cover

ComfyUI 保姆级入门教程：从安装到生成第一张图

Stable Diffusion 的 WebUI 你也许会，但节点式的 ComfyUI 才是现在 AI 绘图圈的效率之王——它像搭积木一样把"提示词→采样→解码→保存"拆成一个个节点，自由连线，灵活度直接拉满。这篇从零开始，带你装好 ComfyUI 并生成第一张图。

一、ComfyUI 是什么？

一句话：可视化节点式 Stable Diffusion 界面。

和 WebUI 那种"填表单式"操作不同，ComfyUI 里每个流程环节是一个"节点"（方块），你把它们连起来组成一条"工作流"（workflow）：

加载模型(Checkpoint) → 编码提示词(CLIP) → 采样器(KSampler) → 解码(VAE) → 保存图片

好处显而易见：

流程可视化：每一步干了什么都一清二楚，还能整体复制/分享
效率高：内存占用小、出图快，同样硬件比 WebUI 更省
生态强：ControlNet、LoRA、视频生成等高级玩法都是一等支持

二、安装（三选一）

方式 A：Windows 便携版（最省事，推荐小白）

ComfyUI 官方提供了免安装的便携包：

下载：https://github.com/comfyanonymous/ComfyUI/releases
- N 卡：ComfyUI_windows_portable_nvidia.7z（20 系及以上）
- N 卡 10 系老卡：选 ..._nvidia_cu126.7z
- A 卡：ComfyUI_windows_portable_amd.7z
用 7-Zip 解压到任意目录
双击运行 run_nvidia_gpu.bat（或对应版本），等浏览器自动打开 http://127.0.0.1:8188

便携版自带 Python 3.13 + PyTorch CUDA，开箱即用。启动报错先更新显卡驱动。

方式 B：命令行安装（comfy-cli，适合已会 Python 的）

pip install comfy-cli
comfy install        # 按提示选择 GPU 类型（NVIDIA/AMD/CPU）
comfy launch         # 启动

方式 C：手动安装（进阶，任意系统）

# 1. 克隆源码
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# 2. 装依赖（N 卡为例）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124
pip install -r requirements.txt

# 3. 启动
python main.py

AMD 用户：pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm7.2

三、放模型：把"大模型"装进目录

ComfyUI 启动后默认工作流会报"找不到模型"——因为模型文件还没放。模型要放在 ComfyUI/models/ 下的对应子目录：

模型类型	放哪	文件示例
大模型（checkpoint）	`models/checkpoints/`	SDXL、SD1.5、FLUX 的 .safetensors
LoRA	`models/loras/`	风格/角色微调模型
VAE	`models/vae/`	可选的变分自编码器
ControlNet	`models/controlnet/`	姿态/线稿控制
Text Encoders	`models/text_encoders/`	FLUX 等新架构需要

模型从哪来？这是很多新手卡住的地方——国内直连 Civitai 很慢。推荐直接用魔搭（ModelScope）下载：搜「SDXL」「FLUX」等关键词，模型基本都有官方或社区备份，国内服务器下载飞快，且支持断点续传（下一篇文章我会专门写三种加速下载姿势，记得看）。

四、认识默认工作流（核心必懂）

装上模型的 ComfyUI 默认画布就是一条"文生图"完整工作流，认准这 6 个关键节点：

Load Checkpoint（加载大模型）：选底模。右边会自动带出 CLIP 和 VAE 接口
CLIP Text Encode（正向提示词）：输入想要的内容，如 a cute cat, masterpiece, best quality
CLIP Text Encode（负向提示词）：输入不想要的，如 lowres, bad anatomy, watermark
KSampler（采样器）：核心参数
- seed：随机种子，固定后同参数出图一样
- steps：采样步数（SDXL 常用 20-30）
- cfg：提示词跟随度（7 左右，太高会过饱和）
- sampler_name：采样式（euler、dpmpp_2m 等）
- denoise：重绘幅度（1.0=全新生图，0.x=局部重绘）
VAE Decode（解码）：把潜空间数据变成图片
Save Image（保存）：成品落盘到 ComfyUI/output/

五、生成第一张图

点一下 Load Checkpoint，选你放进去的大模型
正向提示词填：a beautiful landscape, sunshine, masterpiece, best quality
负向提示词填：lowres, bad anatomy, watermark, text
点击画布右上角 Queue Prompt（或 Ctrl+Enter）
几秒后右侧出现成品图，去 ComfyUI/output/ 也能找到

报错？九成是模型路径不对或显存不够——确认模型文件确实在 checkpoints/ 里，然后调低 --lowvram（启动参数加 python main.py --lowvram）。

六、进阶必备：ComfyUI Manager

做进阶玩法（ControlNet、视频、自定义节点）前，先装节点管理器，一键安装成千上万个社区节点：

一键安装方式（Windows 便携版）：

cd ComfyUI/custom_nodes
git clone https://github.com/ltdrdata/ComfyUI-Manager.git

重启后，画布右键 → Manager 即可搜索安装各类自定义节点。

七、常见问题

启动闪退：更新显卡驱动；便携版确认解压完整（.7z 没截断）
显存不够：启动参数加 --lowvram，或换 SD1.5 这类轻量模型
出图全是噪点：大模型没加载成功，确认 checkpoint 文件完好
想用别人的工作流：.json 文件直接拖进画布即可加载

总结

ComfyUI 的学习曲线其实很平缓：装 → 放模型 → 认节点 → 队列出图，四步就能跑通。跑通默认工作流之后，再去碰 LoRA、ControlNet、视频生成这些高级玩法，你会发现节点式的好处——一切都是可视的、可组合的。

下一步建议：搞懂工作流后，去魔搭把需要的模型一次下齐（快且稳），下一篇教你模型加速下载的三种姿势。

相关资源：

官方下载页：https://github.com/comfyanonymous/ComfyUI/releases
魔搭模型库：https://modelscope.cn/models