在本地部署 AI 绘画工具时ComfyUI 因其节点式工作流和资源效率高的特点成为许多开发者和研究者的选择。与 WebUI 不同ComfyUI 将图像生成过程拆分为可视化的节点连接便于理解底层逻辑和自定义流程尤其适合需要精细控制生成过程或集成到现有项目的场景。本文将基于秋叶的整合包详细介绍在 Windows 和 macOS 系统上从零部署 ComfyUI、配置中文界面与提示词、加载工作流并解决常见安装与运行问题。1. 理解 ComfyUI 的核心机制与适用场景ComfyUI 是一个基于节点图Node Graph的 Stable Diffusion 交互界面它不提供传统的一键生成按钮而是要求用户通过连接不同的功能节点如加载模型、输入提示词、设置采样参数、输出图像来构建完整的生成流程。这种设计虽然初期学习成本较高但能清晰展示 AI 图像生成的每个环节便于调试、优化和扩展。1.1 为什么选择 ComfyUI 而不是其他 WebUI对于需要深入控制生成过程的用户ComfyUI 有几个明显优势资源占用低ComfyUI 通常比同类工具内存占用更少尤其在长时间运行或批量生成时更稳定。流程可视化每个生成步骤对应一个节点用户可以直观看到数据流向方便排查问题例如提示词未生效、模型加载失败。易于扩展和集成节点化设计便于添加自定义节点或与其他系统如自动化脚本、API 服务对接。工作流可复用成功配置的工作流可以保存为 JSON 文件其他人直接加载即可复现相同效果适合团队协作或分享。1.2 秋叶整合包解决了哪些环境部署难题原生 ComfyUI 需要用户手动安装 Python、Git、PyTorch 等依赖并处理版本兼容问题。秋叶整合包预先配置了兼容的 Python 环境、常用模型和汉化插件解压后只需简单配置即可运行特别适合不想折腾环境或快速上手的用户。整合包通常包含便携版 Python 运行时避免与系统现有环境冲突。预置基础模型如 Stable Diffusion 1.5 或 XL 版本和常用插件。中文界面补丁降低英语不熟练用户的使用门槛。示例工作流帮助理解节点连接逻辑。2. 准备工作系统要求与资源获取在开始安装前需确认系统满足基本要求并下载必要的资源文件。2.1 硬件与软件环境检查ComfyUI 对硬件的要求主要取决于使用的模型尺寸和图像分辨率。以下为最低和建议配置组件最低要求建议配置操作系统Windows 10 / macOS 12Windows 11 / macOS 14处理器支持 AVX 指令集的 x64 CPU多核 CPUIntel i5/Ryzen 5 以上内存8 GB16 GB 或更多显卡集成显卡仅 CPU 模式NVIDIA GPU6 GB 显存以上存储10 GB 可用空间50 GB 以上用于存放模型对于显卡NVIDIA 显卡支持 CUDA能显著加速生成过程AMD 显卡可通过 ROCm 或 DirectML 支持但配置更复杂Intel 显卡和纯 CPU 模式速度较慢仅适合轻量测试。2.2 下载整合包与模型文件秋叶整合包通常通过网盘发布如百度网盘或夸克网盘下载后解压即可。如果整合包未包含模型需额外下载基础模型从官方渠道如 Hugging Face下载 Stable Diffusion 模型文件格式为.safetensors或.ckpt。将模型文件放入整合包内的models/checkpoints文件夹。例如整合包目录结构通常如下ComfyUI_windows/ ├── ComfyUI/ # 主程序目录 ├── python_embeded/ # 内置 Python 环境 ├── models/ # 模型存放目录 │ ├── checkpoints/ # 放置大模型.safetensors 等 │ ├── lora/ # LoRA 模型 │ └── vae/ # VAE 模型 ├── presets/ # 预设配置 └── run.bat # Windows 启动脚本注意下载模型时务必确认文件来源可靠避免恶意软件。模型文件较大通常 2-7 GB确保网络稳定。3. Windows 系统安装与配置步骤Windows 是 ComfyUI 最常用的运行平台秋叶整合包提供了批处理脚本简化启动过程。3.1 解压与目录准备下载整合包后将其解压到不含中文或特殊字符的路径如D:\AI_Tools\ComfyUI。路径过长或包含空格可能导致某些插件加载失败。解压后检查关键目录确认models/checkpoints文件夹存在如果整合包未带模型需手动创建并放入模型文件。查看run.bat是否在根目录该脚本用于配置环境变量并启动 ComfyUI。