最近在尝试 Stable Diffusion 的进阶玩法时你是否被 WebUI 的复杂节点和流程搞晕了头或者你是否渴望更精细地控制 AI 绘画的每一步像搭积木一样构建自己的工作流那么ComfyUI 绝对是你的下一个“真香”选择。作为一款基于节点流程的 Stable Diffusion 图形界面它以其极高的自由度、强大的工作流复用能力和更低的内存占用迅速在专业玩家和研究者中流行起来。然而ComfyUI 的官方安装对于新手来说并不友好涉及 Python 环境、Git、模型管理等诸多环节每一步都可能成为拦路虎。本文将为你带来一份2026年全新视角的 ComfyUI 一站式安装与入门指南重点介绍目前最受国内用户欢迎的秋叶大佬的 ComfyUI 一键整合包让你无需配置复杂环境解压即用快速上手这个强大的 AI 绘画工具。无论你是刚接触 Stable Diffusion 的新手还是希望从 WebUI 迁移过来的老玩家都能从本文中找到清晰的路径。1. ComfyUI 是什么为什么选择它在深入安装之前我们有必要先理解 ComfyUI 的核心价值。它不是一个全新的 AI 模型而是 Stable Diffusion 模型的另一种“操作界面”。1.1 核心概念节点式工作流你可以把 Stable Diffusion 的生成过程想象成一条工厂流水线。WebUI 把这条流水线封装成了一个黑盒你主要通过调整参数如提示词、采样步数来影响最终产品。而 ComfyUI 则把这个黑盒完全打开将流水线上的每一个环节——加载模型、编码提示词、采样、解码图片——都变成了一个可视化的“节点”Node。你需要用“线”连接将这些节点按逻辑顺序连接起来组成一个完整的工作流Workflow。这种设计带来了几个革命性的优势极致可控你可以看到并干预生成的每一个中间步骤例如查看潜空间特征、单独调整某一步的强度这对于理解模型行为和实现复杂效果至关重要。工作流复用与分享一个调试好的、能生成特定风格如动漫头像、建筑效果图的完整流程可以保存为一个.json或.png文件。其他人导入这个文件就能完全复现你的生成过程包括所有参数和节点布局。内存效率高由于按需加载和精确控制ComfyUI 通常比 WebUI 占用更少的显存这意味着你可以在同等硬件下运行更大的模型或进行批量生成。模块化与扩展性社区开发了海量的自定义节点Custom Nodes每个节点都像一个功能插件。你可以像搭乐高一样组合这些节点来实现超分辨率、人脸修复、连续帧生成等高级功能。1.2 ComfyUI 与 Stable Diffusion WebUI 对比特性Stable Diffusion WebUI (AUTOMATIC1111)ComfyUI上手难度低界面直观适合快速出图。较高需要理解节点和流程概念。灵活性一般功能虽多但流程固定。极高可自定义任意生成流程。工作流不支持可视化保存和复用复杂流程。核心功能可保存、分享、导入完整工作流。显存占用相对较高。相对较低优化更好。主要用户初学者、日常娱乐性创作。进阶用户、研究者、工作流开发者、对生成过程有控制需求的创作者。界面传统的网页表单式界面。节点图编辑器界面。简单总结如果你想“开箱即用”、快速体验 AI 绘画WebUI 是首选。但如果你想深入探索 AI 绘画的潜力实现可重复、可优化、可分享的特定生成任务ComfyUI 是更强大的终极工具。2. 安装准备选择你的安装方式安装 ComfyUI 主要有两种路径官方原生安装和使用整合包。对于绝大多数国内用户尤其是新手强烈推荐使用整合包。2.1 方式对比安装方式优点缺点推荐人群官方原生安装纯净紧跟最新开发进度适合深度定制和开发。步骤繁琐需自行配置 Python、Git、安装依赖、管理模型对新手极不友好。开发者、极客、需要尝鲜最新特性的用户。整合包解压即用内置 Python 环境、常用插件和基础模型省去 90% 的配置麻烦。更新可能稍慢于官方包体积较大。所有新手用户、绝大多数普通和进阶用户。2.2 硬件与软件要求无论选择哪种方式请确保你的电脑满足以下基本要求操作系统Windows 10/11 64位本文主要围绕 Windows。macOS 和 Linux 也可运行但配置更复杂。显卡NVIDIA 显卡是最佳选择需要支持 CUDA。显存建议4GB 以上6GB 或以上体验更佳。AMD 和 Intel 显卡可通过其他方式如 DirectML运行但性能和兼容性可能较差。存储空间至少准备20GB的可用空间。后续下载模型每个基础模型约 2-7GB会占用大量空间。网络需要能够访问外网用于下载 Python 包、插件和模型整合包已包含部分但后续更新和下载新模型仍需网络。3. 实战安装使用秋叶 ComfyUI 整合包强烈推荐“秋叶aaaki”是国内 Stable Diffusion 领域的知名大佬其制作的Stable Diffusion WebUI 整合包帮助了无数新手入门。现在他也为 ComfyUI 制作了同样优秀的一键整合包。我们以寻找2026年最新版的秋叶 ComfyUI 整合包为例进行安装。3.1 下载整合包寻找资源由于平台规则无法提供直接下载链接。请通过主流搜索引擎如百度、Bing搜索关键词“秋叶 ComfyUI 整合包 2026”或“ComfyUI 一键启动器 秋叶”。