ComfyUI 入门：从安装到第一个工作流

ComfyUI 入门：从安装到第一个工作流

为什么选 ComfyUI？

• 启动快：无需预加载模型，按需加载，秒级冷启动
• 内存省：同等任务显存占用比 WebUI 低 30-50%
• 可编程：节点即代码，工作流即配置，支持版本控制、CI/CD、API 调用
• 生态强：1000+ 自定义节点，覆盖图像/视频/3D/音频全模态
• 生产级：原生支持批量、队列、API、多 GPU、模型热插拔

1. 环境准备

Windows

# 1. 安装 Python 3.10+ (勾选 Add to PATH)
# 2. 安装 Git
# 3. 安装 Visual Studio Build Tools (勾选 C++ 桌面开发)
# 4. 可选：安装 NVIDIA CUDA Toolkit 12.x (匹配驱动版本)

macOS (Apple Silicon)

# 1. 安装 Homebrew
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

# 2. 安装依赖
brew install python@3.11 git cmake

# 3. 确保使用正确的 Python
alias python=python3.11
alias pip=pip3.11

Linux (Ubuntu/Debian)

sudo apt update && sudo apt install -y python3.11 python3.11-venv git build-essential
# NVIDIA 驱动 + CUDA 12.x (参考官方文档)

2. 克隆与安装

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

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

# 安装依赖
pip install -r requirements.txt

# Windows 额外安装
# pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
# macOS (Metal) 自动使用 MPS，无需额外操作

3. 下载基础模型

创建目录结构：

ComfyUI/
├── models/
│   ├── checkpoints/     # 主模型
│   ├── vae/            # VAE
│   ├── clip/           # CLIP/文本编码器
│   ├── loras/          # LoRA
│   ├── controlnet/     # ControlNet
│   ├── upscale_models/ # 超分模型
│   └── ...             # 其他

必下模型 (任选其一起步)：

• SDXL 基座：juggernautXL_v9Rundiffusion.safetensors (Civitai)
• Flux.1-dev：flux1-dev.safetensors (Hugging Face, 需配合 clip_l.safetensors, t5xxl_fp16.safetensors, ae.safetensors)
• SD 1.5 经典：v1-5-pruned-emaonly.safetensors

下载后放入 models/checkpoints/。

4. 启动 ComfyUI

# 基础启动
python main.py

# 常用参数
python main.py --listen 0.0.0.0 --port 8188        # 局域网访问
python main.py --lowvram                           # 低显存模式 (8GB-)
python main.py --cpu                               # 纯 CPU (极慢)
python main.py --enable-cors-header                # 允许跨域 API 调用

启动成功后，浏览器打开 http://localhost:8188。

5. 界面与核心概念

界面布局

• 左侧菜单：节点分类 (Loaders, Conditioning, Sampling, Latent, Image, Video, ...)
• 中间画布：拖拽节点、连接线、构建工作流
• 右侧面板：节点参数、队列状态、预览图、系统日志

核心概念

| 概念 | 说明 | 类比 | |------|------|------| | 节点 | 单个功能单元 (加载模型、编码文本、采样、解码、保存) | 函数 | | 连接 | 节点间数据流向 (Latent、Conditioning、Image、Model) | 函数参数/返回值 | | 工作流 | 节点+连接组成的有向无环图 | 程序/脚本 | | Latent | 潜在空间表示 (压缩的图像特征)，采样过程的核心载体 | 中间变量 | | Conditioning | 文本提示词经 CLIP 编码后的引导向量 | 提示词嵌入 |

6. 第一个工作流：文生图

步骤 1：添加节点

右键画布 → 搜索并添加： 1. Load Checkpoint (加载模型) 2. CLIP Text Encode (Prompt) ×2 (正向/负向提示词) 3. KSampler (采样器) 4. VAE Decode (潜在空间解码为图像) 5. Save Image (保存结果)