3.2 启动与初始设置双击run.bat脚本会自动启动命令行窗口并加载 ComfyUI。首次运行时会初始化一些依赖库可能需要几分钟。完成后命令行会显示本地访问地址通常是http://127.0.0.1:8188。在浏览器中打开该地址如果看到节点编辑器界面说明安装成功。初始界面为英文需下一步配置中文。3.3 安装中文界面与提示词插件秋叶整合包通常预置了汉化插件如果未生效手动安装如下在 ComfyUI 界面点击右上角设置图标齿轮状选择 Install Custom Nodes。搜索 ComfyUI-Manager 并安装该插件用于管理其他扩展。安装完成后重启 ComfyUI在 Manager 中搜索 Chinese 或 中文安装汉化插件如 ComfyUI-CN。再次重启在设置中将语言切换为中文。提示词中文支持需安装额外节点如 AIGODLIKE-COMFYUI-TRANSLATE可将中文提示词自动翻译为英文因为底层模型通常只识别英文。安装后在提示词节点旁会出现翻译节点连接即可。4. macOS 系统安装与配置要点macOS 下的安装流程与 Windows 类似但需注意权限和路径差异。4.1 解压与权限处理将整合包解压到应用程序文件夹或用户目录如/Users/YourName/ComfyUI_macos。macOS 可能阻止运行未签名的脚本需手动授权打开终端Terminal进入解压目录cd /Users/YourName/ComfyUI_macos给启动脚本添加执行权限chmod x run.sh如果系统提示“无法打开开发者身份不明的应用”需进入系统设置 隐私与安全性点击“仍要打开”。4.2 启动与模型放置执行启动脚本./run.sh首次运行同样会初始化环境。启动后通过http://127.0.0.1:8188访问。模型文件需放入models/checkpoints如果整合包未包含需手动下载并放置。注意macOS 下如果使用 Apple Silicon 芯片M1/M2ComfyUI 会自动调用 GPU 加速。Intel 芯片的 Mac 可能仅能使用 CPU生成速度较慢。5. 加载工作流与生成第一张图片安装完成后最关键的是理解如何构建和加载工作流。5.1 理解基础节点流程一个最简单的文本生成图像工作流包含以下节点Load Checkpoint加载基础模型。CLIP Text Encode (Prompt)输入正面提示词。CLIP Text Encode (Negative Prompt)输入负面提示词。KSampler配置采样器、步数、种子等参数。VAE Decode将隐变量解码为图像。Save Image保存结果。节点之间通过连线定义数据流例如将提示词节点连接到 KSampler将 KSampler 输出连接到 VAE Decode。5.2 加载示例工作流秋叶整合包通常自带示例工作流.json文件快速上手在 ComfyUI 界面右键点击空白处选择 Load → Load Workflow。选择整合包中提供的示例工作流文件如presets/default_workflow.json。界面会自动生成所有节点和连接。检查模型路径是否正确如果示例中的模型名与你放置的模型不一致需双击 Load Checkpoint 节点重新选择。点击 Queue Prompt 开始生成。如果一切正常几分钟后可在输出目录通常是ComfyUI/output找到生成的图片。5.3 自定义提示词与参数在示例工作流基础上修改双击 CLIP Text Encode 节点中的文本框输入自己的提示词英文或通过翻译节点输入中文。调整 KSampler 节点的步数20-30 之间质量较平衡、采样器Euler a 适合快速测试DPM 2M 适合高质量输出、种子固定种子可复现结果。如需调整图像尺寸修改 Empty Latent Image 节点的宽度和高度注意显存限制通常不超过 1024x1024。6. 常见问题排查与解决方法即使使用整合包也可能遇到启动失败、模型未加载、生成报错等问题。6.1 启动阶段问题现象双击 run.bat 或 run.sh 后窗口闪退可能原因Python 环境损坏、路径含中文、端口被占用。解决步骤检查解压路径是否包含中文或特殊字符移动到纯英文路径。打开命令行手动运行脚本查看具体报错在终端中进入 ComfyUI 目录输入.\run.bat或./run.sh。如果提示端口被占用可修改ComfyUI/extra_model_paths.yaml中的端口号如改为 8189。现象启动后浏览器访问页面空白或报错可能原因浏览器缓存、插件冲突。