三亩地 三亩地SAN MU DI · CODE DIARY
交流投稿
ARTICLE DETAIL

日记详情

真实记录编程学习的某一天，欢迎挑你感兴趣的翻一翻。

首页/学习日记/日记详情

ComfyUI安装配置全攻略：从零搭建节点式AI绘画工作流

发布时间：2026/8/6 9:22:25 三亩地 编程学习日记
ComfyUI安装配置全攻略：从零搭建节点式AI绘画工作流

1. 项目概述：为什么选择ComfyUI？

如果你已经玩了一段时间的Stable Diffusion WebUI（也就是大家常说的“秋叶整合包”），对文生图、图生图的基本流程已经熟悉，甚至开始觉得那个界面有点“挤”，操作流程有点“线性”，那么是时候了解一下ComfyUI了。我第一次接触ComfyUI时，感觉就像从手动挡汽车换到了专业赛车模拟器——界面全是看不懂的节点和连线，但一旦上手，你会发现它对图像生成过程的控制精细度是WebUI难以比拟的。

简单来说，ComfyUI是一个基于节点流程式的Stable Diffusion图形界面。它把文生图、图生图、ControlNet、LoRA等每一个步骤都拆解成独立的“节点”（Node），然后通过连线（Wire）将这些节点像搭积木一样连接起来，形成一个完整的工作流（Workflow）。这种设计带来的最大好处是极高的灵活性和可复现性。在WebUI里，你调好一组参数生成了一张神图，下次想微调某个步骤（比如只想改一下高清修复的算法）可能就得重新走一遍流程，参数一多还容易记混。而在ComfyUI里，你的整个生成过程就是一个可视化的流程图，保存下来下次直接加载，想改哪里就动哪个节点，清晰无比。

对于进阶玩家和希望深入研究AI绘画原理的爱好者，ComfyUI几乎是必经之路。它能让你真正理解“提示词编码”、“潜在空间扩散”、“VAE解码”这些概念是如何在代码层面串联起来的。而对于追求效率和稳定出图的创作者，ComfyUI的工作流可以极大优化生成管线，甚至实现批量、多步骤的自动化处理。接下来，我们就从最基础的安装开始，一步步搭建起你的ComfyUI环境。

2. 核心需求解析：安装前的准备工作

在动手安装之前，我们需要明确几个核心需求，这决定了你选择哪种安装方式以及后续的体验。ComfyUI的安装本质上是一个Python项目的部署，它依赖于特定的深度学习库（如PyTorch）和Stable Diffusion的基础模型。

2.1 硬件与基础环境需求

首先，最硬性的要求是一块支持CUDA的NVIDIA显卡。虽然理论上CPU也能跑，但速度会慢到让你怀疑人生。显存方面，至少需要4GB（勉强运行基础模型），6GB或以上（8GB为佳）才能比较流畅地使用各种大模型和插件。你的电脑上需要已经安装了Python（推荐3.10或3.11版本，兼容性最好）和Git（用于从代码仓库拉取项目）。

一个常见的误区是认为安装ComfyUI必须完全“净室”环境。实际上，如果你已经安装了Stable Diffusion WebUI（秋叶整合包），那么你的电脑里很可能已经有了一个Python环境以及PyTorch、CUDA等依赖。这时，你可以选择复用这些资源，避免重复下载数十GB的依赖包，这是最省事的方法。

2.2 安装方式选型：三种路径详解

根据你的现有条件和需求，主要有三种安装路径：

  1. 独立安装（推荐给喜欢折腾、希望环境纯净的用户）：从ComfyUI的官方GitHub仓库克隆代码，在一个全新的Python虚拟环境中安装所有依赖。这种方式隔离性好，不会影响其他项目，但需要你熟悉命令行操作，并且需要独立下载模型文件。
  2. 基于现有WebUI环境安装（最快捷、最省资源的方式）：利用你已经部署好的Stable Diffusion WebUI的环境和模型库。ComfyUI可以直接读取WebUI目录下的models文件夹（包括Checkpoint、VAE、LoRA等），无需重复下载。这是对大多数从WebUI过渡过来的用户最友好的方案。
  3. 使用一体化整合包（最适合纯新手、追求开箱即用的用户）：直接下载由社区大佬（如“秋叶”）打包好的整合包，解压即用。整合包内通常已经包含了ComfyUI本体、必要的Python环境、基础依赖甚至一些常用插件和模型。它的优点是简单，缺点是更新可能稍慢，且安装位置和结构相对固定。

对于本教程，我将重点讲解**第二种方式（基于现有WebUI）和第一种方式（独立安装）**的详细步骤，因为这两种方式能让你更深入地理解其运作机制。整合包的使用相对简单，解压运行run_nvidia_gpu.bat即可，我们会在最后简要提及。

