还在为 Stable Diffusion WebUI 的复杂操作和资源占用而烦恼想体验更高效、更稳定、更符合工作流思维的 AI 绘图方式吗ComfyUI 作为一款基于节点式工作流的 Stable Diffusion 图形界面正以其卓越的性能、清晰的逻辑和强大的可定制性成为越来越多 AI 绘画爱好者和专业创作者的首选。然而其“从零开始”的部署方式也让不少新手望而却步网络上教程零散环境冲突、插件报错等问题频发。本文旨在提供一份真正意义上的“2026保姆级”ComfyUI 全流程安装部署指南。无论你是完全零基础的新手还是从 WebUI 转战而来的用户都能通过本文一步步完成从零到一的搭建。我们将涵盖本地环境部署、核心软件安装、必备插件安装三大核心环节并重点介绍备受好评的“秋叶 ComfyUI 整合包”让你跳过大部分坑点直接将效率拉满快速进入创作状态。1. 理解 ComfyUI为什么选择它在动手安装之前我们有必要先理解 ComfyUI 的核心价值这能帮助你判断它是否适合你并在后续使用中更好地利用其特性。1.1 ComfyUI 是什么ComfyUI 是一个将 Stable Diffusion 的生成过程可视化、模块化的图形用户界面。它将文生图、图生图中的每一个步骤如加载模型、编码提示词、采样、解码等抽象为一个个独立的“节点”Node用户通过连接这些节点来构建完整的图像生成“工作流”Workflow。与 Stable Diffusion WebUIAUTOMATIC1111最大的不同在于WebUI提供的是封装好的功能按钮如文生图、图生图、后期处理内部流程对用户是黑盒。ComfyUI将整个生成流程完全展开每个参数、每个处理步骤都清晰可见且可调。1.2 ComfyUI 的核心优势极高的效率与低资源占用由于其轻量化的设计和对工作流的优化ComfyUI 通常比 WebUI 生成速度更快显存VRAM占用更低对硬件更友好。无与伦比的可视化与可控性你可以清晰地看到 latent space潜空间的演变精确控制 LoRA、ControlNet 等插件在流程中的介入时机和强度实现极其精细的调控。强大的工作流复用与分享你可以将搭建好的完整流程保存为一个.json或.png文件。下次使用时直接加载所有参数、模型路径都会自动恢复极大提升了复杂创作的复现性和团队协作效率。卓越的稳定性节点式架构避免了 WebUI 中扩展Extension之间可能存在的冲突系统更为稳定。活跃的社区与生态拥有大量开发者为其制作功能强大的自定义节点插件社区分享的工作流更是学习与创作的宝库。1.3 谁适合使用 ComfyUI追求效率和稳定性的用户受够了 WebUI 的卡顿、崩溃和扩展冲突。希望深入理解 AI 绘图原理的用户想要揭开黑盒掌握图像生成的每一个环节。需要进行复杂、可重复创作的创作者如漫画分镜、角色一致性、复杂场景构建。开发者与研究者便于调试、实验新的生成思路和流程。如果你符合以上任何一点那么投入时间学习 ComfyUI 将是非常值得的。接下来我们将进入实战环节。2. 环境准备与部署方案选择工欲善其事必先利其器。在安装 ComfyUI 之前我们需要准备好基础运行环境。对于绝大多数用户我们推荐在Windows 10/11系统上进行部署。本文将主要围绕 Windows 平台展开。2.1 基础环境检查清单在开始前请确保你的电脑满足以下最低要求并完成相应准备项目要求检查与准备操作系统Windows 10/11 (64位)确认系统版本。显卡 (GPU)NVIDIA 显卡显存 ≥ 4GB (推荐 6GB)这是硬性要求。ComfyUI 严重依赖 NVIDIA 的 CUDA 进行加速。AMD 或 Intel 核显用户需额外配置本文不涉及。Python版本 3.10.x关键ComfyUI 官方推荐且最稳定的 Python 版本是3.10.6或3.10.9。请避免使用 3.11 或 3.12 等新版本以免遇到依赖包兼容性问题。Git最新版即可用于从 GitHub 克隆 ComfyUI 的源代码。磁盘空间至少 20GB 可用空间用于存放 ComfyUI 本体、基础模型如 SD1.5, SDXL、LoRA、VAE 等文件。2.2 部署方案对比手动安装 vs 整合包面对 ComfyUI 的安装主要有两种路径手动安装从源码部署优点最纯净完全遵循官方流程便于理解底层结构适合喜欢折腾、学习或需要特定版本定制的用户。缺点步骤繁琐需要自行解决 Python 环境、依赖冲突、CUDA 版本匹配等问题对新手不友好容易踩坑。使用整合包推荐给绝大多数用户优点开箱即用整合包作者已经帮你配置好了 Python 环境、依赖库、甚至预装了一些常用插件和模型。一键启动极大降低了入门门槛。缺点整合包体积较大可能包含你不需要的插件或模型更新可能略滞后于官方源码。结论与建议对于希望快速上手、专注于创作而非环境调试的新手和绝大多数用户我们强烈推荐直接使用整合包。国内最知名、维护最积极的整合包即是由“秋葉aaaki”制作的秋叶 ComfyUI 整合包。它不仅解决了环境问题还做了大量汉化、优化和预配置工作体验极佳。本文将以秋叶 ComfyUI 整合包为主线讲解最快捷的部署方式并在后续章节补充手动安装的核心步骤以及插件安装的通用方法确保你能获得最完整的知识。3. 方案一使用秋叶 ComfyUI 整合包极速入门这是最快、最省心的方式让你在几分钟内就能运行起 ComfyUI。3.1 下载秋叶 ComfyUI 整合包寻找下载源由于整合包文件较大通常几个GB作者通常会发布在网盘如百度网盘、123云盘或通过社群分享。你可以通过搜索引擎查找“秋叶 ComfyUI 整合包”的最新发布帖子或视频在描述中找到下载链接。