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

2026年ComfyUI本地部署全攻略：从整合包安装到插件管理与高级工作流

发布时间：2026/8/10 4:06:40 三亩地 编程学习日记
2026年ComfyUI本地部署全攻略：从整合包安装到插件管理与高级工作流

1. 先搞清楚 ComfyUI 到底是什么，以及为什么值得在 2026 年折腾它

如果你在 2026 年还在搜索 ComfyUI 的安装教程，那大概率是遇到了一个非常具体的问题：你发现很多新的、强大的 AI 图像生成模型、工作流和插件，都优先甚至只支持 ComfyUI 这个平台了。这不是危言耸听，而是整个 AI 绘画工具生态正在发生的事实。Stable Diffusion WebUI（俗称“秋叶包”）依然是新手友好的入口，但当你需要更精细的控制、更复杂的流程编排、更低的显存占用，或者想尝试那些前沿的模型时，ComfyUI 几乎是绕不开的选择。

简单说，ComfyUI 是一个基于节点图的可视化编程界面，专门为 Stable Diffusion 这类扩散模型设计。它把文生图、图生图、ControlNet、LoRA 加载、高清修复等每一个步骤都拆解成独立的“节点”，然后用“线”把它们连接起来，形成一个完整的工作流。这种设计带来的核心优势有三个：第一是极致灵活，你可以像搭积木一样自定义任何生成流程；第二是资源友好，节点式加载意味着只有用到的模型才会被调入显存，对于复杂工作流和多模型切换，显存压力远小于 WebUI；第三是易于分享和复用，一个.json或.png文件就能保存整个工作流，别人导入就能一键复现。

所以，这篇教程的目标不是让你“又多会了一个软件”，而是帮你在 2026 年依然能跟上主流 AI 图像创作工具的步伐。无论你是从 WebUI 转过来的老用户，还是刚入门但想一步到位的新手，搞定 ComfyUI 的本地部署都是值得投入的时间。下面，我会从最稳妥的整合包方案开始，带你走完从部署、启动、安装插件到运行第一个工作流的全过程，过程中会重点解释那些容易卡住的点，比如依赖冲突、插件管理、工作流导入等实际问题。

2. 2026 年最稳妥的起步方案：使用整合包

对于绝大多数用户，尤其是在 Windows 系统上，我强烈建议从整合包开始，而不是从零配置 Python 环境。原因很简单：ComfyUI 及其插件依赖的 PyTorch、CUDA 库、各种 Python 包版本复杂，手动安装极易出现兼容性问题。一个维护良好的整合包已经帮你解决了 90% 的环境依赖问题。

在 2026 年的语境下，“秋叶 ComfyUI 整合包”依然是一个被广泛搜索和使用的关键词，这代表了一种经过社区验证的可靠分发形式。你可以将其理解为一个“绿色便携版”，解压即用，通常包含了 ComfyUI 主程序、必要的 Python 环境、常用插件以及模型管理工具。

获取与部署步骤：

  1. 寻找可靠的整合包来源：由于网络信息实时变化，建议通过主流 AI 模型社区、GitHub 上有高星标（Star）的项目发布页，或你信任的创作者频道获取下载链接。注意核对发布时间和版本说明，优先选择标注了“便携版”、“整合包”或“一键启动”的版本。
  2. 准备磁盘空间：一个完整的整合包，解压后大小可能在 10GB 到 20GB 之间。请确保你的目标磁盘（如 D 盘）有至少 30GB 的可用空间，为后续下载模型留出余地。
  3. 解压与目录结构：将下载的压缩包解压到一个英文路径下，例如D:\AI_Tools\ComfyUI。绝对避免使用包含中文、空格或特殊字符的路径，这是后续很多奇怪错误的根源。解压后，典型的目录结构如下：
    ComfyUI_windows_portable/ ├── ComfyUI/ # ComfyUI 主程序目录 ├── python_embeded/ # 内置的 Python 环境 ├── update/ # 更新脚本 └── run_nvidia_gpu.bat # 启动脚本（针对 NVIDIA GPU）
  4. 启动前的关键检查：找到run_nvidia_gpu.bat这个批处理文件。不要直接双击。先右键它，选择“编辑”，用记事本打开。你需要确认一件事：里面的 Python 路径是否指向整合包内的python_embeded目录。通常整合包已经配置好，但检查一下能避免因系统环境变量干扰导致启动失败。