解决步骤清除浏览器缓存或尝试无痕模式。暂时禁用浏览器插件尤其是广告拦截器。查看 ComfyUI 命令行窗口是否有红色错误信息。6.2 模型加载与生成问题现象生成时报错 Model load failed可能原因模型文件损坏、路径错误、模型类型不匹配。解决步骤确认模型文件已放入models/checkpoints且文件名无误。检查模型格式支持.safetensors、.ckpt但不支持.pt。在 Load Checkpoint 节点中点击刷新按钮重新选择模型。现象生成图像模糊或扭曲可能原因步数过低、提示词冲突、模型未适配。解决步骤增加 KSampler 的步数至 25 以上。简化提示词避免相互矛盾的描述。尝试不同的采样器如 DPM 2M Karras。现象显存不足Out of Memory可能原因图像尺寸过大、模型分辨率要求高。解决步骤减小 Empty Latent Image 节点的尺寸如从 1024x1024 降至 512x512。使用显存优化技术在设置中启用 Low VRAM 模式。换用更轻量的模型如 SD 1.5 而非 SD XL。6.3 中文支持相关问题现象中文提示词生成结果与预期不符可能原因底层模型仅训练于英文数据直接输入中文效果差。解决步骤安装翻译节点如 AIGODLIKE-COMFYUI-TRANSLATE将中文提示词译为英文再输入。使用双语提示词中英文混合。现象界面汉化不完整或错乱可能原因汉化插件未正确加载或版本不匹配。解决步骤通过 ComfyUI-Manager 更新汉化插件。重启 ComfyUI 并重新选择语言。7. 生产环境建议与扩展方向在本地测试成功后如果计划长期使用或部署到服务器需考虑稳定性、安全性和效率。7.1 稳定性与维护建议定期备份工作流将常用工作流导出为 JSON 文件并存放在云盘或版本控制系统中。模型管理不同项目使用不同模型通过extra_model_paths.yaml配置多个模型目录避免混用。日志监控ComfyUI 运行日志默认输出到命令行窗口生产环境可重定向到文件便于排查问题./run.sh comfyui.log 217.2 性能优化配置显卡设置在 NVIDIA 控制面板中将 ComfyUI 的 Python 进程设置为高性能 GPU。线程调优在ComfyUI/script_examples中查找性能优化脚本如调整 CPU 线程数。批量生成通过 API 调用或自定义节点实现批量处理避免手动重复操作。7.3 扩展自定义功能ComfyUI 支持通过自定义节点扩展功能常见扩展方向外部服务集成添加节点调用外部 API如人脸修复、风格迁移。条件控制根据图像内容动态调整提示词或参数。自动化脚本编写 Python 脚本自动生成工作流或处理结果。学习自定义节点开发需具备 Python 基础参考官方文档和现有节点源码。ComfyUI 的节点化设计使其成为理解和控制 AI 图像生成的强大工具。初期熟悉节点连接可能需要时间但一旦掌握便可灵活构建复杂工作流适应各种生成需求。整合包大幅降低了部署门槛但深入使用仍需理解底层原理特别是模型特性、参数影响和问题排查方法。
ComfyUI本地部署指南：从零搭建AI绘画节点工作流
在本地部署 AI 绘画工具时ComfyUI 因其节点式工作流和资源效率高的特点成为许多开发者和研究者的选择。与 WebUI 不同ComfyUI 将图像生成过程拆分为可视化的节点连接便于理解底层逻辑和自定义流程尤其适合需要精细控制生成过程或集成到现有项目的场景。本文将基于秋叶的整合包详细介绍在 Windows 和 macOS 系统上从零部署 ComfyUI、配置中文界面与提示词、加载工作流并解决常见安装与运行问题。1. 理解 ComfyUI 的核心机制与适用场景ComfyUI 是一个基于节点图Node Graph的 Stable Diffusion 交互界面它不提供传统的一键生成按钮而是要求用户通过连接不同的功能节点如加载模型、输入提示词、设置采样参数、输出图像来构建完整的生成流程。这种设计虽然初期学习成本较高但能清晰展示 AI 图像生成的每个环节便于调试、优化和扩展。1.1 为什么选择 ComfyUI 而不是其他 WebUI对于需要深入控制生成过程的用户ComfyUI 有几个明显优势资源占用低ComfyUI 通常比同类工具内存占用更少尤其在长时间运行或批量生成时更稳定。流程可视化每个生成步骤对应一个节点用户可以直观看到数据流向方便排查问题例如提示词未生效、模型加载失败。易于扩展和集成节点化设计便于添加自定义节点或与其他系统如自动化脚本、API 服务对接。