3. 实操过程：两种主流安装方法详解

无论选择哪种方式，请先确保你的显卡驱动是最新的，并且已经安装了Visual Studio的“使用C++的桌面开发”工作负载（这是PyTorch编译某些原生扩展所必需的）。

3.1 方法一：嫁接于现有Stable Diffusion WebUI（推荐）

假设你的WebUI（秋叶整合包）安装在D:\sd-webui目录。这个目录下通常有models、python、venv等子文件夹。

步骤1：获取ComfyUI本体代码打开命令行（CMD或PowerShell），切换到一个你希望放置ComfyUI的目录，例如D:\AI_Projects，然后执行克隆命令：

git clone https://github.com/comfyanonymous/ComfyUI.git

这会在当前目录创建一个ComfyUI文件夹。

步骤2：配置模型路径（关键步骤）这是省去重复下载模型的关键。进入克隆下来的ComfyUI文件夹，找到extra_model_paths.yaml.example文件。将其复制一份，并重命名为extra_model_paths.yaml。然后用文本编辑器（如VSCode、Notepad++）打开这个新文件。

你会看到文件内容像这样，里面有很多被注释掉的示例。我们的目标是添加一个指向WebUI模型目录的配置。找到类似以下结构的地方，取消注释并修改：

# 示例：将Stable Diffusion WebUI的模型目录链接过来 a111: base_path: D:/sd-webui # 你的WebUI安装根目录 checkpoints: models/Stable-diffusion configs: models/Stable-diffusion vae: models/VAE loras: models/Lora upscale_models: models/ESRGAN embeddings: embeddings hypernetworks: models/hypernetworks

注意将base_path后面的路径替换成你电脑上WebUI的实际路径。Windows路径使用/或\\。checkpoints等后面的路径是相对于base_path的。这样配置后，ComfyUI启动时会自动从你的WebUI文件夹读取模型，两者共享同一套模型库。

步骤3：安装Python依赖在ComfyUI目录下，打开命令行。如果你希望复用WebUI的Python环境（这是最方便的），你需要先激活WebUI的虚拟环境。通常，在WebUI目录下会有一个venv文件夹。

  • 在Windows的ComfyUI目录中，按住Shift键并右键点击空白处，选择“在此处打开Powershell窗口”。
  • 激活WebUI的虚拟环境（路径请根据实际情况调整）：
    & "D:\sd-webui\venv\Scripts\Activate.ps1"
    激活后，命令行提示符前会出现(venv)字样。
  • 然后安装ComfyUI的依赖：
    pip install -r requirements.txt

步骤4：启动ComfyUI依赖安装完成后，直接在激活的虚拟环境中运行：

python main.py

如果一切顺利，命令行会输出一系列信息，最后会显示类似Running on local URL: http://127.0.0.1:8188的字样。此时，打开浏览器，访问http://127.0.0.1:8188，你就能看到ComfyUI的节点式界面了。首次打开会是空白的，因为还没有加载任何工作流。

注意：这种方式的核心优势是模型共享。但潜在问题是，如果WebUI的Python环境版本与ComfyUI的某个新依赖冲突，可能会导致问题。如果遇到奇怪的报错，可以考虑使用方法二建立一个独立环境。

3.2 方法二：独立安装与配置

如果你没有现成的WebUI，或者希望有一个完全独立、干净的环境，请遵循此方法。

步骤1：克隆代码与创建虚拟环境同样先克隆代码到指定目录：

git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI

然后创建一个新的Python虚拟环境（这里以Python 3.10为例）：

python -m venv venv

激活虚拟环境：

  • Windows:venv\Scripts\activate
  • Linux/Mac:source venv/bin/activate

步骤2：安装PyTorch与依赖在虚拟环境激活状态下，你需要安装与你的CUDA版本匹配的PyTorch。首先通过nvidia-smi命令查看你的CUDA版本（例如12.1）。然后前往 PyTorch官网 获取安装命令。例如，对于CUDA 12.1：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

安装好PyTorch后，再安装ComfyUI的其他依赖：

pip install -r requirements.txt

步骤3：下载基础模型独立安装需要你自己准备模型文件。在ComfyUI目录下，你需要手动创建models文件夹，并在其中创建checkpoints、loras、vae等子文件夹，结构如下：

ComfyUI/ ├── models/ │ ├── checkpoints/ # 放置大模型（.safetensors或.ckpt） │ ├── loras/ # 放置LoRA模型 │ ├── vae/ # 放置VAE模型 │ ├── upscale_models/ # 放置超分辨率模型（如ESRGAN） │ └── ... # 其他类型模型文件夹

然后，你需要从CivitAI、Hugging Face等网站下载至少一个基础大模型（如SDXL、SD1.5的各类变体），将其.safetensors文件放入models/checkpoints目录。