选择版本下载时注意选择标注了“一键启动”、“解压即用”的版本并留意其内置的 ComfyUI 版本如基于 ComfyUI v0.30.0。准备磁盘空间确保你的目标磁盘如 D 盘有足够的空间建议预留 30GB。3.2 安装与启动步骤假设你已经将整合包下载为一个压缩文件如ComfyUI_秋叶整合包_vX.X.7z。解压文件使用解压软件如 Bandizip, 7-Zip将整合包解压到一个英文路径下。例如D:\AI\ComfyUI。绝对避免使用包含中文或特殊字符的路径这是许多奇怪错误的根源。目录结构初览解压后你会看到类似以下的目录结构ComfyUI_windows/ ├── ComfyUI/ # ComfyUI 主程序目录 ├── python_embeded/ # 内置的 Python 3.10 环境无需单独安装 ├── 启动器/ # 秋叶制作的图形化启动器 ├── 一键启动.bat # 启动脚本 └── 其他说明文件.txt一键启动直接双击运行根目录下的一键启动.bat文件。启动器配置首次运行首次运行可能会弹出启动器界面。在这里你可以进行一些便捷设置加速配置可以选择“清华镜像源”或“阿里镜像源”来加速后续插件的下载。版本管理可以切换/更新 ComfyUI 本体。插件管理可以安装、更新、禁用社区插件。对于首次使用保持默认设置直接点击“一键启动”按钮即可。等待启动完成启动器会自动打开一个命令行窗口开始加载 ComfyUI。这个过程会自动安装剩余的必要依赖。请保持网络畅通并耐心等待直到命令行窗口最后出现类似以下的输出Running on local URL: http://127.0.0.1:8188这表示 ComfyUI 服务已经成功启动。访问 Web 界面打开你的浏览器推荐 Chrome 或 Edge在地址栏输入http://127.0.0.1:8188并访问。你将看到 ComfyUI 的默认节点界面。恭喜至此你已经成功运行了 ComfyUI。整合包通常已经预置了基础模型和几个示例工作流你可以直接尝试加载和运行。3.3 整合包常见问题与解决双击.bat文件闪退可能是杀毒软件/Windows Defender 拦截。将整合包目录添加到杀毒软件的白名单中。右键一键启动.bat选择“以管理员身份运行”试试。启动时提示缺少*.dll文件常见于系统缺少运行库。请安装最新的 Visual C Redistributable 。启动器无法更新或安装插件检查网络连接尝试在启动器的“设置”中切换不同的镜像源。也可以直接使用后续章节的“手动安装插件”方法。4. 方案二手动安装 ComfyUI从源码部署如果你希望从零开始或整合包无法满足你的定制需求可以跟随本章节进行手动安装。这能让你更深入地理解 ComfyUI 的组成。4.1 安装 Python 3.10.9访问 Python 官网 下载 Windows 安装包 (python-3.10.9-amd64.exe)。运行安装程序。至关重要的一步务必勾选“Add Python 3.10 to PATH”将 Python 添加到系统环境变量。点击“Install Now”进行安装。验证安装打开命令提示符CMD或 PowerShell输入python --version应显示Python 3.10.9。4.2 安装 Git访问 Git 官网 下载 Windows 版 Git 安装程序。一路默认选项安装即可。验证安装在命令提示符输入git --version应显示版本号。4.3 安装 CUDA 与 PyTorch针对 NVIDIA 显卡这是手动安装中最容易出错的一环需要匹配你的显卡驱动、CUDA 版本和 PyTorch 版本。查看显卡驱动支持的 CUDA 版本在桌面右键点击“NVIDIA 控制面板”。点击左下角“系统信息”切换到“组件”选项卡。查看“NVCUDA.DLL”对应的产品名称例如CUDA 12.4。这表示你的驱动最高支持 CUDA 12.4。安装 PyTorch访问 PyTorch 官网 。根据你的 CUDA 支持版本选择命令。例如你的驱动支持 CUDA 12.1则选择PyTorch Build: Stable (2.x.x)Your OS: WindowsPackage: PipLanguage: PythonCompute Platform: CUDA 12.1官网会生成一条命令如pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121打开命令提示符运行这条命令。这会安装与 CUDA 12.1 兼容的 PyTorch。4.4 克隆并运行 ComfyUI克隆仓库打开命令提示符切换到你希望安装的目录如D:\AI执行git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI安装依赖在ComfyUI目录下运行pip install -r requirements.txt这个过程会下载所有必需的 Python 库请保持网络畅通。下载基础模型ComfyUI 本身不包含任何模型。你需要将 Stable Diffusion 模型文件如sd_xl_base_1.0.safetensors放入ComfyUI\models\checkpoints\目录。可以从 CivitAI 或 Hugging Face 下载。运行 ComfyUI在ComfyUI目录下运行python main.py访问界面同样在浏览器中访问http://127.0.0.1:8188。5. 核心目录结构与模型管理无论使用哪种方式安装理解 ComfyUI 的目录结构对于后续管理和安装插件都至关重要。