步骤 2：连接节点

Load Checkpoint
  ├── MODEL ──────► KSampler → model
  ├── CLIP ───────► CLIP Text Encode (正向) → KSampler → positive
  ├── CLIP ───────► CLIP Text Encode (负向) → KSampler → negative
  └── VAE ────────► VAE Decode ← KSampler → latent
                                    VAE Decode → IMAGE → Save Image

步骤 3：配置参数

• Load Checkpoint: 选择 juggernautXL_v9Rundiffusion.safetensors
• 正向提示词: masterpiece, best quality, 1girl, anime style, detailed face, sunlight
• 负向提示词: worst quality, low quality, bad anatomy, watermark, text, error
• KSampler:
• seed: 随机/固定
• steps: 20-30 (SDXL), 4-8 (Flux)
• cfg: 7-8 (SDXL), 1-3.5 (Flux)
• sampler_name: euler_ancestral / dpmpp_2m / euler (Flux)
• scheduler: normal / karras / simple (Flux)
• denoise: 1.0
• Save Image: filename_prefix: ComfyUI

步骤 4：运行

点击右侧 Queue Prompt，等待绿色进度条完成，右侧预览区出图。

7. 进阶：图生图 + ControlNet

图生图

在文生图基础上： 1. 添加 Load Image 节点，选择输入图 2. 添加 VAE Encode 将图像编码为 Latent 3. KSampler 的 latent_image 接入 VAE Encode 输出 4. 设置 denoise: 0.3-0.7 (越小越保留原图)

ControlNet (以 OpenPose 为例)

1. 安装节点：ComfyUI-ControlNet-Aux + ComfyUI-Advanced-ControlNet 2. 下载 ControlNet 模型到 models/controlnet/ (controlnet-openpose-sdxl-1.0.safetensors) 3. 添加节点链：

   Load Image → OpenPose Preprocessor → ControlNet Apply → KSampler (control_net)

4. 调整 strength (0.5-1.0)、start_percent/end_percent (控制生效区间)

8. 安装 ComfyUI-Manager (必装)

cd ComfyUI/custom_nodes
git clone https://github.com/ltdrdata/ComfyUI-Manager
cd ComfyUI-Manager
pip install -r requirements.txt

重启 ComfyUI，菜单栏出现 Manager 按钮，可：

• 一键安装/更新/禁用自定义节点
• 浏览/下载 Civitai/HuggingFace 模型
• 工作流模板库
• 依赖检查与修复

9. 常见问题速查

| 现象 | 可能原因 | 解决方案 | |------|----------|----------| | 生成全黑/全白 | VAE 缺失/不匹配 | 确认 Load Checkpoint 输出 VAE，或单独 Load VAE | | 画面撕裂/重复 | 采样器/调度器不匹配 | SDXL 用 euler_ancestral+karras，Flux 用 euler+simple | | 文本不生效 | CLIP 未连接/错误 | 检查 CLIP 线连到 KSampler positive/negative | | 显存爆炸 | 分辨率过高/批次过大 | 启用 --lowvram，分辨率 ≤1024，batch=1 | | 节点红框报错 | 版本不兼容/缺依赖 | Manager 更新节点，查看控制台完整报错 |

10. 下一步学习建议

1. 工作流模板库：Manager → Workflows 浏览社区高质量工作流 2. 视频生成：学习 AnimateDiff、SVD、WAN、LTX-Video 工作流 3. ControlNet 进阶：Depth、Canny、LineArt、Tile、IP-Adapter 组合 4. 自动化 API：/prompt 提交、队列管理、结果轮询、Webhook 回调 5. 自定义节点开发：Python 编写节点，发布到 GitHub/Manager

参考资源

• 官方文档
• ComfyUI-Manager
• Civitai ComfyUI 工作流
• ComfyUI Examples
• [本站 ComfyUI 进阶教程](/learn/comfyui-advanced-controlnet)
• [本站视频生成工作流](/learn/comfyui-video-generation-wan)