ComfyUI 入门教程:本地安装、模型下载与第一个 AI 绘图工作流

节点越多越专业？

先跑通一张图

再理解每根连线

INSTALL · MODELS · FIRST WORKFLOW

COMFYUI

ComfyUI 是一套基于节点图的生成式 AI 工作流工具。你可以把模型、提示词、采样器、图片输入和保存步骤连接起来，组成一条能重复执行的生成流程。

它最早因 Stable Diffusion 工作流受到关注，现在已经能处理图片、视频、音频、3D 和部分文本模型。不同任务仍然使用同一种思路：每个节点完成一项操作，节点之间通过连线传递模型、条件、潜空间或媒体数据。

与只有一个提示词输入框的工具相比，ComfyUI 的学习成本更高，但控制范围也更细。你可以替换某个模型、只改采样参数、插入 ControlNet，或者让同一张图依次经过放大、修复和保存。

它还有一个很实用的特点：工作流可以保存为 JSON，部分生成图片也会写入工作流和随机种子。下次把图片拖回 ComfyUI，通常可以恢复当时的节点设置。

ComfyUI 目前有 Desktop、Windows 便携版、手动安装和官方云端版本。新手先根据系统和显卡选择，不要看到 GitHub 仓库就直接执行一长串安装命令。

Windows + NVIDIA 显卡

优先使用 ComfyUI Desktop。官方把它列为新用户最容易上手的版本，安装程序会创建独立 Python 环境，并协助配置 PyTorch、模型目录和自定义节点目录。

Windows Desktop 当前主要面向 NVIDIA 显卡。CPU 模式可以启动，但生成速度通常不适合日常创作。

macOS + Apple Silicon

使用 ComfyUI Desktop macOS 版，支持 Apple Silicon，也就是 M 系列芯片。Intel Mac 不在当前 Desktop 版的支持范围内。

Windows + AMD 或 Intel 显卡

官方提供 AMD、Intel 和 NVIDIA 对应的 Windows 便携包。选择时要看清显卡类型，不要混用安装包。

Linux 或需要深度定制

使用手动安装。官方仓库支持 NVIDIA、AMD、Intel、Apple Silicon 和部分其他计算设备，但 PyTorch 与驱动配置会因硬件而不同。

如果电脑不适合运行本地模型，又只是想先学习节点逻辑，可以考虑 Comfy Cloud。云端会减少本地环境配置，但它属于付费服务。

先确认三件事：磁盘、显卡驱动和模型大小。

ComfyUI 程序本身不算大，真正占空间的是模型。一个模型可能只有几 GB，也可能由多个文件组成，合计几十 GB。安装目录和模型目录尽量放在固态硬盘，并预留后续下载空间。

Windows NVIDIA 用户在安装前更新显卡驱动。当前官方便携版使用较新的 Python、PyTorch 和 CUDA 组合，旧驱动可能导致程序无法启动。

显存需求由具体模型、分辨率和工作流决定。不要只问“ComfyUI 需要多少显存”。先确定要运行的模型，再查看对应工作流的硬件说明。

从 ComfyUI 官网进入 Desktop 下载页面，选择 Windows NVIDIA 版本。下载完成后运行安装程序。

初始化时会依次选择显卡、安装位置和是否迁移旧版本。新手按下面的方式处理即可：

初始化过程会下载 Python 和 PyTorch，文件较大，网络慢时需要多等一会儿。安装页面提供维护入口，依赖缺失、Git 未安装或下载失败时，可以在维护页面重新执行对应步骤。

Desktop 版会把程序核心与用户数据分开。不要向应用内部的 resource/ComfyUI 目录添加模型或节点，这个目录可能在更新时被重置。模型、自定义节点和工作流应放在初始化时选择的用户目录中。

便携版适合想把整个环境放在一个文件夹里，或者需要 AMD、Intel 专用包的用户。

下载与显卡匹配的压缩包后，用 7-Zip 或 Windows 资源管理器完整解压。不要直接在压缩包内运行。

NVIDIA 便携版通常包含对应的启动脚本。运行后会打开终端窗口，服务启动完成时，浏览器进入本地 ComfyUI 页面。终端窗口需要保持开启，关闭它就会停止服务。

如果系统阻止解压后的文件运行，可以右键压缩包，打开“属性”，检查是否存在“解除锁定”选项，再重新解压。

便携版紧跟较新的代码提交，获得新模型支持更快，但自定义节点也更容易因为更新产生兼容问题。用于稳定生产时，不必每天更新。

模型文件是 ComfyUI 工作流真正运行的内容。常见文件夹位于 ComfyUI/models/：

传统 Stable Diffusion 或 SDXL 的完整模型经常放在 models/checkpoints/。LoRA 放进 models/loras/，VAE 放进 models/vae/。

较新的图片和视频模型可能拆成扩散模型、文本编码器、VAE 等多个文件。此时不能把所有文件都塞进 checkpoints，要按照官方工作流或模型页面给出的目录放置。

手动复制模型后，如果加载节点里没有出现文件名，可以刷新界面或重启 ComfyUI。

如果你已经在其他 AI 绘图工具里保存了大量模型，可以配置 extra_model_paths.yaml 或 Desktop 的 extra_models_config.yaml，让多个工具共用同一套模型文件，避免重复占用磁盘。