5.1 关键目录说明以整合包或手动安装的ComfyUI主目录为例ComfyUI/ ├── models/ # 所有模型文件存放处 │ ├── checkpoints/ # 大模型 (Stable Diffusion 主模型) │ ├── vae/ # VAE 模型 │ ├── loras/ # LoRA 模型 │ ├── controlnet/ # ControlNet 模型 │ ├── upscale_models/ # 超分辨率模型 (如 ESRGAN) │ └── clip_vision/ # CLIP 视觉模型 (用于 IPAdapter 等) ├── output/ # 生成图片的默认输出目录 ├── input/ # 默认输入图片目录 (用于图生图等) ├── custom_nodes/ # **自定义节点插件安装目录** ├── web/ # Web 前端文件 ├── comfy/ # 后端核心代码 └── main.py # 主启动文件最重要的规则将下载的模型文件对号入座放入对应的models子文件夹中ComfyUI 才能识别它们。5.2 如何安装模型大模型 (Checkpoint)从 CivitAI、Hugging Face 或你熟悉的渠道下载.safetensors或.ckpt文件放入models/checkpoints/。LoRA下载.safetensors文件放入models/loras/。ControlNet下载.pth或.safetensors文件放入models/controlnet/。VAE下载.pt或.safetensors文件放入models/vae/。放置完成后通常需要重启 ComfyUI在命令行窗口按CtrlC停止再重新运行python main.py或通过启动器重启新的模型才会出现在节点的加载列表中。6. 插件自定义节点安装与管理ComfyUI 的强大生态离不开海量的自定义节点Custom Nodes也就是我们常说的插件。它们可以添加新的采样器、图像处理功能、工作流优化等。6.1 安装插件的三种方法假设我们要安装一个非常流行的图片预览和管理插件ComfyUI-Manager。方法一通过启动器安装仅限整合包用户这是最简便的方法。在秋叶启动器的“插件管理”或“高级选项”标签页中通常有一个插件列表你可以直接搜索ComfyUI-Manager并点击安装。方法二使用git clone命令通用方法这是最标准的手动安装方式。打开命令提示符导航到你的ComfyUI根目录下的custom_nodes文件夹。cd D:\AI\ComfyUI\custom_nodes使用git clone命令克隆插件的仓库。插件的 GitHub 地址通常在其主页可以找到。git clone https://github.com/ltdrdata/ComfyUI-Manager.git克隆完成后重启 ComfyUI。插件通常会自行安装依赖。方法三直接下载 ZIP 包在插件的 GitHub 页面点击 “Code” - “Download ZIP”解压后将文件夹放入custom_nodes目录然后重启 ComfyUI。6.2 必备插件推荐安装好ComfyUI-Manager后你可以在浏览器中通过其界面更方便地安装、更新其他插件。以下是一些强烈推荐的入门必备插件ComfyUI-Manager插件管理器本身提供图形化界面安装、更新、删除插件。ComfyUI-Impact-Pack功能巨无霸包包含大量实用节点如通配符处理、图像工具、细节修复等。ComfyUI-Advanced-ControlNet提供更强大的 ControlNet 控制节点。ComfyUI-InstantID或ComfyUI-IPAdapter-Plus用于实现人物/风格的一致性生成。ComfyUI-Custom-Scripts添加一些便捷的小功能如提示词搜索替换。安装建议初期不要安装过多插件先熟悉基础操作再按需添加避免节点列表过于杂乱和潜在的冲突。6.3 插件安装失败排查克隆失败检查网络确认 GitHub 地址是否正确。启动时报错提示缺少模块这是最常见的插件安装问题。通常是因为插件有额外的 Python 依赖。解决方案在ComfyUI根目录下根据插件README.md的说明使用pip install命令安装缺失的包。例如cd D:\AI\ComfyUI pip install -r custom_nodes/插件文件夹名/requirements.txt如果插件没有requirements.txt则根据错误信息手动安装指定包。插件不显示确认插件文件夹是否放入了custom_nodes目录并已重启 ComfyUI。7. 基础工作流搭建与使用入门成功安装并启动后面对空白的画布可能会不知所措。让我们搭建一个最简单的文生图工作流理解核心节点。7.1 你的第一个工作流简易文生图在浏览器中打开 ComfyUI 界面。右键点击画布空白处选择“Add Node”。依次添加并连接以下节点在搜索框中输入名称快速查找Load Checkpoint加载大模型。双击节点选择你放入checkpoints文件夹的模型。CLIP Text Encode (Prompt)编写正向提示词。将text连接到大模型的clip输出。CLIP Text Encode (Prompt)编写负向提示词。同样连接到大模型的clip输出。Empty Latent Image设置生成图片的宽高和批次大小。将其samples输出连接到KSampler。KSampler核心采样器。连接model- 大模型的MODEL输出。positive- 正向提示词的CONDITIONING输出。negative- 负向提示词的CONDITIONING输出。latent_image-Empty Latent Image的LATENT输出。