型的地方。下载模型你需要从网上下载 Stable Diffusion 模型文件.safetensors格式。常见的入门模型有SD1.5 系列chilloutmix_NiPrunedFp32Fix.safetensors(写实风格)anything-v4.5.safetensors(二次元风格)。SDXL 系列sd_xl_base_1.0.safetensors和sd_xl_refiner_1.0.safetensors(官方SDXL模型)。 你可以从 Civitai、Hugging Face 等网站下载这些模型。放置模型将下载好的.safetensors文件直接复制到上一步的checkpoints文件夹内。其他模型文件夹说明models/loras/存放 LoRA 模型。models/controlnet/存放 ControlNet 模型。models/vae/存放 VAE 模型。models/upscale_models/存放超分辨率模型如 ESRGAN。 首次使用只需关注checkpoints文件夹即可。5. 第三步启动 ComfyUI这是检验安装是否成功的时刻。进入ComfyUI_windows_portable目录。双击运行run_nvidia_gpu.bat。这是为 NVIDIA 显卡用户准备的启动脚本。首次运行脚本会自动安装一些必要的依赖。命令行窗口会滚动大量信息请耐心等待直到你看到类似以下输出To see the GUI go to: http://127.0.0.1:8188这表示 ComfyUI 服务已经成功启动并在本地的 8188 端口运行。打开浏览器打开你的 Chrome、Edge 等浏览器在地址栏输入http://127.0.0.1:8188并访问。如果一切顺利你将看到 ComfyUI 的节点式界面。恭喜安装成功6. 第四步运行你的第一个工作流从空白开始面对空白的画布和一堆节点新手可能会懵。我们从一个最简单的文生图流程开始。添加节点在画布空白处右键点击选择Add Node。加载模型在搜索框输入load找到并选择Load Checkpoint。这个节点用于加载我们放在checkpoints文件夹里的大模型。添加提示词节点右键 -Add Node- 搜索clip 找到CLIP Text Encode (Prompt)。这个节点有两个输入框text用于输入正向提示词text_1用于输入负向提示词。注意需要添加两个 CLIP Text Encode 节点一个管正向prompt一个管负向negative prompt。添加采样器右键 -Add Node- 搜索ksampler 找到KSampler。这是核心的采样节点控制生成步数、采样方法等。添加VAE解码右键 -Add Node- 搜索vae 找到VAE Decode。添加保存图像右键 -Add Node- 搜索save 找到Save Image。现在你需要像接线一样连接它们将Load Checkpoint节点的MODEL输出连接到KSampler节点的model输入。将Load Checkpoint节点的CLIP输出分别连接到两个CLIP Text Encode节点的clip输入。将正向提示词CLIP Text Encode节点的CONDITIONING输出连接到KSampler节点的positive输入。将负向提示词CLIP Text Encode节点的CONDITIONING输出连接到KSampler节点的negative输入。将KSampler节点的LATENT输出连接到VAE Decode节点的samples输入。将Load Checkpoint节点的VAE输出连接到VAE Decode节点的vae输入。最后将VAE Decode节点的IMAGE输出连接到Save Image节点的images输入。配置参数在Load Checkpoint节点上点击选择你放入的模型如chilloutmix_NiPrunedFp32Fix.safetensors。在两个CLIP Text Encode节点中分别输入正向和负向提示词。在KSampler节点中设置steps步数如20cfg引导系数如7.5选择sampler_name采样器如euler和scheduler调度器如normal。在KSampler节点还需要连接一个Empty Latent Image节点右键添加来定义图片尺寸和批次。将Empty Latent Image的LATENT输出连接到KSampler的latent_image输入并设置宽度width和高度height如 512x512。生成图像点击画布右下角的Queue Prompt按钮。如果所有连接正确下方会显示生成进度。完成后生成的图片会显示在Save Image节点的预览窗口并自动保存到ComfyUI\output目录下。这个手动搭建的过程虽然繁琐但能让你彻底理解文生图的完整数据流。这也是 ComfyUI 学习的必经之路。7. 第五步安装与管理自定义节点插件ComfyUI 的强大生态源于社区贡献的“自定义节点”Custom Nodes它们相当于插件提供了无限扩展的功能。安装方法以秋叶整合包为例整合包通常自带一个“ComfyUI Manager”这是管理插件的利器。启动 ComfyUI 后在浏览器界面中你应该能看到一个额外的Manager标签页或按钮。进入Manager 选择Install Custom Nodes或类似选项。在搜索框中你可以搜索想要的插件例如ComfyUI-Impact-Pack功能极其强大的工具包包含细节修复、分段、检测等。ComfyUI-Advanced-ControlNet更强大的 ControlNet 节点集。was-node-suite-comfyui另一个流行的多功能节点集合。找到后点击Install按钮。安装完成后必须完全关闭 ComfyUI 的命令行窗口和浏览器然后重新启动run_nvidia_gpu.bat新安装的节点才会出现在右键菜单中。