3. 首次启动与核心界面熟悉

完成解压和检查后，直接双击run_nvidia_gpu.bat启动。第一次启动会相对较慢，因为需要初始化环境并安装一些基础的依赖包。

  1. 观察启动过程：会弹出一个命令行窗口，里面在滚动日志。这是正常现象，不要关闭它。如果一切顺利，最后几行会显示类似Running on local URL: http://127.0.0.1:8188的信息。
  2. 访问 Web 界面：打开你的浏览器（Chrome、Edge 等），在地址栏输入http://127.0.0.1:8188并访问。你将看到 ComfyUI 的主界面。
  3. 认识核心界面：
    • 节点图区域：中间最大的空白区域，是你搭建和运行工作流的地方。
    • 节点菜单：右键点击节点图区域，会弹出所有可用的节点分类菜单。
    • 队列按钮：右侧通常有 “Queue Prompt” 按钮，点击它才会开始执行当前工作流。
    • 工作流管理：界面顶部或侧边栏有 “Load”（加载）、“Save”（保存）、“Clear”（清除）等按钮，用于管理你的工作流文件。

一个必须完成的“冒烟测试”：在投入复杂工作流之前，我们必须确认基础功能是正常的。ComfyUI 自带一个简单测试。

  • 在节点图区域右键 ->Load->Default，这会加载一个内置的默认工作流。
  • 点击右侧的 “Queue Prompt”。如果一切正常，你会在下方的历史记录区域看到一张生成的图片。

如果这一步能成功出图，恭喜你，ComfyUI 主体环境部署成功。如果报错（例如缺少模型），通常会提示Error occurred when executing...，并在命令行窗口有更详细的错误信息。最常见的首次运行错误是缺少基础模型。

4. 模型管理：让 ComfyUI 找到你的“画笔”

ComfyUI 本身不包含任何模型，它需要你指定模型文件（如checkpoint、VAE、LoRA）的路径。整合包通常会预设好模型目录。

  1. 理解模型目录结构：在整合包的ComfyUI文件夹内，会有一个models文件夹，这是所有模型的根目录。其子目录结构是约定俗成的：
    models/ ├── checkpoints/ # 放置大模型（.safetensors 或 .ckpt） ├── vae/ # 放置 VAE 模型 ├── loras/ # 放置 LoRA 模型 ├── controlnet/ # 放置 ControlNet 模型 ├── upscale_models/ # 放置超分辨率模型 └── ... # 其他类型模型目录
  2. 放置你的模型：将你从其他地方下载的模型文件，按照类型放入对应的文件夹。例如，把一个名为revAnimated_v122.safetensors的大模型文件放入models/checkpoints/。
  3. 在节点中加载模型：回到 ComfyUI 界面，加载默认工作流。找到那个Load Checkpoint节点，点击它，在下拉菜单里应该就能看到你刚放入的revAnimated_v122模型了。选择它，然后再次 “Queue Prompt”，这次就应该使用你指定的模型来生成图片了。

注意：很多从 WebUI 转过来的用户，习惯把模型放在 WebUI 的models目录。虽然可以通过修改配置让 ComfyUI 读取 WebUI 的目录（修改extra_model_paths.yaml文件），但我更建议在初期复制一份模型到 ComfyUI 自己的目录下。这能避免因路径解析、文件名冲突带来的不必要麻烦，等完全熟悉后再考虑共享目录。

5. 插件的安装与管理：扩展能力的核心

ComfyUI 的强大，一半在于其节点式架构，另一半就在于海量的社区插件。插件可以为你添加新的节点、新的模型支持、新的工作流模板，甚至是全新的功能（如视频生成、3D 生成等）。

安装插件的主流方式：

  1. 通过 ComfyUI Manager（推荐）：这是管理插件的“神器”。很多整合包已经预装了它。你可以在节点图区域右键，看看菜单里有没有Manager选项，或者界面上有没有一个额外的Manager按钮。如果有，打开它。

    • 安装插件：在 Manager 的 “Install Custom Nodes” 标签页，你可以搜索插件名（如ComfyUI-Impact-Pack,ComfyUI-AnimateDiff-Evolved），找到后直接点击 Install。
    • 更新插件/ComfyUI：在 “Update” 标签页，可以一键更新所有已安装的插件或 ComfyUI 本身。
    • 优势：自动处理插件的依赖安装和更新，最省心。