VAE Decode将采样后的潜空间数据解码为图片。连接samples-KSampler的LATENT输出。vae- 大模型的VAE输出。Save Image保存图片。连接images-VAE Decode的IMAGE输出。填写提示词设置好尺寸和采样步数点击右下角的“Queue Prompt”按钮。等待生成图片将保存在output目录并在Save Image节点上预览。7.2 加载与分享工作流保存工作流点击右侧菜单的“Save”按钮可以将当前画布上的所有节点和设置保存为一个.json文件。加载工作流点击“Load”按钮选择之前保存的.json文件即可完全复现整个工作流。加载图片工作流ComfyUI 有一个神奇的功能将工作流嵌入到生成的图片中。你只需要将任何由 ComfyUI 生成的图片拖入画布它就会自动还原出生成该图片的完整工作流包括所有参数和模型名。这是学习和复现他人作品的最佳方式。8. 常见问题与故障排除大全即使使用整合包在后续使用中也可能遇到问题。这里汇总了高频问题及解决方案。8.1 启动与运行问题问题现象可能原因解决方案启动时提示Torch not compiled with CUDA enabledPyTorch 未安装 CUDA 版本或 CUDA 版本不匹配。1. 确认安装了 NVIDIA 显卡驱动。2. 根据驱动支持的 CUDA 版本重新安装对应版本的 PyTorch见 4.3 节。启动时大量ModuleNotFoundErrorPython 依赖缺失。在 ComfyUI 根目录运行pip install -r requirements.txt。对于整合包用户尝试通过启动器修复或重新解压。访问http://127.0.0.1:8188无响应ComfyUI 服务未成功启动或端口被占用。1. 检查命令行窗口是否成功运行到最后并显示 URL。2. 尝试更换端口启动在启动命令后加--port 8189。3. 检查防火墙是否阻止了 Python。生成图片时显存VRAM不足报错模型过大或分辨率设置过高。1. 使用显存优化参数启动python main.py --lowvram或--medvram。2. 降低生成图片的宽高。3. 使用更小的模型或启用--cpu将部分计算移至内存极慢。8.2 模型与插件问题问题现象可能原因解决方案在节点中找不到已放入的模型模型未放入正确目录ComfyUI 未重启。1. 确认模型文件在models下对应的子文件夹内。2.重启 ComfyUI。3. 检查模型文件是否完整可尝试重新下载。插件安装后不显示或报错依赖未安装插件与当前 ComfyUI 版本不兼容。1. 根据插件说明或错误信息安装缺失的 Python 包。2. 检查插件 GitHub 页面的 Issues看是否有已知的版本兼容问题。3. 尝试回退到插件的旧版本。加载他人工作流时提示缺少节点你的环境中没有安装工作流中用到的插件。1. 仔细阅读工作流作者提供的说明安装所有必需的插件。2. 使用ComfyUI-Manager它可以在加载缺失工作流时提示你安装所需插件。8.3 性能与优化问题生成速度慢确认在KSampler中使用了k_eulerk_euler_ancestraldpmpp_2m等速度较快的采样器。减少采样步数steps如从 30 降到 20。关闭KSampler中的denoise选项如果不是图生图。图片质量不佳使用更高步数如 25-30。尝试不同的采样器如DPM 2M Karras。检查提示词是否准确可以尝试添加质量标签如masterpiece, best quality, ultra-detailed。使用专门的负面提示词嵌入模型如EasyNegative。9. 最佳实践与进阶建议当你熟悉基础操作后以下建议能帮助你更高效、更稳定地使用 ComfyUI。9.1 工作流管理模块化与分组对于复杂工作流善用Reroute节点整理连线使用Group功能将相关节点打包并命名如“提示词处理区”、“高清修复区”让画布清晰易读。使用模板将常用的、稳定的子流程如高清修复、人脸修复保存为单独的.json文件在需要时作为模块加载进来避免重复搭建。版本控制使用ComfyUI-Manager定期备份你的custom_nodes列表。在尝试新插件或大版本更新前备份整个ComfyUI目录。9.2 模型与资源管理分类存储严格按类型存放模型。可以建立子文件夹进一步分类如checkpoints/realistic/,checkpoints/anime/。善用别名对于需要频繁切换的模型如 VAE可以在extra_model_paths.yaml配置文件中设置别名方便在节点中快速选择。定期清理及时删除不再使用的模型和插件释放磁盘空间。9.3 学习与探索路径从模仿开始去 CivitAI 或 OpenArt 下载你喜欢图片的.png工作流文件拖入 ComfyUI 学习他人的节点连接和参数设置。理解核心节点深入理解KSampler、CLIP Text Encode、VAE Encode/Decode、Conditioning等核心节点的工作原理这是构建复杂工作流的基础。关注社区GitHub、Discord 和相关的 subreddit 是获取最新插件、工作流和问题解答的宝地。ComfyUI 的学习曲线初期可能比 WebUI 陡峭但一旦你掌握了其节点式的工作逻辑你将获得前所未有的控制力和创作自由。这份保姆级教程希望能为你扫清入门的所有障碍。从今天起尝试用 ComfyUI 搭建你的第一个工作流感受可视化编程 AI 绘图的魅力吧。如果在实践中遇到本文未覆盖的具体问题带着错误信息去社区搜索通常都能找到答案。祝你创作愉快 ComfyUI 2026保姆级安装指南：从零部署到高效AI绘画