手动安装备用方案如果 Manager 安装失败可以手动操作进入ComfyUI_windows_portable\ComfyUI\custom_nodes\目录。在此文件夹内打开命令行或 Git Bash执行git clone https://github.com/插件作者/插件仓库名.git例如git clone https://github.com/ltdrdata/ComfyUI-Impact-Pack.git克隆完成后同样需要重启 ComfyUI。8. 第六步导入与导出工作流当你从网上下载了别人分享的精彩工作流通常是一个.json或.png文件如何加载加载工作流文件对于.json文件点击 ComfyUI 界面右上角的Load按钮选择下载的.json文件即可。对于.png文件ComfyUI 有一个神奇的功能可以将工作流信息嵌入到图片中。直接将.png文件拖入 ComfyUI 的画布区域它就会自动还原出完整的工作流节点和参数这是分享和传播工作流最常用的方式。保存你的工作流搭建好自己的工作流后点击右上角的Save按钮可以保存为.json文件。更推荐的方式是点击Save按钮下方的Save (API Format) 然后将保存的.json文件拖入画布它会以节点形式加载。接着连接一个Save Image节点并执行一次生成得到的输出图片就包含了完整的工作流数据。分享这张图即可。9. 常见问题与排查思路FAQ即使使用整合包你也可能遇到一些问题。下表列出了最常见的情况及解决方法问题现象可能原因排查方式解决方案双击run_nvidia_gpu.bat后窗口闪退1. 路径包含中文/特殊字符。2. 显卡驱动太旧。3. 系统缺少运行库。1. 检查解压路径。2. 查看命令行窗口闪退前的错误信息可在文件管理器地址栏输入cmd打开命令行再手动执行.bat文件看报错。1.确保路径全英文。2. 更新 NVIDIA 显卡驱动至最新版。3. 安装 Visual C Redistributable 。启动后浏览器访问127.0.0.1:8188无法连接1. 端口被占用。2. ComfyUI 未成功启动。1. 查看命令行窗口是否报错。2. 检查是否有其他程序占用了 8188 端口。1. 关闭可能冲突的程序。2. 可以修改启动脚本将端口改为其他值如--port 8189。3. 以管理员身份运行.bat文件。加载模型时提示 “Not a checkpoint file” 或模型不显示1. 模型文件损坏。2. 模型放错了文件夹。3. 模型格式不被支持。1. 确认模型文件后缀是.safetensors或.ckpt。2. 确认模型文件放在models/checkpoints/下。1. 重新下载模型文件。2. 检查文件完整性。3. 确保使用主流模型。生成图片时显存VRAM不足报错CUDA out of memory1. 图片分辨率设置过高。2. 同时加载了多个大模型。3. 使用了高分辨率修复等显存大户。1. 观察任务管理器中 GPU 显存使用情况。2. 尝试生成小图如 512x512。1.降低生成分辨率。2. 使用--lowvram或--normalvram参数启动修改.bat文件。3. 启用VAE的TAE优化在Load Checkpoint节点后接一个TAE节点。4. 考虑使用ComfyUI-Manager中的内存管理节点。安装自定义节点后在右键菜单中找不到自定义节点未正确安装或需要重启。1. 检查custom_nodes文件夹内是否有对应插件目录。2. 查看启动时命令行有无相关错误。1.完全关闭 ComfyUI 服务命令行窗口并重启。2. 检查插件是否与当前 ComfyUI 版本兼容。生成速度非常慢1. 使用了复杂的采样器或高步数。2. 显卡性能本身较弱。3. 开启了CPU模式。1. 检查KSampler节点设置。2. 确认命令行启动时识别到了 GPU。1. 尝试eulerdpmpp_2m等速度较快的采样器。2. 适当降低步数如 20-30。3. 确保.bat脚本是为 NVIDIA GPU 设计的。10. 最佳实践与进阶学习方向当你成功运行了第一个工作流后以下建议能帮助你更好地使用 ComfyUI工作流管理分门别类为不同用途人像、风景、设计、实验建立不同的工作流文件。添加注释使用Note节点右键添加在画布上为复杂流程添加文字说明方便日后回顾。模块化将常用的节点组合例如一个完整的脸部修复流程保存为“自定义节点组”便于复用。性能优化使用--highvram参数如果你的显卡显存充足如 12GB在.bat文件的python main.py后添加此参数可以提升大图生成性能。启用 xFormersxFormers 能显著提升生成速度并降低显存占用。秋叶整合包通常已预装。确保在KSampler节点中选择了支持 xFormers 的采样器。清理输出文件夹定期清理ComfyUI\output文件夹避免占用过多磁盘空间。模型管理为不同类型的模型建立清晰的文件夹结构。使用ComfyUI-Manager可以方便地检查模型和节点的更新。深入学习方向掌握核心节点深入理解KSamplerConditioningLatent相关节点的每一个参数。学习 ControlNet在 ComfyUI 中接入 OpenPose、Canny、Depth 等 ControlNet实现精准控制。探索 LoRA 与 LyCORIS学习如何加载和调整 LoRA 模型的权重实现风格微调。研究高级工作流去 Civitai 或 OpenArt 等社区下载大神分享的复杂工作流如图生图重绘高清放大拖入 ComfyUI 反向学习其结构。了解 API 调用ComfyUI 支持强大的 API学习后可以将其集成到你的自动化脚本或应用中。从 WebUI 切换到 ComfyUI初期会有一个学习曲线你需要适应从“调参数”到“搭流程”的思维转变。但一旦跨越这个门槛你将获得对 Stable Diffusion 前所未有的控制力和自动化能力。秋叶整合包为你扫清了环境配置的障碍让你可以心无旁骛地专注于工作流本身的学习与创造。现在启动你的 ComfyUI开始搭建你的第一个自动化图像生成流水线吧。