通常可以在知名的 AI 模型分享社区、技术论坛如某哩某哩、某瓜某站的相关专栏或秋叶大佬的个人发布渠道找到下载地址。识别版本下载时注意查看压缩包的名称和说明确认其版本较新例如包含2026字样并且支持你的操作系统通常是 Windows。下载文件整合包通常是一个较大的.7z或.zip压缩文件大小可能在10GB 到 20GB之间因为它已经内置了 Python、ComfyUI 主程序、一些必要插件和基础模型如sd_xl_base_1.0.safetensors。请确保网络稳定。3.2 安装与解压关闭杀毒软件为避免解压或运行时文件被误杀建议暂时关闭 Windows Defender 实时保护或第三方杀毒软件。准备目录在空间充足的盘符如D:\下新建一个英文文件夹例如D:\AI_Painting。解压文件将下载好的整合包压缩文件直接解压到这个新建的文件夹中。使用工具如7-Zip或Bandizip进行解压。确保解压后文件路径中不要包含中文或特殊字符例如D:\AI_Painting\ComfyUI_windows_portable是理想的路径。3.3 目录结构初探解压完成后你会看到一个包含许多文件和文件夹的目录。了解几个关键文件夹对后续使用很有帮助ComfyUI_windows_portable/ # 整合包根目录 ├── ComfyUI/ # ComfyUI 主程序目录 │ ├── models/ # **核心存放所有模型** │ │ ├── checkpoints/ # 存放大模型.safetensors 或 .ckpt │ │ ├── loras/ # 存放 LoRA 模型 │ │ ├── vae/ # 存放 VAE 模型 │ │ └── ... # 其他类型模型文件夹 │ ├── input/ # 存放待处理的输入图片 │ ├── output/ # **生成图片的默认保存位置** │ ├── custom_nodes/ # **存放所有自定义插件节点** │ └── ... # 其他配置和临时文件 ├── python_embeded/ # 内置的 Python 运行环境无需单独安装 ├── 启动器.exe # **最重要的文件一键启动器** └── ... # 其他依赖和配置文件3.4 首次启动与配置运行启动器双击根目录下的启动器.exe或run.bat不同整合包名称可能略有不同。启动器界面通常会弹出一个控制台窗口并可能伴随一个图形化的启动器界面。在界面中你可以进行一些关键配置选择显卡如果你有 NVIDIA 显卡确保它被正确识别。监听设置保持默认127.0.0.1:8188即可这是 ComfyUI 的本地访问地址。高级选项首次运行可以忽略保持默认。一键启动点击“一键启动”或类似按钮。启动器会自动完成环境检测、依赖安装等步骤。首次启动时间可能较长因为它需要安装或更新一些 Python 包。访问 WebUI当控制台窗口显示类似Running on local URL: http://127.0.0.1:8188的信息时说明启动成功。此时打开你的浏览器Chrome/Firefox/Edge在地址栏输入http://127.0.0.1:8188并访问即可看到 ComfyUI 的节点编辑器界面。恭喜至此ComfyUI 已经成功安装并运行在你的电脑上。4. ComfyUI 基础界面与核心节点解析第一次看到 ComfyUI 的界面可能会感到眼花缭乱。别担心我们一步步来拆解。4.1 界面布局节点图区域中间最大的空白区域是你“搭建工作流”的画布。节点菜单右键点击画布空白处会弹出所有可用的节点分类菜单。工作流管理顶部或侧边栏通常有Load加载、Save保存、Clear清空等按钮用于管理你的工作流文件。队列按钮Queue Prompt按钮用于执行当前工作流生成图片。Queue Front和Queue Back用于管理生成队列。历史记录生成的图片会出现在右侧或下方的面板中可以点击查看并重新加载其对应的工作流。4.2 必须掌握的 5 个核心节点理解这些节点你就理解了 Stable Diffusion 生成的基本骨架。Checkpoint Loader (加载模型)作用加载 Stable Diffusion 大模型如 SD1.5, SDXL, Juggernaut 等。关键参数ckpt_name下拉选择你在models/checkpoints/里放置的模型文件。输出MODEL和CLIP分别连接到采样器和提示词编码器。CLIP Text Encode (提示词编码器)作用将你写的正面Positive和负面Negative提示词转换为模型能理解的数学表示向量。你需要两个这个节点一个连接正面提示词一个连接负面提示词。输入text输入框填写提示词clip连接来自Checkpoint Loader的CLIP输出。KSampler (采样器)作用这是生成过程的“发动机”负责执行去噪采样步骤。关键参数seed随机种子固定种子可以复现相同图片。steps采样步数影响细节和质量。cfg提示词相关性值越高越遵循提示词。sampler_name和scheduler采样算法影响生成速度和风格。