工作流可复用成功配置的工作流可以保存为 JSON 文件其他人直接加载即可复现相同效果适合团队协作或分享。1.2 秋叶整合包解决了哪些环境部署难题原生 ComfyUI 需要用户手动安装 Python、Git、PyTorch 等依赖并处理版本兼容问题。秋叶整合包预先配置了兼容的 Python 环境、常用模型和汉化插件解压后只需简单配置即可运行特别适合不想折腾环境或快速上手的用户。整合包通常包含便携版 Python 运行时避免与系统现有环境冲突。预置基础模型如 Stable Diffusion 1.5 或 XL 版本和常用插件。中文界面补丁降低英语不熟练用户的使用门槛。示例工作流帮助理解节点连接逻辑。2. 准备工作系统要求与资源获取在开始安装前需确认系统满足基本要求并下载必要的资源文件。2.1 硬件与软件环境检查ComfyUI 对硬件的要求主要取决于使用的模型尺寸和图像分辨率。以下为最低和建议配置组件最低要求建议配置操作系统Windows 10 / macOS 12Windows 11 / macOS 14处理器支持 AVX 指令集的 x64 CPU多核 CPUIntel i5/Ryzen 5 以上内存8 GB16 GB 或更多显卡集成显卡仅 CPU 模式NVIDIA GPU6 GB 显存以上存储10 GB 可用空间50 GB 以上用于存放模型对于显卡NVIDIA 显卡支持 CUDA能显著加速生成过程AMD 显卡可通过 ROCm 或 DirectML 支持但配置更复杂Intel 显卡和纯 CPU 模式速度较慢仅适合轻量测试。2.2 下载整合包与模型文件秋叶整合包通常通过网盘发布如百度网盘或夸克网盘下载后解压即可。如果整合包未包含模型需额外下载基础模型从官方渠道如 Hugging Face下载 Stable Diffusion 模型文件格式为.safetensors或.ckpt。将模型文件放入整合包内的models/checkpoints文件夹。例如整合包目录结构通常如下ComfyUI_windows/ ├── ComfyUI/ # 主程序目录 ├── python_embeded/ # 内置 Python 环境 ├── models/ # 模型存放目录 │ ├── checkpoints/ # 放置大模型.safetensors 等 │ ├── lora/ # LoRA 模型 │ └── vae/ # VAE 模型 ├── presets/ # 预设配置 └── run.bat # Windows 启动脚本注意下载模型时务必确认文件来源可靠避免恶意软件。模型文件较大通常 2-7 GB确保网络稳定。3. Windows 系统安装与配置步骤Windows 是 ComfyUI 最常用的运行平台秋叶整合包提供了批处理脚本简化启动过程。3.1 解压与目录准备下载整合包后将其解压到不含中文或特殊字符的路径如D:\AI_Tools\ComfyUI。路径过长或包含空格可能导致某些插件加载失败。解压后检查关键目录确认models/checkpoints文件夹存在如果整合包未带模型需手动创建并放入模型文件。查看run.bat是否在根目录该脚本用于配置环境变量并启动 ComfyUI。3.2 启动与初始设置双击run.bat脚本会自动启动命令行窗口并加载 ComfyUI。首次运行时会初始化一些依赖库可能需要几分钟。完成后命令行会显示本地访问地址通常是http://127.0.0.1:8188。在浏览器中打开该地址如果看到节点编辑器界面说明安装成功。初始界面为英文需下一步配置中文。3.3 安装中文界面与提示词插件秋叶整合包通常预置了汉化插件如果未生效手动安装如下在 ComfyUI 界面点击右上角设置图标齿轮状选择 Install Custom Nodes。搜索 ComfyUI-Manager 并安装该插件用于管理其他扩展。安装完成后重启 ComfyUI在 Manager 中搜索 Chinese 或 中文安装汉化插件如 ComfyUI-CN。再次重启在设置中将语言切换为中文。提示词中文支持需安装额外节点如 AIGODLIKE-COMFYUI-TRANSLATE可将中文提示词自动翻译为英文因为底层模型通常只识别英文。安装后在提示词节点旁会出现翻译节点连接即可。4. macOS 系统安装与配置要点macOS 下的安装流程与 Windows 类似但需注意权限和路径差异。4.1 解压与权限处理将整合包解压到应用程序文件夹或用户目录如/Users/YourName/ComfyUI_macos。