还在为 Stable Diffusion WebUI 的复杂操作和资源占用而烦恼想体验更高效、更稳定、更符合工作流思维的 AI 绘图方式吗ComfyUI 作为一款基于节点式工作流的 Stable Diffusion 图形界面正以其卓越的性能、清晰的逻辑和强大的可定制性成为越来越多 AI 绘画爱好者和专业创作者的首选。然而其“从零开始”的部署方式也让不少新手望而却步网络上教程零散环境冲突、插件报错等问题频发。本文旨在提供一份真正意义上的“2026保姆级”ComfyUI 全流程安装部署指南。无论你是完全零基础的新手还是从 WebUI 转战而来的用户都能通过本文一步步完成从零到一的搭建。我们将涵盖本地环境部署、核心软件安装、必备插件安装三大核心环节并重点介绍备受好评的“秋叶 ComfyUI 整合包”让你跳过大部分坑点直接将效率拉满快速进入创作状态。1. 理解 ComfyUI为什么选择它在动手安装之前我们有必要先理解 ComfyUI 的核心价值这能帮助你判断它是否适合你并在后续使用中更好地利用其特性。1.1 ComfyUI 是什么ComfyUI 是一个将 Stable Diffusion 的生成过程可视化、模块化的图形用户界面。它将文生图、图生图中的每一个步骤如加载模型、编码提示词、采样、解码等抽象为一个个独立的“节点”Node用户通过连接这些节点来构建完整的图像生成“工作流”Workflow。与 Stable Diffusion WebUIAUTOMATIC1111最大的不同在于WebUI提供的是封装好的功能按钮如文生图、图生图、后期处理内部流程对用户是黑盒。ComfyUI将整个生成流程完全展开每个参数、每个处理步骤都清晰可见且可调。1.2 ComfyUI 的核心优势极高的效率与低资源占用由于其轻量化的设计和对工作流的优化ComfyUI 通常比 WebUI 生成速度更快显存VRAM占用更低对硬件更友好。无与伦比的可视化与可控性你可以清晰地看到 latent space潜空间的演变精确控制 LoRA、ControlNet 等插件在流程中的介入时机和强度实现极其精细的调控。强大的工作流复用与分享你可以将搭建好的完整流程保存为一个.json或.png文件。下次使用时直接加载所有参数、模型路径都会自动恢复极大提升了复杂创作的复现性和团队协作效率。卓越的稳定性节点式架构避免了 WebUI 中扩展Extension之间可能存在的冲突系统更为稳定。活跃的社区与生态拥有大量开发者为其制作功能强大的自定义节点插件社区分享的工作流更是学习与创作的宝库。1.3 谁适合使用 ComfyUI追求效率和稳定性的用户受够了 WebUI 的卡顿、崩溃和扩展冲突。希望深入理解 AI 绘图原理的用户想要揭开黑盒掌握图像生成的每一个环节。需要进行复杂、可重复创作的创作者如漫画分镜、角色一致性、复杂场景构建。开发者与研究者便于调试、实验新的生成思路和流程。如果你符合以上任何一点那么投入时间学习 ComfyUI 将是非常值得的。接下来我们将进入实战环节。2. 环境准备与部署方案选择工欲善其事必先利其器。在安装 ComfyUI 之前我们需要准备好基础运行环境。对于绝大多数用户我们推荐在Windows 10/11系统上进行部署。本文将主要围绕 Windows 平台展开。2.1 基础环境检查清单在开始前请确保你的电脑满足以下最低要求并完成相应准备项目要求检查与准备操作系统Windows 10/11 (64位)确认系统版本。显卡 (GPU)NVIDIA 显卡显存 ≥ 4GB (推荐 6GB)这是硬性要求。ComfyUI 严重依赖 NVIDIA 的 CUDA 进行加速。AMD 或 Intel 核显用户需额外配置本文不涉及。Python版本 3.10.x关键ComfyUI 官方推荐且最稳定的 Python 版本是3.10.6或3.10.9。请避免使用 3.11 或 3.12 等新版本以免遇到依赖包兼容性问题。Git最新版即可用于从 GitHub 克隆 ComfyUI 的源代码。磁盘空间至少 20GB 可用空间用于存放 ComfyUI 本体、基础模型如 SD1.5, SDXL、LoRA、VAE 等文件。2.2 部署方案对比手动安装 vs 整合包面对 ComfyUI 的安装主要有两种路径手动安装从源码部署优点最纯净完全遵循官方流程便于理解底层结构适合喜欢折腾、学习或需要特定版本定制的用户。缺点步骤繁琐需要自行解决 Python 环境、依赖冲突、CUDA 版本匹配等问题对新手不友好容易踩坑。使用整合包推荐给绝大多数用户优点开箱即用整合包作者已经帮你配置好了 Python 环境、依赖库、甚至预装了一些常用插件和模型。一键启动极大降低了入门门槛。缺点整合包体积较大可能包含你不需要的插件或模型更新可能略滞后于官方源码。结论与建议对于希望快速上手、专注于创作而非环境调试的新手和绝大多数用户我们强烈推荐直接使用整合包。国内最知名、维护最积极的整合包即是由“秋葉aaaki”制作的秋叶 ComfyUI 整合包。它不仅解决了环境问题还做了大量汉化、优化和预配置工作体验极佳。本文将以秋叶 ComfyUI 整合包为主线讲解最快捷的部署方式并在后续章节补充手动安装的核心步骤以及插件安装的通用方法确保你能获得最完整的知识。3. 方案一使用秋叶 ComfyUI 整合包极速入门这是最快、最省心的方式让你在几分钟内就能运行起 ComfyUI。3.1 下载秋叶 ComfyUI 整合包寻找下载源由于整合包文件较大通常几个GB作者通常会发布在网盘如百度网盘、123云盘或通过社群分享。你可以通过搜索引擎查找“秋叶 ComfyUI 整合包”的最新发布帖子或视频在描述中找到下载链接。