输入需要连接MODEL、positive和negative来自 CLIP Text Encode、latent_image来自 Empty Latent Image。Empty Latent Image (空潜空间图像)作用定义你要生成图片的宽度width和高度height。输出一个指定尺寸的、充满随机噪声的“潜空间图像”作为 KSampler 的起点。VAE Decode (VAE 解码器)作用将 KSampler 输出的“潜空间图像”Latent Image解码成我们能看到的 RGB 像素图片。输入samples连接 KSampler 的输出vae连接 Checkpoint Loader 的VAE输出有些模型需要单独加载 VAE。4.3 构建你的第一个工作流让我们手动搭建一个最基础的文生图流程理解节点如何连接。右键画布 -loaders-CheckpointLoader。右键画布 -conditioning-CLIPTextEncode。拖出两个分别作为正面和负面提示词编码器。右键画布 -sampling-KSampler。右键画布 -latent-EmptyLatentImage。右键画布 -latent-VAEDecode。右键画布 -_for_testing-PreviewImage用于预览图片非必需但推荐。现在开始连接用鼠标从一个节点的输出点拖拽到另一个节点的输入点将CheckpointLoader的MODEL连接到KSampler的model。将CheckpointLoader的CLIP分别连接到两个CLIPTextEncode的clip。在正面CLIPTextEncode的text框输入masterpiece, best quality, 1girl。在负面CLIPTextEncode的text框输入lowres, bad anatomy。将正面CLIPTextEncode的CONDITIONING连接到KSampler的positive。将负面CLIPTextEncode的CONDITIONING连接到KSampler的negative。将EmptyLatentImage的LATENT连接到KSampler的latent_image。将CheckpointLoader的VAE连接到VAEDecode的vae。将KSampler的LATENT连接到VAEDecode的samples。将VAEDecode的IMAGE连接到PreviewImage的images。最后设置EmptyLatentImage的宽高如 512x512设置KSampler的seed、steps如 20、cfg如 7.5。点击Queue Prompt按钮等待片刻你的第一张 ComfyUI 图片就生成了5. 模型与插件自定义节点管理整合包只提供了基础环境强大的功能依赖于丰富的模型和插件。5.1 安装与放置模型模型是生成图片风格和质量的基础。你需要手动下载并放入对应的文件夹。大模型 (Checkpoint)来源在模型分享网站如 Civitai, Hugging Face下载.safetensors格式文件。放置位置复制到ComfyUI/models/checkpoints/目录下。刷新回到 ComfyUI 网页点击CheckpointLoader节点上的ckpt_name下拉框点击右侧的“刷新”按钮新模型就会出现。LoRA 模型作用小型适配模型用于微调风格、人物或概念权重小效果强。放置位置复制到ComfyUI/models/loras/目录下。使用使用LoraLoader节点在loaders分类下来加载。需要连接到大模型流中。VAE 模型作用改善颜色和细节。放置位置复制到ComfyUI/models/vae/目录下。使用在CheckpointLoader中可以选择或使用单独的VAELoader节点。5.2 安装自定义节点插件自定义节点极大地扩展了 ComfyUI 的能力例如人脸修复、高清放大、动画生成等。安装方法一通过启动器/管理器推荐秋叶整合包通常内置了 ComfyUI Manager 插件。启动 ComfyUI 后在浏览器界面中寻找一个类似齿轮⚙️或“Manager”的按钮。点击进入管理器你可以在Install Custom Nodes标签页中直接搜索节点名称如ComfyUI-Impact-Pack,ControlNet然后点击 Install 进行安装。安装后需要重启 ComfyUI。安装方法二手动安装Git对于管理器里没有的节点需要手动安装。在 GitHub 上找到该自定义节点的仓库页面。复制仓库的 HTTPS 或 Git 链接。打开命令行进入ComfyUI/custom_nodes/目录。执行命令git clone 仓库链接。克隆完成后重启 ComfyUI新节点就会出现在右键菜单中。几个必装的神级插件推荐ComfyUI Manager插件管理器本身方便安装和管理其他节点。ComfyUI-Impact-Pack功能巨无霸包包含众多实用节点如检测器、分割器、细节修复等。ControlNet for ComfyUI实现姿势、线稿、深度图控制生成的必备插件。ComfyUI-Advanced-ControlNet更强大的 ControlNet 节点集。efficiency-nodes-comfyui提供能极大提升工作效率的节点如通配符处理、提示词调度等。