对于新手，最稳妥的方式是使用内置 Workflow Templates，不要从空白节点图开始。

打开 ComfyUI 后，进入 Workflow，选择 Browse Workflow Templates。挑选一个基础文生图模板。模板会告诉你需要哪些模型；Desktop 版检测到缺少文件时，通常会提供下载入口。

模型准备好后，完成下面几步：

运行时，正在执行的节点会依次高亮。完成后，结果会出现在 Save Image 节点中，同时写入输出目录。

第一次生成的目标只有一个：确认模型、节点和保存路径都能正常工作。先不要急着安装几十个自定义节点。

一个传统 Stable Diffusion 文生图工作流，通常包含下面这些核心节点。

Load Checkpoint

加载模型文件，并输出模型、CLIP 和 VAE。换模型时，优先检查这个节点。

CLIP Text Encode

把提示词转换成模型能处理的条件。一般有一组正向提示词和一组负向提示词。

Empty Latent Image

创建潜空间画布。宽度、高度和批次数量通常在这里设置。

KSampler

负责扩散采样，是最常调整的节点。seed 控制随机起点，steps 是采样步数，cfg 影响提示词约束强度，sampler_name 和 scheduler 决定采样方式。

第一次运行时保留模板参数。不同模型对 steps、CFG 和采样器的建议并不相同，不能拿一套“万能参数”套所有模型。

VAE Decode

把采样器输出的潜空间结果解码成可以看到的图片。

Save Image

显示并保存生成结果。默认图片通常进入 ComfyUI 的 output 目录。

把这条链路理解清楚后，再学习图生图、局部重绘和 ControlNet 会轻松很多。它们大多是在基础链路中增加新的输入或条件。

建议一次只改一个变量，然后重新运行。

先改提示词，观察主体和风格是否变化。接着固定提示词，只改 seed，查看不同构图，然后再调整尺寸、步数或 CFG。

ComfyUI 会跳过没有变化的节点，只重新执行受影响的部分。例如，只修改末端的保存或后处理节点时，前面的模型加载和采样不一定需要重跑。这也是节点工作流适合复杂流程的原因之一。

常用快捷键可以先记住这几个：

点击保存工作流后，可以得到 JSON 文件。它记录节点、连线和参数，适合备份、分享或放进版本管理。

ComfyUI 还会把工作流信息写入部分支持的生成图片。别人分享的 PNG 如果保留了元数据，直接拖进 ComfyUI 就能恢复节点图和生成参数。

不过，工作流 JSON 不会自动包含所有模型文件和自定义节点。分享工作流时，最好同时写清：

文件能打开不代表一定能运行。只要缺少模型、节点或版本不兼容，节点就可能变红或提示缺失。

先让官方模板成功生成一次，再考虑自定义节点。

ComfyUI-Manager 用于安装、更新和管理自定义节点。当前手动安装版本需要安装 Manager 依赖，并在启动时加上 --enable-manager：

Desktop 版优先使用应用内提供的管理入口和内置终端，不要直接调用系统 Python 给它安装依赖。Desktop 会维护自己的虚拟环境，把依赖装错环境是常见故障来源。

自定义节点来自不同作者，更新节奏和依赖质量并不一致。安装前阅读项目说明，少量逐个添加。某次更新后无法启动时，最近安装或更新的节点应优先排查。

加载模型节点显示 null

确认模型是否放进正确子目录。新模型经常需要多个组件，不能只下载一个文件。复制完成后刷新或重启 ComfyUI。

提示显存不足

先降低图片分辨率和批次数量，再查看模型是否提供量化版或低显存工作流。关闭同时占用显存的软件，也能释放一部分空间。

不要随意降低所有参数。尺寸、批量、模型精度和工作流节点对显存的影响不同，最好逐项调整。

节点变红或显示缺失

这通常表示工作流依赖某个未安装的自定义节点。先确认节点来源，再通过 Manager 安装。不要根据相似名称随便下载另一个仓库。

更新后工作流报错

ComfyUI 核心、前端和自定义节点都在持续更新。官方也提醒，稳定版本之外的提交可能破坏自定义节点兼容性。

用于正式工作的环境，在更新前备份工作流、模型路径配置和 custom_nodes。出现问题时，先检查报错来自核心还是某个第三方节点。

浏览器打不开页面

便携版或手动安装时，先看终端窗口是否仍在运行。启动失败的具体原因通常写在终端窗口末尾几十行，包括驱动、PyTorch、端口和依赖错误。

如果你只想偶尔输入一句话生成图片，节点图可能显得过重。简单的在线工具会更省时间。

当你需要固定生产流程、反复更换模型、处理多张参考图，或者把生成、放大、修复和导出串成一条流水线时，ComfyUI 的优势才会明显。

学习顺序也不用复杂：先跑通官方模板，再理解模型、提示词、潜空间、采样和解码这条基础链路。之后每增加一个节点，都要知道它改变了哪一步。

能稳定复现一条简单工作流，比收藏一百个看不懂的节点包更有用。

觉得这篇教程有用，可以点赞、在看或转发给准备学习 ComfyUI 的朋友。

THANKS FOR READING