选择版本下载时注意选择标注了“一键启动”、“解压即用”的版本并留意其内置的 ComfyUI 版本如基于 ComfyUI v0.30.0。准备磁盘空间确保你的目标磁盘如 D 盘有足够的空间建议预留 30GB。3.2 安装与启动步骤假设你已经将整合包下载为一个压缩文件如ComfyUI_秋叶整合包_vX.X.7z。解压文件使用解压软件如 Bandizip, 7-Zip将整合包解压到一个英文路径下。例如D:\AI\ComfyUI。绝对避免使用包含中文或特殊字符的路径这是许多奇怪错误的根源。目录结构初览解压后你会看到类似以下的目录结构ComfyUI_windows/ ├── ComfyUI/ # ComfyUI 主程序目录 ├── python_embeded/ # 内置的 Python 3.10 环境无需单独安装 ├── 启动器/ # 秋叶制作的图形化启动器 ├── 一键启动.bat # 启动脚本 └── 其他说明文件.txt一键启动直接双击运行根目录下的一键启动.bat文件。启动器配置首次运行首次运行可能会弹出启动器界面。在这里你可以进行一些便捷设置加速配置可以选择“清华镜像源”或“阿里镜像源”来加速后续插件的下载。版本管理可以切换/更新 ComfyUI 本体。插件管理可以安装、更新、禁用社区插件。对于首次使用保持默认设置直接点击“一键启动”按钮即可。等待启动完成启动器会自动打开一个命令行窗口开始加载 ComfyUI。这个过程会自动安装剩余的必要依赖。请保持网络畅通并耐心等待直到命令行窗口最后出现类似以下的输出Running on local URL: http://127.0.0.1:8188这表示 ComfyUI 服务已经成功启动。访问 Web 界面打开你的浏览器推荐 Chrome 或 Edge在地址栏输入http://127.0.0.1:8188并访问。你将看到 ComfyUI 的默认节点界面。恭喜至此你已经成功运行了 ComfyUI。整合包通常已经预置了基础模型和几个示例工作流你可以直接尝试加载和运行。3.3 整合包常见问题与解决双击.bat文件闪退可能是杀毒软件/Windows Defender 拦截。将整合包目录添加到杀毒软件的白名单中。右键一键启动.bat选择“以管理员身份运行”试试。启动时提示缺少*.dll文件常见于系统缺少运行库。请安装最新的 Visual C Redistributable 。启动器无法更新或安装插件检查网络连接尝试在启动器的“设置”中切换不同的镜像源。也可以直接使用后续章节的“手动安装插件”方法。4. 方案二手动安装 ComfyUI从源码部署如果你希望从零开始或整合包无法满足你的定制需求可以跟随本章节进行手动安装。这能让你更深入地理解 ComfyUI 的组成。4.1 安装 Python 3.10.9访问 Python 官网 下载 Windows 安装包 (python-3.10.9-amd64.exe)。运行安装程序。至关重要的一步务必勾选“Add Python 3.10 to PATH”将 Python 添加到系统环境变量。点击“Install Now”进行安装。验证安装打开命令提示符CMD或 PowerShell输入python --version应显示Python 3.10.9。4.2 安装 Git访问 Git 官网 下载 Windows 版 Git 安装程序。一路默认选项安装即可。验证安装在命令提示符输入git --version应显示版本号。4.3 安装 CUDA 与 PyTorch针对 NVIDIA 显卡这是手动安装中最容易出错的一环需要匹配你的显卡驱动、CUDA 版本和 PyTorch 版本。查看显卡驱动支持的 CUDA 版本在桌面右键点击“NVIDIA 控制面板”。点击左下角“系统信息”切换到“组件”选项卡。查看“NVCUDA.DLL”对应的产品名称例如CUDA 12.4。这表示你的驱动最高支持 CUDA 12.4。安装 PyTorch访问 PyTorch 官网 。根据你的 CUDA 支持版本选择命令。例如你的驱动支持 CUDA 12.1则选择PyTorch Build: Stable (2.x.x)Your OS: WindowsPackage: PipLanguage: PythonCompute Platform: CUDA 12.1官网会生成一条命令如pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121打开命令提示符运行这条命令。这会安装与 CUDA 12.1 兼容的 PyTorch。4.4 克隆并运行 ComfyUI克隆仓库打开命令提示符切换到你希望安装的目录如D:\AI执行git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI安装依赖在ComfyUI目录下运行pip install -r requirements.txt这个过程会下载所有必需的 Python 库请保持网络畅通。下载基础模型ComfyUI 本身不包含任何模型。你需要将 Stable Diffusion 模型文件如sd_xl_base_1.0.safetensors放入ComfyUI\models\checkpoints\目录。可以从 CivitAI 或 Hugging Face 下载。运行 ComfyUI在ComfyUI目录下运行python main.py访问界面同样在浏览器中访问http://127.0.0.1:8188。5. 核心目录结构与模型管理无论使用哪种方式安装理解 ComfyUI 的目录结构对于后续管理和安装插件都至关重要。