6. 常见问题与故障排除 (FAQ)即使使用整合包你也可能会遇到一些问题。这里列出高频问题及解决方案。6.1 启动与运行问题问题现象可能原因解决方案双击启动器无反应或闪退1. 路径包含中文/特殊字符。2. 杀毒软件拦截。3. 运行库缺失。1. 确保解压路径全英文。2. 关闭杀软重新解压。3. 安装 VC Redist 等运行库整合包通常已包含。启动时提示Torch not compiled with CUDA显卡驱动太旧或 PyTorch (CUDA) 版本不匹配。1. 更新 NVIDIA 显卡驱动到最新版。2. 在启动器“高级选项”中尝试切换不同的torch版本。访问http://127.0.0.1:8188打不开1. ComfyUI 未成功启动。2. 端口被占用。1. 检查控制台窗口是否有错误日志。2. 在启动器配置中更换端口如 8189。生成图片时爆显存 (OutOfMemory)1. 分辨率设置过高。2. 同时加载了过多模型或使用了高分辨率修复。1. 降低EmptyLatentImage的宽高。2. 使用EmptySDXLLatentImage(针对 SDXL) 或分块 VAE 解码节点。3. 在启动器设置中启用xformers优化如果支持。6.2 模型与节点问题问题现象可能原因解决方案加载模型时提示KeyError或找不到1. 模型文件损坏或不兼容。2. 模型放错了文件夹。1. 重新下载模型文件确保格式正确.safetensors。2. 确认模型放入了checkpoints文件夹并点击了刷新按钮。安装了自定义节点但找不到1. 安装后未重启 ComfyUI。2. 节点安装路径错误。1. 完全关闭 ComfyUI 服务关闭控制台窗口再重启。2. 确认节点被安装到了custom_nodes文件夹下的独立子文件夹内。工作流加载后节点显示为红色或“Unknown Node”1. 该工作流使用了你未安装的自定义节点。2. 节点版本不兼容。1. 根据工作流文件名或节点名称去安装对应的自定义节点。2. 更新 ComfyUI 本体和所有自定义节点到最新版本。6.3 性能优化建议启用 xformers在启动器的高级选项中如果支持务必勾选启用 xformers可以显著降低显存占用并提升速度。使用 CPU 卸载对于显存较小的显卡可以使用CPU 卸载相关节点将部分计算转移到内存但速度会变慢。合理设置图片尺寸生成分辨率是显存占用的最大因素。先从 512x512 或 1024x1024 开始尝试。使用EmptySDXLLatentImage如果使用 SDXL 模型务必使用这个专用节点来定义潜空间尺寸它比通用的EmptyLatentImage更高效。7. 进阶技巧与最佳实践当你熟悉基础操作后这些技巧能让你更上一层楼。7.1 高效使用工作流保存与加载调试好的工作流一定要及时点击Save按钮保存为.json文件。你可以建立自己的“工作流库”按风格、功能分类存放。导入他人工作流下载别人分享的.json或.png工作流文件在 ComfyUI 界面点击Load按钮加载即可。如果提示缺少节点按图索骥去安装即可。使用节点组 (Node Grouping)对于复杂工作流可以将一组功能相关的节点框选右键选择Add Node Group然后命名。这能极大提升工作流的可读性和可维护性就像编程中的函数封装。7.2 提示词与参数进阶动态提示词使用CLIPTextEncode的token_normalization和weight_interpretation参数可以调整提示词权重。更高级的玩法是使用efficiency-nodes中的文本处理节点实现条件化、通配符替换等。采样器选择Euler a速度快创意足DPM 2M Karras质量高收敛稳定。多尝试找到适合当前模型的组合。ControlNet 集成这是 ComfyUI 的杀手级应用。安装 ControlNet 节点后你可以将线稿、姿势图、深度图作为额外条件输入精确控制生成结果。流程通常是Load Image-ControlNet预处理器-ControlNetLoader-Apply ControlNet然后将输出连接到KSampler的positive条件上。7.3 组织你的工作区模型分类存放在models目录下建立子文件夹如checkpoints/portrait/,checkpoints/landscape/方便管理。定期清理输出output文件夹会快速增长定期清理或设置自动清理脚本。备份关键配置备份你的ComfyUI/custom_nodes/目录和常用工作流.json文件重装系统或更换电脑时可以快速恢复。从被节点图吓退到能自由搭建工作流解决具体问题ComfyUI 的学习曲线虽然陡峭但回报是巨大的。它不仅仅是一个生成工具更是一个理解 Stable Diffusion 内部运作原理的可视化实验室。秋叶整合包为你扫清了环境配置的障碍让你能专注于创作和探索本身。记住最好的学习方式就是动手从复现一个简单工作流开始然后尝试修改其中一个参数观察变化接着引入一个 LoRA最后挑战集成 ControlNet。每一步的突破都会让你对 AI 绘画有更深的认识。 2026年ComfyUI一站式安装与入门指南：秋叶整合包详解
