n8n-workflows 的 ai-stack 中 ComfyUI 模型（如 SD 1.5）下载到哪个目录？

如果你已经按 ai-stack/QUICK-START.md 把 ai-stack（n8n + Agent Zero + ComfyUI 三件套）跑起来，下一步通常就是给 ComfyUI 放一个模型。这个仓库内置的图像生成工作流 ai-stack/workflows/comfyui-image-generation.json 直接引用了 SD 1.5 的 checkpoint，模型文件必须放到 ai-stack/shared/comfyui/models/checkpoints/ 目录下、且文件名保持为 v1-5-pruned-emaonly.safetensors，工作流才能加载它。

为什么是 shared/comfyui/models/

ai-stack/docker-compose.yml 中 ComfyUI 服务的卷映射决定了容器内 /comfyui/models 对应宿主机的 ./shared/comfyui/models：

volumes:
  # Model storage (checkpoints, loras, etc.)
  - ./shared/comfyui/models:/comfyui/models
  # Output directory
  - ./shared/comfyui/output:/comfyui/output
  # Input directory
  - ./shared/comfyui/input:/comfyui/input
  # Custom nodes
  - ./shared/comfyui/custom_nodes:/comfyui/custom_nodes

也就是说，模型不是放进容器里，而是放进 ai-stack 文件夹下的 shared/comfyui/models/，容器启动时会把它挂进去。生成结果会写到 shared/comfyui/output/，输入图片放 shared/comfyui/input/。

模型子目录的完整对应关系（来自 ai-stack/README.md）：

模型类型	目录
Stable Diffusion checkpoints	shared/comfyui/models/checkpoints/
LoRA models	shared/comfyui/models/loras/
VAE models	shared/comfyui/models/vae/
ControlNet models	shared/comfyui/models/controlnet/
Upscale models	shared/comfyui/models/upscale_models/
Embeddings	shared/comfyui/models/embeddings/

下载 SD 1.5 并放入正确目录

前提：ai-stack 已经成功启动（终端出现 "🎉 AI Stack is running!"）。启动脚本会自动创建全部模型目录，无需手动 mkdir。ai-stack/start.sh 中实际创建的目录包括：

shared/comfyui/models/checkpoints
shared/comfyui/models/loras
shared/comfyui/models/vae
shared/comfyui/models/controlnet
shared/comfyui/models/upscale_models
shared/comfyui/models/embeddings
shared/comfyui/models/clip
shared/comfyui/output
shared/comfyui/input

操作：

1. 下载 ai-stack/README.md "Recommended Starter Model" 一节给出的 SD 1.5 文件：https://huggingface.co/runwayml/stable-diffusion-v1-5/blob/main/v1-5-pruned-emaonly.safetensors（即 v1-5-pruned-emaonly.safetensors）。
2. 把文件放到 ai-stack/shared/comfyui/models/checkpoints/ 下。
3. 按 ai-stack/CHEAT-SHEET.md "Adding Models to ComfyUI" 的说明，重启 ComfyUI 或刷新浏览器让模型生效。模型文件支持 .safetensors 或 .ckpt 格式。

一个容易踩的坑：文件名必须保持 v1-5-pruned-emaonly.safetensors。内置工作流 ai-stack/workflows/comfyui-image-generation.json 中的 CheckpointLoaderSimple 节点是按这个文件名写死的：

"4": {
  "inputs": { "ckpt_name": "v1-5-pruned-emaonly.safetensors" },
  "class_type": "CheckpointLoaderSimple"
}

如果你下载时把文件重命名了，需要改回原名，否则内置工作流找不到模型。

验证模型已就位

1. 确认 ComfyUI 存活：浏览器打开 http://localhost:8188，应看到节点式界面（文档称为 node-based interface）。
2. 连通性测试：在 n8n（http://localhost:5678）中导入并激活 ai-stack/workflows/comfyui-simple-test.json，访问 http://localhost:5678/webhook/comfyui-status，应返回 ComfyUI 的 system stats。
3. 端到端验证：导入并激活 ai-stack/workflows/comfyui-image-generation.json，发送一次生成请求（README 给出的示例）：

curl -X POST http://localhost:5678/webhook/generate-image \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "a cyberpunk city at night, neon lights, rain, highly detailed",
    "negative_prompt": "blurry, low quality",
    "steps": 20,
    "cfg": 7,
    "width": 512,
    "height": 512
  }'

响应中会带 prompt_id；工作流会轮询 GET /history/{prompt_id}，完成后返回图片 URL，生成的图片本身落在 shared/comfyui/output/ 目录里。

限制与边界

• 模型目录由 docker-compose.yml 的卷挂载定义，不要期望把模型放进 data/ 或其他位置；data/ 只存 n8n 与 Agent Zero 的持久数据。
• ComfyUI 默认使用 CUDA 镜像 aidockorg/comfyui-cuda:latest，需要 NVIDIA GPU 与 NVIDIA Container Toolkit；没有 GPU 的机器用启动脚本的 CPU 参数（./start.sh --cpu 或 .\start.ps1 -CPU），文档说明 CPU 模式会更慢但仍可运行。
• 如果生成始终不出图，先看容器状态（docker compose ps，ai-stack-comfyui 应为 Up）和日志（./start.sh --logs），再核对 checkpoints 目录下的文件名是否与 ckpt_name 完全一致。