ComfyUI 完全指南

ComfyUI 是一款开源的、基于节点的 Stable Diffusion 图形界面工具。与 Automatic1111 WebUI 的”填表式”交互不同，ComfyUI 采用可视化节点编排，让你能精确控制图像生成的每个环节，适合追求深度定制的创作者和开发者。

本文基于 ComfyUI 最新版本编写，需要 Python 3.10+ 和支持 CUDA 的 NVIDIA 显卡。

为什么选择 ComfyUI#

特性	ComfyUI	WebUI (A1111)
交互方式	节点式，可视化工作流	表单式，参数填写
学习曲线	较陡	平缓
灵活性	极高，可自由组合	中等，依赖插件
性能优化	优秀，低显存占用	一般
工作流复用	可保存/分享 JSON 工作流	依赖 Prompt 和设置
批量生产	原生支持	需要插件

ComfyUI 特别适合：

需要精确控制生图流程
构建复杂的图像处理管线
批量生产或自动化生图
开发 AI 图像相关应用

安装 ComfyUI#

Windows（推荐方式）#

下载官方整合包，解压即用：

前往 ComfyUI Releases
下载 ComfyUI_windows_portable_xxx.7z
解压到任意目录
运行 run_nvidia_gpu.bat

手动安装（所有平台）#

# 克隆仓库
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# 创建虚拟环境
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# 安装依赖
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
pip install -r requirements.txt

# 启动
python main.py

Mac（Apple Silicon）#

# 安装 PyTorch for MPS
pip install torch torchvision torchaudio

# 启动
python main.py --force-fp16

启动后访问 http://127.0.0.1:8188 即可看到界面。

界面介绍#

ComfyUI 界面主要由以下部分组成：

┌─────────────────────────────────────────────────┐
│                    菜单栏                        │
├─────────────────────────────────────────────────┤
│                                                 │
│                  节点画布                        │
│                                                 │
│   [加载模型] → [CLIP编码] → [采样器] → [解码]    │
│                    ↓                            │
│              [保存图片]                          │
│                                                 │
├─────────────────────────────────────────────────┤
│  Queue Prompt │ 生成进度 │ 历史记录               │
└─────────────────────────────────────────────────┘

基本操作#

操作	方式
添加节点	右键画布 → Add Node
连接节点	拖动输出端口到输入端口
删除节点	选中 → Delete 键
框选多个节点	拖动鼠标框选
移动画布	按住中键拖动 / 空格+左键
缩放画布	滚轮
运行工作流	点击 Queue Prompt

核心概念#

节点（Node）#

节点是 ComfyUI 的基本单元，每个节点负责特定功能。节点有输入（左侧）和输出（右侧）端口。

常用节点分类：

📦 模型加载
  - Load Checkpoint：加载主模型（SD 1.5/SDXL/Flux）
  - Load VAE：加载 VAE 模型
  - Load LoRA：加载 LoRA 模型

📝 文本处理
  - CLIP Text Encode：文本转 Conditioning
  - Conditioning Combine：合并条件

🎨 采样生成
  - KSampler：核心采样器
  - KSampler Advanced：高级采样器

🖼️ 图像处理
  - VAE Decode：潜空间→图像
  - VAE Encode：图像→潜空间
  - Load Image：加载图片
  - Save Image：保存图片

工作流（Workflow）#

工作流是由多个节点按逻辑连接形成的图像生成管线。可以保存为 JSON 文件分享给他人。

基础工作流#

文生图（Text to Image）#

最基本的工作流，从文字生成图像：

节点连接：
[Load Checkpoint] → model → [KSampler]
                 → clip  → [CLIP Text Encode (正向)] → positive → [KSampler]
                         → [CLIP Text Encode (负向)] → negative → [KSampler]
                 → vae   → [VAE Decode] ← latent ← [KSampler]
                                        ↓
[Empty Latent Image] → latent → [KSampler]
                                        ↓
                              [Save Image]