最近在尝试 Stable Diffusion 的进阶玩法时你是否被 WebUI 的复杂节点和流程搞晕了头或者你是否渴望更精细地控制 AI 绘画的每一步像搭积木一样构建自己的工作流那么ComfyUI 绝对是你的下一个“真香”选择。作为一款基于节点流程的 Stable Diffusion 图形界面它以其极高的自由度、强大的工作流复用能力和更低的内存占用迅速在专业玩家和研究者中流行起来。然而ComfyUI 的官方安装对于新手来说并不友好涉及 Python 环境、Git、模型管理等诸多环节每一步都可能成为拦路虎。本文将为你带来一份2026年全新视角的 ComfyUI 一站式安装与入门指南重点介绍目前最受国内用户欢迎的秋叶大佬的 ComfyUI 一键整合包让你无需配置复杂环境解压即用快速上手这个强大的 AI 绘画工具。无论你是刚接触 Stable Diffusion 的新手还是希望从 WebUI 迁移过来的老玩家都能从本文中找到清晰的路径。1. ComfyUI 是什么为什么选择它在深入安装之前我们有必要先理解 ComfyUI 的核心价值。它不是一个全新的 AI 模型而是 Stable Diffusion 模型的另一种“操作界面”。1.1 核心概念节点式工作流你可以把 Stable Diffusion 的生成过程想象成一条工厂流水线。WebUI 把这条流水线封装成了一个黑盒你主要通过调整参数如提示词、采样步数来影响最终产品。而 ComfyUI 则把这个黑盒完全打开将流水线上的每一个环节——加载模型、编码提示词、采样、解码图片——都变成了一个可视化的“节点”Node。你需要用“线”连接将这些节点按逻辑顺序连接起来组成一个完整的工作流Workflow。这种设计带来了几个革命性的优势极致可控你可以看到并干预生成的每一个中间步骤例如查看潜空间特征、单独调整某一步的强度这对于理解模型行为和实现复杂效果至关重要。工作流复用与分享一个调试好的、能生成特定风格如动漫头像、建筑效果图的完整流程可以保存为一个.json或.png文件。其他人导入这个文件就能完全复现你的生成过程包括所有参数和节点布局。内存效率高由于按需加载和精确控制ComfyUI 通常比 WebUI 占用更少的显存这意味着你可以在同等硬件下运行更大的模型或进行批量生成。模块化与扩展性社区开发了海量的自定义节点Custom Nodes每个节点都像一个功能插件。你可以像搭乐高一样组合这些节点来实现超分辨率、人脸修复、连续帧生成等高级功能。1.2 ComfyUI 与 Stable Diffusion WebUI 对比特性Stable Diffusion WebUI (AUTOMATIC1111)ComfyUI上手难度低界面直观适合快速出图。较高需要理解节点和流程概念。灵活性一般功能虽多但流程固定。极高可自定义任意生成流程。工作流不支持可视化保存和复用复杂流程。核心功能可保存、分享、导入完整工作流。显存占用相对较高。相对较低优化更好。主要用户初学者、日常娱乐性创作。进阶用户、研究者、工作流开发者、对生成过程有控制需求的创作者。界面传统的网页表单式界面。节点图编辑器界面。简单总结如果你想“开箱即用”、快速体验 AI 绘画WebUI 是首选。但如果你想深入探索 AI 绘画的潜力实现可重复、可优化、可分享的特定生成任务ComfyUI 是更强大的终极工具。2. 安装准备选择你的安装方式安装 ComfyUI 主要有两种路径官方原生安装和使用整合包。对于绝大多数国内用户尤其是新手强烈推荐使用整合包。2.1 方式对比安装方式优点缺点推荐人群官方原生安装纯净紧跟最新开发进度适合深度定制和开发。步骤繁琐需自行配置 Python、Git、安装依赖、管理模型对新手极不友好。开发者、极客、需要尝鲜最新特性的用户。整合包解压即用内置 Python 环境、常用插件和基础模型省去 90% 的配置麻烦。更新可能稍慢于官方包体积较大。所有新手用户、绝大多数普通和进阶用户。2.2 硬件与软件要求无论选择哪种方式请确保你的电脑满足以下基本要求操作系统Windows 10/11 64位本文主要围绕 Windows。macOS 和 Linux 也可运行但配置更复杂。显卡NVIDIA 显卡是最佳选择需要支持 CUDA。显存建议4GB 以上6GB 或以上体验更佳。AMD 和 Intel 显卡可通过其他方式如 DirectML运行但性能和兼容性可能较差。存储空间至少准备20GB的可用空间。后续下载模型每个基础模型约 2-7GB会占用大量空间。网络需要能够访问外网用于下载 Python 包、插件和模型整合包已包含部分但后续更新和下载新模型仍需网络。3. 实战安装使用秋叶 ComfyUI 整合包强烈推荐“秋叶aaaki”是国内 Stable Diffusion 领域的知名大佬其制作的Stable Diffusion WebUI 整合包帮助了无数新手入门。现在他也为 ComfyUI 制作了同样优秀的一键整合包。我们以寻找2026年最新版的秋叶 ComfyUI 整合包为例进行安装。3.1 下载整合包寻找资源由于平台规则无法提供直接下载链接。请通过主流搜索引擎如百度、Bing搜索关键词“秋叶 ComfyUI 整合包 2026”或“ComfyUI 一键启动器 秋叶”。