5.1 关键目录说明以整合包或手动安装的ComfyUI主目录为例ComfyUI/ ├── models/ # 所有模型文件存放处 │ ├── checkpoints/ # 大模型 (Stable Diffusion 主模型) │ ├── vae/ # VAE 模型 │ ├── loras/ # LoRA 模型 │ ├── controlnet/ # ControlNet 模型 │ ├── upscale_models/ # 超分辨率模型 (如 ESRGAN) │ └── clip_vision/ # CLIP 视觉模型 (用于 IPAdapter 等) ├── output/ # 生成图片的默认输出目录 ├── input/ # 默认输入图片目录 (用于图生图等) ├── custom_nodes/ # **自定义节点插件安装目录** ├── web/ # Web 前端文件 ├── comfy/ # 后端核心代码 └── main.py # 主启动文件最重要的规则将下载的模型文件对号入座放入对应的models子文件夹中ComfyUI 才能识别它们。5.2 如何安装模型大模型 (Checkpoint)从 CivitAI、Hugging Face 或你熟悉的渠道下载.safetensors或.ckpt文件放入models/checkpoints/。LoRA下载.safetensors文件放入models/loras/。ControlNet下载.pth或.safetensors文件放入models/controlnet/。VAE下载.pt或.safetensors文件放入models/vae/。放置完成后通常需要重启 ComfyUI在命令行窗口按CtrlC停止再重新运行python main.py或通过启动器重启新的模型才会出现在节点的加载列表中。6. 插件自定义节点安装与管理ComfyUI 的强大生态离不开海量的自定义节点Custom Nodes也就是我们常说的插件。它们可以添加新的采样器、图像处理功能、工作流优化等。6.1 安装插件的三种方法假设我们要安装一个非常流行的图片预览和管理插件ComfyUI-Manager。方法一通过启动器安装仅限整合包用户这是最简便的方法。在秋叶启动器的“插件管理”或“高级选项”标签页中通常有一个插件列表你可以直接搜索ComfyUI-Manager并点击安装。方法二使用git clone命令通用方法这是最标准的手动安装方式。打开命令提示符导航到你的ComfyUI根目录下的custom_nodes文件夹。cd D:\AI\ComfyUI\custom_nodes使用git clone命令克隆插件的仓库。插件的 GitHub 地址通常在其主页可以找到。git clone https://github.com/ltdrdata/ComfyUI-Manager.git克隆完成后重启 ComfyUI。插件通常会自行安装依赖。方法三直接下载 ZIP 包在插件的 GitHub 页面点击 “Code” - “Download ZIP”解压后将文件夹放入custom_nodes目录然后重启 ComfyUI。6.2 必备插件推荐安装好ComfyUI-Manager后你可以在浏览器中通过其界面更方便地安装、更新其他插件。以下是一些强烈推荐的入门必备插件ComfyUI-Manager插件管理器本身提供图形化界面安装、更新、删除插件。ComfyUI-Impact-Pack功能巨无霸包包含大量实用节点如通配符处理、图像工具、细节修复等。ComfyUI-Advanced-ControlNet提供更强大的 ControlNet 控制节点。ComfyUI-InstantID或ComfyUI-IPAdapter-Plus用于实现人物/风格的一致性生成。ComfyUI-Custom-Scripts添加一些便捷的小功能如提示词搜索替换。安装建议初期不要安装过多插件先熟悉基础操作再按需添加避免节点列表过于杂乱和潜在的冲突。6.3 插件安装失败排查克隆失败检查网络确认 GitHub 地址是否正确。启动时报错提示缺少模块这是最常见的插件安装问题。通常是因为插件有额外的 Python 依赖。解决方案在ComfyUI根目录下根据插件README.md的说明使用pip install命令安装缺失的包。例如cd D:\AI\ComfyUI pip install -r custom_nodes/插件文件夹名/requirements.txt如果插件没有requirements.txt则根据错误信息手动安装指定包。插件不显示确认插件文件夹是否放入了custom_nodes目录并已重启 ComfyUI。7. 基础工作流搭建与使用入门成功安装并启动后面对空白的画布可能会不知所措。让我们搭建一个最简单的文生图工作流理解核心节点。7.1 你的第一个工作流简易文生图在浏览器中打开 ComfyUI 界面。右键点击画布空白处选择“Add Node”。依次添加并连接以下节点在搜索框中输入名称快速查找Load Checkpoint加载大模型。双击节点选择你放入checkpoints文件夹的模型。CLIP Text Encode (Prompt)编写正向提示词。将text连接到大模型的clip输出。CLIP Text Encode (Prompt)编写负向提示词。同样连接到大模型的clip输出。Empty Latent Image设置生成图片的宽高和批次大小。将其samples输出连接到KSampler。KSampler核心采样器。连接model- 大模型的MODEL输出。positive- 正向提示词的CONDITIONING输出。negative- 负向提示词的CONDITIONING输出。