  2. 手动安装（Git Clone）：对于 Manager 里没有的，或者你想安装特定版本的插件，需要手动操作。

    • 找到插件的 GitHub 仓库地址。
    • 进入 ComfyUI 主目录下的custom_nodes文件夹。
    • 在此处打开命令行（或 Git Bash），执行：git clone <插件仓库地址>。
    • 克隆完成后，重启 ComfyUI。大部分插件在重启后会自动安装其 Python 依赖。

2026 年值得优先安装的插件建议：

  • ComfyUI Manager：插件管理器，必装。
  • ComfyUI-Impact-Pack：功能巨无霸包，包含大量实用节点，如图像预览、细节修复、分段处理等，极大提升效率。
  • ComfyUI-AnimateDiff-Evolved：如果你想做 AI 视频生成，这是核心插件。
  • ComfyUI-InstantID或ComfyUI-IPAdapter：用于实现高精度的人像风格迁移和一致性保持。
  • was-node-suite-comfyui：另一个强大的节点集合，提供许多工作流优化和工具节点。

插件安装后的验证：安装并重启 ComfyUI 后，右键节点菜单，你应该能看到新增的节点分类（如ImpactPack、AnimateDiff等）。如果没看到，首先去命令行窗口查看启动日志，是否有该插件的报错（通常是缺少某个 Python 包）。此时，可以尝试进入该插件的目录，寻找requirements.txt文件，然后手动在整合包的环境下用pip install -r requirements.txt安装依赖。

6. 导入与运行高级工作流

当你具备了基础模型和插件后，就可以尝试运行社区分享的酷炫工作流了。这是 ComfyUI 学习的快车道。

  1. 获取工作流文件：工作流通常以.json或.png文件分享。.json是工作流数据，.png文件则可能将工作流数据嵌入到了图片元数据中（ComfyUI 支持从 PNG 图片中加载工作流）。
  2. 导入工作流：
    • 对于.json文件：在 ComfyUI 界面点击 “Load” 按钮，选择该 JSON 文件。
    • 对于.png文件：点击 “Load” 按钮后，在文件选择器的右下角，将文件类型过滤器从Json File切换到Image，然后选择 PNG 文件。或者，更简单的方式是直接将 PNG 图片拖拽到 ComfyUI 的节点图区域。
  3. 处理“缺失节点”错误：这是导入他人工作流时最常遇到的问题。加载后，界面上很多节点可能显示为红色，并提示 “Missing Node”。这表示你的 ComfyUI 环境中缺少运行该工作流所需的插件。
    • 解决方案：将鼠标悬停在红色的 “Missing Node” 提示上，它会告诉你缺失的节点名称（如ImpactPack::SomethingNode）。这个名字通常对应着某个插件。你需要根据名字去安装对应的插件（用 ComfyUI Manager 搜索或去 GitHub 查找）。
  4. 检查并替换模型：工作流中预设的模型你可能没有。加载后，逐一检查每个模型加载节点（如Load Checkpoint,Load LoRA），将模型切换为你本地已有的对应类型的模型。
  5. 连接输入与点击运行：确保所有必要的输入（如正向提示词、负向提示词、图片、种子等）都已填写或连接。最后，点击 “Queue Prompt” 运行。

7. 深度配置与性能调优

当你能顺利运行基本和导入的工作流后，可以关注以下配置，让 ComfyUI 更贴合你的使用习惯和硬件条件。

  1. 修改默认配置：配置文件位于ComfyUI文件夹下的extra_model_paths.yaml.example。你可以复制一份，重命名为extra_model_paths.yaml，然后编辑它。这个文件的主要作用是添加额外的模型搜索路径。例如，你想让 ComfyUI 也读取你 WebUI 的模型目录，可以这样配置：

    bilibili: # 这是一个配置名，可以自定义 base_path: D:/sd-webui-aki/models/ # 你的 WebUI 模型根目录 checkpoints: Stable-diffusion vae: VAE loras: Lora upscale_models: ESRGAN

    保存后重启 ComfyUI，在模型加载节点的下拉列表里，就能看到来自新路径的模型了，它们通常会以bilibili/为前缀。

  2. 性能相关设置：在 ComfyUI 的设置界面（通常通过齿轮图标或Settings按钮进入），有几个关键选项：

    • VRAM 模式：如果你的显卡显存较小（如 8GB 或更少），可以尝试切换到--lowvram或--normalvram模式。这会影响模型加载策略，可能牺牲一些速度来换取大工作流的可运行性。
    • CPU 浮点精度：一般保持fp16即可，除非有特殊模型要求fp32。
    • 输出目录：可以自定义生成图片的保存位置。