通常可以在知名的 AI 模型分享社区、技术论坛如某哩某哩、某瓜某站的相关专栏或秋叶大佬的个人发布渠道找到下载地址。识别版本下载时注意查看压缩包的名称和说明确认其版本较新例如包含2026字样并且支持你的操作系统通常是 Windows。下载文件整合包通常是一个较大的.7z或.zip压缩文件大小可能在10GB 到 20GB之间因为它已经内置了 Python、ComfyUI 主程序、一些必要插件和基础模型如sd_xl_base_1.0.safetensors。请确保网络稳定。3.2 安装与解压关闭杀毒软件为避免解压或运行时文件被误杀建议暂时关闭 Windows Defender 实时保护或第三方杀毒软件。准备目录在空间充足的盘符如D:\下新建一个英文文件夹例如D:\AI_Painting。解压文件将下载好的整合包压缩文件直接解压到这个新建的文件夹中。使用工具如7-Zip或Bandizip进行解压。确保解压后文件路径中不要包含中文或特殊字符例如D:\AI_Painting\ComfyUI_windows_portable是理想的路径。3.3 目录结构初探解压完成后你会看到一个包含许多文件和文件夹的目录。了解几个关键文件夹对后续使用很有帮助ComfyUI_windows_portable/ # 整合包根目录 ├── ComfyUI/ # ComfyUI 主程序目录 │ ├── models/ # **核心存放所有模型** │ │ ├── checkpoints/ # 存放大模型.safetensors 或 .ckpt │ │ ├── loras/ # 存放 LoRA 模型 │ │ ├── vae/ # 存放 VAE 模型 │ │ └── ... # 其他类型模型文件夹 │ ├── input/ # 存放待处理的输入图片 │ ├── output/ # **生成图片的默认保存位置** │ ├── custom_nodes/ # **存放所有自定义插件节点** │ └── ... # 其他配置和临时文件 ├── python_embeded/ # 内置的 Python 运行环境无需单独安装 ├── 启动器.exe # **最重要的文件一键启动器** └── ... # 其他依赖和配置文件3.4 首次启动与配置运行启动器双击根目录下的启动器.exe或run.bat不同整合包名称可能略有不同。启动器界面通常会弹出一个控制台窗口并可能伴随一个图形化的启动器界面。在界面中你可以进行一些关键配置选择显卡如果你有 NVIDIA 显卡确保它被正确识别。监听设置保持默认127.0.0.1:8188即可这是 ComfyUI 的本地访问地址。高级选项首次运行可以忽略保持默认。一键启动点击“一键启动”或类似按钮。启动器会自动完成环境检测、依赖安装等步骤。首次启动时间可能较长因为它需要安装或更新一些 Python 包。访问 WebUI当控制台窗口显示类似Running on local URL: http://127.0.0.1:8188的信息时说明启动成功。此时打开你的浏览器Chrome/Firefox/Edge在地址栏输入http://127.0.0.1:8188并访问即可看到 ComfyUI 的节点编辑器界面。恭喜至此ComfyUI 已经成功安装并运行在你的电脑上。4. ComfyUI 基础界面与核心节点解析第一次看到 ComfyUI 的界面可能会感到眼花缭乱。别担心我们一步步来拆解。4.1 界面布局节点图区域中间最大的空白区域是你“搭建工作流”的画布。节点菜单右键点击画布空白处会弹出所有可用的节点分类菜单。工作流管理顶部或侧边栏通常有Load加载、Save保存、Clear清空等按钮用于管理你的工作流文件。队列按钮Queue Prompt按钮用于执行当前工作流生成图片。Queue Front和Queue Back用于管理生成队列。历史记录生成的图片会出现在右侧或下方的面板中可以点击查看并重新加载其对应的工作流。4.2 必须掌握的 5 个核心节点理解这些节点你就理解了 Stable Diffusion 生成的基本骨架。Checkpoint Loader (加载模型)作用加载 Stable Diffusion 大模型如 SD1.5, SDXL, Juggernaut 等。关键参数ckpt_name下拉选择你在models/checkpoints/里放置的模型文件。输出MODEL和CLIP分别连接到采样器和提示词编码器。CLIP Text Encode (提示词编码器)作用将你写的正面Positive和负面Negative提示词转换为模型能理解的数学表示向量。你需要两个这个节点一个连接正面提示词一个连接负面提示词。输入text输入框填写提示词clip连接来自Checkpoint Loader的CLIP输出。KSampler (采样器)作用这是生成过程的“发动机”负责执行去噪采样步骤。关键参数seed随机种子固定种子可以复现相同图片。steps采样步数影响细节和质量。cfg提示词相关性值越高越遵循提示词。sampler_name和scheduler采样算法影响生成速度和风格。