关键参数：

参数	说明	推荐值
steps	采样步数	20-30
cfg	提示词引导强度	7-8
sampler_name	采样器	euler_ancestral
scheduler	调度器	normal
denoise	去噪强度	1.0

图生图（Image to Image）#

基于已有图像生成新图像：

[Load Image] → [VAE Encode] → latent → [KSampler] (denoise: 0.5-0.8)
                    ↑
              [Load VAE]

denoise 值越低，越接近原图；越高，变化越大。

图像放大（Upscale）#

两种常用放大方式：

1. 潜空间放大

[KSampler] → latent → [Upscale Latent] → [KSampler] → [VAE Decode]

2. 使用放大模型

[VAE Decode] → [Upscale with Model] → [Save Image]
                     ↑
          [Load Upscale Model]

模型管理#

目录结构#

ComfyUI/
├── models/
│   ├── checkpoints/     # 主模型 (.safetensors)
│   ├── vae/             # VAE 模型
│   ├── loras/           # LoRA 模型
│   ├── controlnet/      # ControlNet 模型
│   ├── upscale_models/  # 放大模型
│   └── embeddings/      # Textual Inversion

模型	类型	特点
SD 1.5	通用	生态最丰富，资源多
SDXL	通用	质量更高，需要更多显存
Flux	通用	最新模型，效果优秀
Realistic	写实	真人照片风格
Anything	二次元	动漫风格

ControlNet#

ControlNet 可以通过边缘、深度、姿势等信息精确控制生成结果。

常用 ControlNet 模型#

模型	输入	用途
Canny	边缘检测图	保持结构轮廓
Depth	深度图	控制空间层次
OpenPose	姿势骨架	控制人物姿势
Lineart	线稿	线稿上色
Tile	原图分块	图像修复/放大

ControlNet 工作流#

[Load Image] → [Canny Edge] → image → [Apply ControlNet]
                                            ↓
[Load ControlNet Model] → control_net → [Apply ControlNet]
                                            ↓
                                     → positive → [KSampler]

自定义节点#

ComfyUI 支持安装社区开发的自定义节点扩展功能。

ComfyUI Manager#

推荐安装 ComfyUI Manager，可以方便地管理自定义节点：

cd ComfyUI/custom_nodes
git clone https://github.com/ltdrdata/ComfyUI-Manager.git

重启后在菜单中会出现 Manager 按钮。

常用自定义节点#

- ComfyUI-Impact-Pack：高级图像处理
- ComfyUI-AnimateDiff：视频生成
- ComfyUI-VideoHelperSuite：视频处理
- ComfyUI-Advanced-ControlNet：高级 ControlNet
- ComfyUI-Custom-Scripts：实用脚本

工作流分享#

导出工作流#

在画布右键 → Save
保存为 .json 文件

导入工作流#

将 .json 文件拖入画布
或右键 → Load

工作流资源#

- https://openart.ai/workflows - 大量免费工作流
- https://civitai.com - 模型和工作流
- GitHub 搜索 "ComfyUI workflow"

性能优化#

显存不足#

# 启用低显存模式
python main.py --lowvram

# 更激进的低显存
python main.py --novram

# 使用 CPU（很慢）
python main.py --cpu

提升速度#

# 启用 FP16（推荐）
python main.py --force-fp16

# 使用 xformers（需要单独安装）
pip install xformers

常见启动参数#

参数	说明
`--listen`	允许远程访问
`--port 8188`	指定端口
`--force-fp16`	强制使用 FP16
`--lowvram`	低显存模式
`--preview-method auto`	启用预览

常见问题#

节点报错 “Required input missing”#

检查节点的必需输入是否都已连接。

生成的图像全黑/全白#

可能原因：

VAE 模型问题 → 尝试加载外置 VAE
CFG 值过高 → 降低到 7-8
模型不兼容 → 确认模型类型匹配

找不到模型#

确认模型放置在正确目录，刷新页面或重启 ComfyUI。

自定义节点不显示#

# 进入 custom_nodes 目录
cd custom_nodes/xxx

# 安装依赖
pip install -r requirements.txt