latent_image-Empty Latent Image的LATENT输出。VAE Decode将采样后的潜空间数据解码为图片。连接samples-KSampler的LATENT输出。vae- 大模型的VAE输出。Save Image保存图片。连接images-VAE Decode的IMAGE输出。填写提示词设置好尺寸和采样步数点击右下角的“Queue Prompt”按钮。等待生成图片将保存在output目录并在Save Image节点上预览。7.2 加载与分享工作流保存工作流点击右侧菜单的“Save”按钮可以将当前画布上的所有节点和设置保存为一个.json文件。加载工作流点击“Load”按钮选择之前保存的.json文件即可完全复现整个工作流。加载图片工作流ComfyUI 有一个神奇的功能将工作流嵌入到生成的图片中。你只需要将任何由 ComfyUI 生成的图片拖入画布它就会自动还原出生成该图片的完整工作流包括所有参数和模型名。这是学习和复现他人作品的最佳方式。8. 常见问题与故障排除大全即使使用整合包在后续使用中也可能遇到问题。这里汇总了高频问题及解决方案。8.1 启动与运行问题问题现象可能原因解决方案启动时提示Torch not compiled with CUDA enabledPyTorch 未安装 CUDA 版本或 CUDA 版本不匹配。1. 确认安装了 NVIDIA 显卡驱动。2. 根据驱动支持的 CUDA 版本重新安装对应版本的 PyTorch见 4.3 节。启动时大量ModuleNotFoundErrorPython 依赖缺失。在 ComfyUI 根目录运行pip install -r requirements.txt。对于整合包用户尝试通过启动器修复或重新解压。访问http://127.0.0.1:8188无响应ComfyUI 服务未成功启动或端口被占用。1. 检查命令行窗口是否成功运行到最后并显示 URL。2. 尝试更换端口启动在启动命令后加--port 8189。3. 检查防火墙是否阻止了 Python。生成图片时显存VRAM不足报错模型过大或分辨率设置过高。1. 使用显存优化参数启动python main.py --lowvram或--medvram。2. 降低生成图片的宽高。3. 使用更小的模型或启用--cpu将部分计算移至内存极慢。8.2 模型与插件问题问题现象可能原因解决方案在节点中找不到已放入的模型模型未放入正确目录ComfyUI 未重启。1. 确认模型文件在models下对应的子文件夹内。2.重启 ComfyUI。3. 检查模型文件是否完整可尝试重新下载。插件安装后不显示或报错依赖未安装插件与当前 ComfyUI 版本不兼容。1. 根据插件说明或错误信息安装缺失的 Python 包。2. 检查插件 GitHub 页面的 Issues看是否有已知的版本兼容问题。3. 尝试回退到插件的旧版本。加载他人工作流时提示缺少节点你的环境中没有安装工作流中用到的插件。1. 仔细阅读工作流作者提供的说明安装所有必需的插件。2. 使用ComfyUI-Manager它可以在加载缺失工作流时提示你安装所需插件。8.3 性能与优化问题生成速度慢确认在KSampler中使用了k_eulerk_euler_ancestraldpmpp_2m等速度较快的采样器。减少采样步数steps如从 30 降到 20。关闭KSampler中的denoise选项如果不是图生图。图片质量不佳使用更高步数如 25-30。尝试不同的采样器如DPM 2M Karras。检查提示词是否准确可以尝试添加质量标签如masterpiece, best quality, ultra-detailed。使用专门的负面提示词嵌入模型如EasyNegative。9. 最佳实践与进阶建议当你熟悉基础操作后以下建议能帮助你更高效、更稳定地使用 ComfyUI。9.1 工作流管理模块化与分组对于复杂工作流善用Reroute节点整理连线使用Group功能将相关节点打包并命名如“提示词处理区”、“高清修复区”让画布清晰易读。使用模板将常用的、稳定的子流程如高清修复、人脸修复保存为单独的.json文件在需要时作为模块加载进来避免重复搭建。版本控制使用ComfyUI-Manager定期备份你的custom_nodes列表。在尝试新插件或大版本更新前备份整个ComfyUI目录。9.2 模型与资源管理分类存储严格按类型存放模型。可以建立子文件夹进一步分类如checkpoints/realistic/,checkpoints/anime/。善用别名对于需要频繁切换的模型如 VAE可以在extra_model_paths.yaml配置文件中设置别名方便在节点中快速选择。定期清理及时删除不再使用的模型和插件释放磁盘空间。9.3 学习与探索路径从模仿开始去 CivitAI 或 OpenArt 下载你喜欢图片的.png工作流文件拖入 ComfyUI 学习他人的节点连接和参数设置。理解核心节点深入理解KSampler、CLIP Text Encode、VAE Encode/Decode、Conditioning等核心节点的工作原理这是构建复杂工作流的基础。关注社区GitHub、Discord 和相关的 subreddit 是获取最新插件、工作流和问题解答的宝地。ComfyUI 的学习曲线初期可能比 WebUI 陡峭但一旦你掌握了其节点式的工作逻辑你将获得前所未有的控制力和创作自由。这份保姆级教程希望能为你扫清入门的所有障碍。从今天起尝试用 ComfyUI 搭建你的第一个工作流感受可视化编程 AI 绘图的魅力吧。如果在实践中遇到本文未覆盖的具体问题带着错误信息去社区搜索通常都能找到答案。祝你创作愉快