输入需要连接MODEL、positive和negative来自 CLIP Text Encode、latent_image来自 Empty Latent Image。Empty Latent Image (空潜空间图像)作用定义你要生成图片的宽度width和高度height。输出一个指定尺寸的、充满随机噪声的“潜空间图像”作为 KSampler 的起点。VAE Decode (VAE 解码器)作用将 KSampler 输出的“潜空间图像”Latent Image解码成我们能看到的 RGB 像素图片。输入samples连接 KSampler 的输出vae连接 Checkpoint Loader 的VAE输出有些模型需要单独加载 VAE。4.3 构建你的第一个工作流让我们手动搭建一个最基础的文生图流程理解节点如何连接。右键画布 -loaders-CheckpointLoader。右键画布 -conditioning-CLIPTextEncode。拖出两个分别作为正面和负面提示词编码器。右键画布 -sampling-KSampler。右键画布 -latent-EmptyLatentImage。右键画布 -latent-VAEDecode。右键画布 -_for_testing-PreviewImage用于预览图片非必需但推荐。现在开始连接用鼠标从一个节点的输出点拖拽到另一个节点的输入点将CheckpointLoader的MODEL连接到KSampler的model。将CheckpointLoader的CLIP分别连接到两个CLIPTextEncode的clip。在正面CLIPTextEncode的text框输入masterpiece, best quality, 1girl。在负面CLIPTextEncode的text框输入lowres, bad anatomy。将正面CLIPTextEncode的CONDITIONING连接到KSampler的positive。将负面CLIPTextEncode的CONDITIONING连接到KSampler的negative。将EmptyLatentImage的LATENT连接到KSampler的latent_image。将CheckpointLoader的VAE连接到VAEDecode的vae。将KSampler的LATENT连接到VAEDecode的samples。将VAEDecode的IMAGE连接到PreviewImage的images。最后设置EmptyLatentImage的宽高如 512x512设置KSampler的seed、steps如 20、cfg如 7.5。点击Queue Prompt按钮等待片刻你的第一张 ComfyUI 图片就生成了5. 模型与插件自定义节点管理整合包只提供了基础环境强大的功能依赖于丰富的模型和插件。5.1 安装与放置模型模型是生成图片风格和质量的基础。你需要手动下载并放入对应的文件夹。大模型 (Checkpoint)来源在模型分享网站如 Civitai, Hugging Face下载.safetensors格式文件。放置位置复制到ComfyUI/models/checkpoints/目录下。刷新回到 ComfyUI 网页点击CheckpointLoader节点上的ckpt_name下拉框点击右侧的“刷新”按钮新模型就会出现。LoRA 模型作用小型适配模型用于微调风格、人物或概念权重小效果强。放置位置复制到ComfyUI/models/loras/目录下。使用使用LoraLoader节点在loaders分类下来加载。需要连接到大模型流中。VAE 模型作用改善颜色和细节。放置位置复制到ComfyUI/models/vae/目录下。使用在CheckpointLoader中可以选择或使用单独的VAELoader节点。5.2 安装自定义节点插件自定义节点极大地扩展了 ComfyUI 的能力例如人脸修复、高清放大、动画生成等。安装方法一通过启动器/管理器推荐秋叶整合包通常内置了 ComfyUI Manager 插件。启动 ComfyUI 后在浏览器界面中寻找一个类似齿轮⚙️或“Manager”的按钮。点击进入管理器你可以在Install Custom Nodes标签页中直接搜索节点名称如ComfyUI-Impact-Pack,ControlNet然后点击 Install 进行安装。安装后需要重启 ComfyUI。安装方法二手动安装Git对于管理器里没有的节点需要手动安装。在 GitHub 上找到该自定义节点的仓库页面。复制仓库的 HTTPS 或 Git 链接。打开命令行进入ComfyUI/custom_nodes/目录。执行命令git clone 仓库链接。克隆完成后重启 ComfyUI新节点就会出现在右键菜单中。几个必装的神级插件推荐ComfyUI Manager插件管理器本身方便安装和管理其他节点。ComfyUI-Impact-Pack功能巨无霸包包含众多实用节点如检测器、分割器、细节修复等。ControlNet for ComfyUI实现姿势、线稿、深度图控制生成的必备插件。ComfyUI-Advanced-ControlNet更强大的 ControlNet 节点集。