从零开始使用ComfyUI：高效搭建AI图像生成工作流指南

ComfyUI是一款功能强大且模块化的稳定扩散GUI工具，它通过直观的节点流程图界面，帮助用户设计和执行高级图像生成管道。无论是AI绘画爱好者、设计师还是开发者，都能通过它灵活配置 Stable Diffusion 模型参数，实现从文本到图像的精准生成。本文将带你一步步完成安装配置，轻松开启AI创作之旅。

项目核心价值与技术架构

为什么选择ComfyUI？

• 模块化工作流：通过节点拖拽即可构建复杂的图像生成流程，无需编写代码
• 全面模型支持：兼容SD1.x、SD2.x、SDXL等主流稳定扩散模型
• 智能资源管理：优化的内存分配机制，支持低配置设备运行
• 高度自定义：可扩展的节点系统，支持自定义模型和处理逻辑

技术框架解析

核心技术	作用说明
Python	主要开发语言，负责核心逻辑实现
PyTorch	深度学习框架，提供模型训练与推理支持
Stable Diffusion	核心图像生成模型，实现文本到图像的转换
节点流程图系统	可视化编程界面，实现零代码工作流配置

安装前的准备工作

硬件要求

• 推荐配置：NVIDIA显卡（4GB以上显存）
• 最低配置：支持CPU运行（生成速度较慢）
• 存储空间：至少10GB可用空间（含模型文件）

软件依赖

• Python 3.8及以上版本
• Git版本控制工具
• 操作系统：Windows 10/11、Linux或macOS

多平台安装指南

Windows系统安装

环境配置

1. 下载并安装Python 3.8+（勾选"Add Python to PATH"）
2. 安装Git工具
3. 解压工具推荐：7-Zip

核心安装步骤

📌 克隆项目仓库

git clone https://gitcode.com/GitHub_Trending/co/ComfyUI
cd ComfyUI

📌 安装依赖包

pip install -r requirements.txt

📌 准备模型文件 将Stable Diffusion模型文件（.ckpt或.safetensors格式）复制到models/checkpoints目录

📌 启动应用

python main.py

Linux系统安装

环境配置

1. 安装系统依赖

sudo apt update && sudo apt install python3 python3-pip git

核心安装步骤

📌 克隆项目仓库

git clone https://gitcode.com/GitHub_Trending/co/ComfyUI
cd ComfyUI

📌 创建虚拟环境（推荐）

python -m venv venv
source venv/bin/activate

📌 安装依赖包

pip install -r requirements.txt

📌 准备模型文件

mkdir -p models/checkpoints
# 将模型文件复制到上述目录

📌 启动应用

python main.py

macOS系统安装

环境配置

1. 安装Homebrew

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

2. 安装Python和Git

brew install python git

核心安装步骤

📌 克隆项目仓库

git clone https://gitcode.com/GitHub_Trending/co/ComfyUI
cd ComfyUI

📌 安装PyTorch

pip3 install torch torchvision torchaudio

📌 安装依赖包

pip3 install -r requirements.txt

📌 准备模型文件 将模型文件复制到models/checkpoints目录

📌 启动应用

python3 main.py

基础配置与验证测试

配置文件设置

ComfyUI使用extra_model_paths.yaml文件管理模型搜索路径，你可以通过编辑该文件添加自定义模型目录：

# 示例配置
checkpoints:
  - /path/to/your/custom/checkpoints
vae:
  - /path/to/your/vae/models

验证安装

启动应用后，打开浏览器访问http://127.0.0.1:8188，你将看到ComfyUI的节点编辑界面。尝试加载示例工作流并运行，生成测试图像：

节点系统快速入门

ComfyUI的核心是其节点系统，通过组合不同功能节点实现图像生成流程。每个节点代表一个特定功能，如文本提示处理、模型加载、图像生成等。

基础节点类型

• Load Checkpoint：加载 Stable Diffusion 模型
• CLIP Text Encode：处理文本提示
• KSampler：图像采样器
• VAE Decode：将潜在空间转换为图像
• Save Image：保存生成结果

💡 提示：将节点通过拖拽连接，形成完整工作流后点击"Queue Prompt"按钮执行生成

常见问题解决

1. 启动时提示缺少依赖

问题：ModuleNotFoundError: No module named 'xxx'
解决：重新安装依赖包

pip install -r requirements.txt --upgrade

2. 模型文件不被识别

问题：加载模型时显示"Model not found"
解决：确认模型文件放置在正确路径models/checkpoints，且文件格式正确（.ckpt或.safetensors）

3. 内存不足错误

问题：运行时出现"CUDA out of memory"
解决：

• 降低图像分辨率
• 启用模型量化（修改comfyui_version.py中的量化设置）
• 关闭其他占用GPU内存的程序

4. 界面无法加载

问题：浏览器访问http://127.0.0.1:8188无响应
解决：检查端口是否被占用，尝试指定其他端口启动

python main.py --port 8888

5. 生成图像全黑或全白

问题：输出图像异常
解决：检查模型是否完整，尝试使用官方示例模型测试

进阶使用建议

1. 自定义节点：通过custom_nodes目录添加第三方节点扩展功能
2. 工作流保存：使用"Save"按钮保存常用工作流，方便下次使用
3. 批量处理：利用"Queue"功能排队处理多个生成任务
4. 模型优化：通过comfy/quant_ops.py配置模型量化参数，平衡性能与质量

通过本文指南，你已经掌握了ComfyUI的安装配置和基础使用方法。随着实践深入，你可以探索更多高级功能，如ControlNet控制、LoRA模型微调等，创造出更具创意的AI图像作品。