步骤4：启动与验证完成模型放置后，运行python main.py启动。访问http://127.0.0.1:8188。为了测试安装是否成功，你可以加载一个简单的工作流。在ComfyUI界面，点击右侧的“Load”按钮，在官方示例中（通常位于ComfyUI\examples文件夹）选择basic.json并加载。这是一个最基础的文生图流程。尝试在CLIP Text Encode节点输入提示词，然后点击“Queue Prompt”生成，如果能看到图片输出，说明安装成功。

4. 核心环节：必备与常用插件安装指南

纯净的ComfyUI功能强大但“赤膊上阵”，插件（Custom Nodes）才是让它变得高效、易用的灵魂。插件管理器（ComfyUI Manager）是管理所有插件的核心工具，应优先安装。

4.1 基石插件：ComfyUI Manager的安装与使用

ComfyUI Manager让你可以像手机应用商店一样浏览、安装、更新和卸载插件，无需手动敲命令。

安装方法（手动）：

  1. 进入ComfyUI的安装目录下的custom_nodes文件夹。如果不存在，就手动创建一个。
  2. 在custom_nodes文件夹中打开命令行，执行：
    git clone https://github.com/ltdrdata/ComfyUI-Manager.git
  3. 重启ComfyUI。重启后，在界面上方你应该能看到多出了一个“Manager”按钮。

使用指南：

  • 安装插件：点击“Manager” -> “Install Custom Nodes”。你会看到一个插件列表，包含名称、描述和安装量。找到想要的插件（如ComfyUI-Impact-Pack），点击右侧的“Install”按钮即可。安装后需要重启ComfyUI生效。
  • 更新插件/ComfyUI本体：在“Manager”标签页中，“Update All”可以一键更新所有已安装插件和ComfyUI本体到最新版本。“Update”列会显示哪些项目有可用更新。
  • 模型管理：Manager也集成了模型下载功能，可以方便地下载一些常用的ControlNet、LoRA模型，省去手动寻找的麻烦。

实操心得：建议在安装任何其他插件前，先装好Manager。之后所有插件的安装、更新都通过它进行，极大降低了维护成本。注意，网络环境可能会影响从GitHub克隆仓库的速度，如果安装失败，可以多试几次，或检查网络连接。

4.2 效率提升插件：让工作流更智能

安装好Manager后，我们就可以搜索并安装那些能极大提升效率的插件了。

1. ComfyUI-Impact-Pack（影响力包）这几乎是一个“全家桶”式的插件集，由ComfyUI社区的知名开发者“pythongosssss”制作。它包含了大量实用节点，例如：

  • 高效加载器：将多个加载步骤（模型、VAE、提示词、LoRA）合并到一个节点中，简化了工作流。
  • 图像预览增强：提供更强大的图片预览、历史记录和对比功能。
  • 工具节点：包括蒙版处理、图像缩放、批量处理等大量实用工具。
  • 工作流子流程：允许你将复杂的工作流部分打包成一个子节点，使主工作流更清晰。 在Manager中搜索“Impact”即可找到并安装。安装后，你会在节点菜单中发现多出一个“Impact”大类，里面包含海量新节点。

2. Efficiency Nodes（效率节点）这个插件专注于提升生成速度和优化资源利用。它提供的节点如：

  • KSampler (Efficient)：替代原版采样器，通过一些内部优化，能在几乎不损失质量的情况下小幅提升生成速度。
  • 模型合并/切换节点：可以更灵活地在单个工作流中切换或混合多个大模型、LoRA。 对于追求出图速度的用户，这个插件值得一试。

3. WAS Node Suite（WAS节点套件）另一个功能极其丰富的插件包，提供了大量图像处理、工具、动画相关的节点。它的图像调整、滤镜、色彩操作等功能非常专业，适合需要对生成结果进行精细后处理的用户。在Manager中搜索“WAS”即可安装。

4.3 工作流管理插件：拯救你的混乱界面

当节点越来越多，连线越来越复杂时，这些插件能帮你保持清醒。

1. ComfyUI-Impact-Pack（自带子流程管理）前面提到的Impact Pack本身就包含了强大的工作流组织功能。你可以将一组相连的节点选中，然后右键选择“Convert to Group”或使用Impact提供的“模块化”节点，将其封装成一个带有输入输出接口的“子模块”，从而让主工作流视图变得清爽。

2. Node Browser（节点浏览器）ComfyUI原生界面左侧的节点列表在插件装多后会变得非常长。Node Browser插件提供了一个可搜索、可分类的浮动窗口来浏览和添加节点，比在长长的原生列表中滚动查找要高效得多。

安装与使用：在Manager中搜索“Node Browser”安装。重启后，通常可以通过快捷键（如Ctrl+F）或右键菜单中的选项呼出搜索框，输入节点名称即可快速定位并添加。

