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 WebUI（AUTOMATIC1111）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

1. 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。
2. 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。
3. 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。
4. 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。
5. 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：

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：

1. 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。

2. 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

1. 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。
2. 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）。
3. 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）。

1. 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。
2. 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

3. 一键启动：直接双击运行根目录下的一键启动.bat文件。
4. 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。
5. 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。
6. 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

1. 访问 Python 官网 下载 Windows 安装包 (python-3.10.9-amd64.exe)。
2. 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。
3. 点击“Install Now”进行安装。
4. 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

1. 访问 Git 官网 下载 Windows 版 Git 安装程序。
2. 一路默认选项安装即可。
3. 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。

1. 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。
2. 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: Windows
     • Package: Pip
     • Language: Python
     • Compute 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

1. 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

2. 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。
3. 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。
4. 运行 ComfyUI：在ComfyUI目录下，运行：

   python main.py

5. 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？

1. 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/。
2. LoRA：下载.safetensors文件，放入models/loras/。
3. ControlNet：下载.pth或.safetensors文件，放入models/controlnet/。
4. 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Ctrl+C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。

1. 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

2. 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

3. 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：

1. ComfyUI-Manager：插件管理器本身，提供图形化界面安装、更新、删除插件。
2. 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。
3. ComfyUI-Advanced-ControlNet：提供更强大的 ControlNet 控制节点。
4. ComfyUI-InstantID或ComfyUI-IPAdapter-Plus：用于实现人物/风格的一致性生成。
5. 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

1. 在浏览器中打开 ComfyUI 界面。
2. 右键点击画布空白处，选择“Add Node”。
3. 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。
4. 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。
5. 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

8.2 模型与插件问题

8.3 性能与优化问题

• 生成速度慢：
  • 确认在KSampler中使用了k_euler，k_euler_ancestral，dpmpp_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

1. 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。
2. 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。
3. 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

1. 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/。
2. 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。
3. 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

1. 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。
2. 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。
3. 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！