efficiency-nodes-comfyui提供能极大提升工作效率的节点如通配符处理、提示词调度等。6. 常见问题与故障排除 (FAQ)即使使用整合包你也可能会遇到一些问题。这里列出高频问题及解决方案。6.1 启动与运行问题问题现象可能原因解决方案双击启动器无反应或闪退1. 路径包含中文/特殊字符。2. 杀毒软件拦截。3. 运行库缺失。1. 确保解压路径全英文。2. 关闭杀软重新解压。3. 安装 VC Redist 等运行库整合包通常已包含。启动时提示Torch not compiled with CUDA显卡驱动太旧或 PyTorch (CUDA) 版本不匹配。1. 更新 NVIDIA 显卡驱动到最新版。2. 在启动器“高级选项”中尝试切换不同的torch版本。访问http://127.0.0.1:8188打不开1. ComfyUI 未成功启动。2. 端口被占用。1. 检查控制台窗口是否有错误日志。2. 在启动器配置中更换端口如 8189。生成图片时爆显存 (OutOfMemory)1. 分辨率设置过高。2. 同时加载了过多模型或使用了高分辨率修复。1. 降低EmptyLatentImage的宽高。2. 使用EmptySDXLLatentImage(针对 SDXL) 或分块 VAE 解码节点。3. 在启动器设置中启用xformers优化如果支持。6.2 模型与节点问题问题现象可能原因解决方案加载模型时提示KeyError或找不到1. 模型文件损坏或不兼容。2. 模型放错了文件夹。1. 重新下载模型文件确保格式正确.safetensors。2. 确认模型放入了checkpoints文件夹并点击了刷新按钮。安装了自定义节点但找不到1. 安装后未重启 ComfyUI。2. 节点安装路径错误。1. 完全关闭 ComfyUI 服务关闭控制台窗口再重启。2. 确认节点被安装到了custom_nodes文件夹下的独立子文件夹内。工作流加载后节点显示为红色或“Unknown Node”1. 该工作流使用了你未安装的自定义节点。2. 节点版本不兼容。1. 根据工作流文件名或节点名称去安装对应的自定义节点。2. 更新 ComfyUI 本体和所有自定义节点到最新版本。6.3 性能优化建议启用 xformers在启动器的高级选项中如果支持务必勾选启用 xformers可以显著降低显存占用并提升速度。使用 CPU 卸载对于显存较小的显卡可以使用CPU 卸载相关节点将部分计算转移到内存但速度会变慢。合理设置图片尺寸生成分辨率是显存占用的最大因素。先从 512x512 或 1024x1024 开始尝试。使用EmptySDXLLatentImage如果使用 SDXL 模型务必使用这个专用节点来定义潜空间尺寸它比通用的EmptyLatentImage更高效。7. 进阶技巧与最佳实践当你熟悉基础操作后这些技巧能让你更上一层楼。7.1 高效使用工作流保存与加载调试好的工作流一定要及时点击Save按钮保存为.json文件。你可以建立自己的“工作流库”按风格、功能分类存放。导入他人工作流下载别人分享的.json或.png工作流文件在 ComfyUI 界面点击Load按钮加载即可。如果提示缺少节点按图索骥去安装即可。使用节点组 (Node Grouping)对于复杂工作流可以将一组功能相关的节点框选右键选择Add Node Group然后命名。这能极大提升工作流的可读性和可维护性就像编程中的函数封装。7.2 提示词与参数进阶动态提示词使用CLIPTextEncode的token_normalization和weight_interpretation参数可以调整提示词权重。更高级的玩法是使用efficiency-nodes中的文本处理节点实现条件化、通配符替换等。采样器选择Euler a速度快创意足DPM 2M Karras质量高收敛稳定。多尝试找到适合当前模型的组合。ControlNet 集成这是 ComfyUI 的杀手级应用。安装 ControlNet 节点后你可以将线稿、姿势图、深度图作为额外条件输入精确控制生成结果。流程通常是Load Image-ControlNet预处理器-ControlNetLoader-Apply ControlNet然后将输出连接到KSampler的positive条件上。7.3 组织你的工作区模型分类存放在models目录下建立子文件夹如checkpoints/portrait/,checkpoints/landscape/方便管理。定期清理输出output文件夹会快速增长定期清理或设置自动清理脚本。备份关键配置备份你的ComfyUI/custom_nodes/目录和常用工作流.json文件重装系统或更换电脑时可以快速恢复。从被节点图吓退到能自由搭建工作流解决具体问题ComfyUI 的学习曲线虽然陡峭但回报是巨大的。它不仅仅是一个生成工具更是一个理解 Stable Diffusion 内部运作原理的可视化实验室。秋叶整合包为你扫清了环境配置的障碍让你能专注于创作和探索本身。记住最好的学习方式就是动手从复现一个简单工作流开始然后尝试修改其中一个参数观察变化接着引入一个 LoRA最后挑战集成 ControlNet。每一步的突破都会让你对 AI 绘画有更深的认识。