5. 常见问题与排查技巧实录

即使按照步骤操作，也难免会遇到一些问题。这里记录了一些典型问题的排查思路。

5.1 安装与启动类问题

问题1：启动时提示“No module named ‘torch’ 或 ‘xformers’”

  • 原因：Python依赖没有安装成功，或者你不在正确的虚拟环境中。
  • 排查：
    1. 确认命令行前缀有(venv)字样，表示虚拟环境已激活。
    2. 在激活的虚拟环境中，运行pip list，检查列表中是否有torch、xformers等包。
    3. 如果没有，重新运行pip install -r requirements.txt。对于xformers，如果安装失败，可以尝试单独安装预编译版本：pip install xformers --index-url https://download.pytorch.org/whl/cu121（注意CUDA版本）。

问题2：访问http://127.0.0.1:8188无响应

  • 原因：端口被占用或程序未成功启动。
  • 排查：
    1. 检查命令行窗口是否有错误信息（红色字体）。常见的错误是模型路径配置错误，导致在启动时加载模型失败卡住。
    2. 检查端口占用。ComfyUI默认使用8188端口。可以尝试修改启动端口：python main.py --port 7999，然后访问http://127.0.0.1:7999。
    3. 如果使用了方法一（嫁接WebUI），确保WebUI本身没有在运行，因为它可能会占用一些资源或端口。

问题3：加载工作流或生成图片时崩溃/报CUDA out of memory

  • 原因：显存不足。ComfyUI的节点式工作流在复杂时可能会同时保留多个中间结果在显存中。
  • 排查与解决：
    1. 使用--lowvram参数启动：python main.py --lowvram。这会启用低显存模式，但可能会降低速度。
    2. 优化工作流：避免在流程中同时保存多个高分辨率中间图像。使用“Save Image”节点只保存最终输出，而非每个步骤的预览。
    3. 调整采样参数：降低生成图片的分辨率，或使用“Empty Latent Image”节点生成小图，再用“Upscale”节点放大。
    4. 关闭其他占用显存的程序。

5.2 插件与功能类问题

问题4：安装了插件但在节点列表中找不到

  • 原因：插件安装不完整或需要重启；插件文件放错了位置；插件之间存在冲突。
  • 排查：
    1. 首要步骤：完全关闭ComfyUI服务器（在命令行窗口按Ctrl+C），然后重新启动python main.py。90%的插件识别问题通过重启可以解决。
    2. 检查安装位置：确认插件被安装在ComfyUI/custom_nodes/目录下，并且是一个独立的文件夹（例如ComfyUI/custom_nodes/ComfyUI-Manager/）。
    3. 查看启动日志：启动ComfyUI时，命令行会输出加载了哪些自定义节点。检查你的插件名是否出现在日志中。如果没有，说明安装路径可能不对。
    4. 冲突排查：如果安装了多个插件后出现此问题，尝试暂时将其他插件文件夹移出custom_nodes目录，只保留有问题的插件，看是否能加载，以确定是否是冲突导致。

问题5：加载他人分享的工作流（.json文件）时提示缺少节点

  • 原因：你的ComfyUI环境中没有安装工作流中所用的某个或某些自定义节点插件。
  • 解决：
    1. ComfyUI Manager提供了一个非常棒的功能。当你尝试加载一个缺失节点的工作流时，界面上通常会弹出提示，并列出缺失的节点名称。
    2. 点击“Install Missing Nodes”按钮（如果提示中有），Manager会自动尝试查找并安装这些节点。
    3. 如果自动安装失败，你需要根据缺失的节点名（例如“ImpactPack\\SomeNode”），在Manager的“Install Custom Nodes”页面中搜索关键词（如“Impact”），找到对应的插件包进行手动安装。

问题6：使用Impact Pack等插件后，生成速度变慢

  • 原因：某些功能强大的插件节点可能会引入额外的计算开销，或者你的工作流设计存在效率瓶颈。
  • 优化建议：
    1. 审视工作流：检查是否有不必要的、计算密集的节点被重复执行。例如，在循环中放置了高清修复节点。
    2. 利用缓存：一些插件节点支持“缓存”中间结果，对于参数未改变的部分，下次生成时可以直接复用，避免重复计算。
    3. 分步执行：对于极其复杂的工作流，可以将其拆分成几个部分，分别执行并保存中间结果，而不是一次性跑完整个流程。

安装和配置只是第一步，当你熟悉了ComfyUI的节点操作逻辑后，真正的乐趣在于设计和搭建属于你自己的高效工作流。从复制别人的工作流开始学习，然后尝试修改其中的参数和连接，最后独立创作，这是一个非常有趣的学习曲线。记住，每次对工作流的优化和调整，都是你对Stable Diffusion生成过程理解的一次深化。

编程学习 学习日记 实战经验
← 返回列表