  3. 命令行参数：通过修改启动脚本（如run_nvidia_gpu.bat），可以在最后一行添加参数。例如：

    • --listen：让 ComfyUI 监听所有网络接口，这样你可以在局域网内用其他设备的浏览器访问。
    • --port 7860：指定运行端口（如果默认的 8188 被占用）。
    • --highvram：强制使用高显存模式（适用于显存很大的显卡）。

8. 常见问题与系统化排查指南

即使使用整合包，你也可能会遇到问题。下面是一个系统化的排查顺序，遵循“从外到内，从简到繁”的原则。

问题一：启动脚本闪退或命令行窗口报错后关闭。

  • 排查点 1：路径与权限。确认 ComfyUI 所在路径没有中文和空格。确认你有该文件夹的读写权限。
  • 排查点 2：显卡驱动与 CUDA。虽然整合包自带 CUDA 运行时，但系统级的 NVIDIA 显卡驱动需要保持较新版本。去 NVIDIA 官网更新你的显卡驱动。
  • 排查点 3：杀毒软件/防火墙拦截。暂时关闭 Windows Defender 实时保护或其他第三方杀毒软件，然后重试启动。有时它们会误拦截 Python 进程或网络访问。
  • 排查点 4：查看详细日志。在启动脚本最后一行pause命令，这样出错后窗口不会关闭。或者，在命令行中手动进入ComfyUI目录，运行python main.py来查看完整错误信息。

问题二：启动成功，但浏览器访问http://127.0.0.1:8188无法连接。

  • 排查点 1：端口占用。ComfyUI 默认使用 8188 端口。可能被其他程序占用。可以在启动脚本中改用其他端口，如--port 7860。
  • 排查点 2：防火墙阻止。确保 Windows 防火墙允许 Python 或 ComfyUI 进行网络通信。

问题三：能打开界面，但加载工作流或生成时报错。

  • 第一步：看命令行窗口的红色错误信息。这是最准确的诊断来源。错误信息通常会明确指出是哪个节点、哪个模型、哪个 Python 包出了问题。
  • 第二步：检查模型文件。错误信息如果提到某个模型加载失败，检查：
    • 模型文件是否已放入正确的models子目录？
    • 模型文件是否完整（下载过程中是否损坏）？可以尝试重新下载。
    • 模型文件名是否包含特殊字符？尽量使用英文、数字和下划线。
  • 第三步：检查插件依赖。错误信息如果提到No module named ‘xxx’，这是缺少 Python 包。如果这个包是某个插件需要的，进入该插件的目录，手动运行pip install -r requirements.txt（注意要在整合包的 Python 环境下运行）。
  • 第四步：检查节点兼容性。ComfyUI 版本和插件版本可能不兼容。尝试通过 ComfyUI Manager 更新所有插件和 ComfyUI 到最新版，或者回退到插件的旧版本。

问题四：生成图片速度很慢，或显存不足（Out of Memory）。

  • 调整 VRAM 设置：在设置中切换到--lowvram模式。
  • 优化工作流：复杂工作流可以尝试启用KSampler节点上的 “KCPP Scheduler” 选项（如果插件支持），或使用Empty Latent Image节点降低初始生成分辨率。
  • 关闭其他占用显存的程序：比如游戏、其他 AI 应用。
  • 使用 CPU 卸载：一些插件（如 Impact Pack）的节点支持将部分计算卸载到 CPU，以减少显存峰值占用。

关于“不停要重启电脑”和“DLL错误”：搜索热词中出现的“博途plc软件安装过程中不停要重启电脑”和特定的 DLL 错误（如flutter_js_plugin.dll），这通常是特定工业软件或开发环境的问题，与 ComfyUI 无关。ComfyUI 整合包是绿色解压的，不涉及系统级的安装和注册表修改，理论上不会引发系统重启或 DLL 冲突。如果遇到此类问题，应检查是否与其他软件的安装冲突，或系统环境本身是否异常。

最后，保持耐心，善用社区。ComfyUI 的社区非常活跃，GitHub Issues、Discord 频道、相关的论坛和视频教程都是解决问题的宝贵资源。遇到报错时，将命令行里的关键错误信息复制出来进行搜索，你很可能发现已经有人遇到过并解决了同样的问题。

编程学习 学习日记 实战经验
← 返回列表