macOS 可能阻止运行未签名的脚本需手动授权打开终端Terminal进入解压目录cd /Users/YourName/ComfyUI_macos给启动脚本添加执行权限chmod x run.sh如果系统提示“无法打开开发者身份不明的应用”需进入系统设置 隐私与安全性点击“仍要打开”。4.2 启动与模型放置执行启动脚本./run.sh首次运行同样会初始化环境。启动后通过http://127.0.0.1:8188访问。模型文件需放入models/checkpoints如果整合包未包含需手动下载并放置。注意macOS 下如果使用 Apple Silicon 芯片M1/M2ComfyUI 会自动调用 GPU 加速。Intel 芯片的 Mac 可能仅能使用 CPU生成速度较慢。5. 加载工作流与生成第一张图片安装完成后最关键的是理解如何构建和加载工作流。5.1 理解基础节点流程一个最简单的文本生成图像工作流包含以下节点Load Checkpoint加载基础模型。CLIP Text Encode (Prompt)输入正面提示词。CLIP Text Encode (Negative Prompt)输入负面提示词。KSampler配置采样器、步数、种子等参数。VAE Decode将隐变量解码为图像。Save Image保存结果。节点之间通过连线定义数据流例如将提示词节点连接到 KSampler将 KSampler 输出连接到 VAE Decode。5.2 加载示例工作流秋叶整合包通常自带示例工作流.json文件快速上手在 ComfyUI 界面右键点击空白处选择 Load → Load Workflow。选择整合包中提供的示例工作流文件如presets/default_workflow.json。界面会自动生成所有节点和连接。检查模型路径是否正确如果示例中的模型名与你放置的模型不一致需双击 Load Checkpoint 节点重新选择。点击 Queue Prompt 开始生成。如果一切正常几分钟后可在输出目录通常是ComfyUI/output找到生成的图片。5.3 自定义提示词与参数在示例工作流基础上修改双击 CLIP Text Encode 节点中的文本框输入自己的提示词英文或通过翻译节点输入中文。调整 KSampler 节点的步数20-30 之间质量较平衡、采样器Euler a 适合快速测试DPM 2M 适合高质量输出、种子固定种子可复现结果。如需调整图像尺寸修改 Empty Latent Image 节点的宽度和高度注意显存限制通常不超过 1024x1024。6. 常见问题排查与解决方法即使使用整合包也可能遇到启动失败、模型未加载、生成报错等问题。6.1 启动阶段问题现象双击 run.bat 或 run.sh 后窗口闪退可能原因Python 环境损坏、路径含中文、端口被占用。解决步骤检查解压路径是否包含中文或特殊字符移动到纯英文路径。打开命令行手动运行脚本查看具体报错在终端中进入 ComfyUI 目录输入.\run.bat或./run.sh。如果提示端口被占用可修改ComfyUI/extra_model_paths.yaml中的端口号如改为 8189。现象启动后浏览器访问页面空白或报错可能原因浏览器缓存、插件冲突。解决步骤清除浏览器缓存或尝试无痕模式。暂时禁用浏览器插件尤其是广告拦截器。查看 ComfyUI 命令行窗口是否有红色错误信息。6.2 模型加载与生成问题现象生成时报错 Model load failed可能原因模型文件损坏、路径错误、模型类型不匹配。解决步骤确认模型文件已放入models/checkpoints且文件名无误。检查模型格式支持.safetensors、.ckpt但不支持.pt。在 Load Checkpoint 节点中点击刷新按钮重新选择模型。现象生成图像模糊或扭曲可能原因步数过低、提示词冲突、模型未适配。解决步骤增加 KSampler 的步数至 25 以上。简化提示词避免相互矛盾的描述。尝试不同的采样器如 DPM 2M Karras。现象显存不足Out of Memory可能原因图像尺寸过大、模型分辨率要求高。解决步骤减小 Empty Latent Image 节点的尺寸如从 1024x1024 降至 512x512。使用显存优化技术在设置中启用 Low VRAM 模式。换用更轻量的模型如 SD 1.5 而非 SD XL。6.3 中文支持相关问题现象中文提示词生成结果与预期不符可能原因底层模型仅训练于英文数据直接输入中文效果差。解决步骤安装翻译节点如 AIGODLIKE-COMFYUI-TRANSLATE将中文提示词译为英文再输入。使用双语提示词中英文混合。现象界面汉化不完整或错乱可能原因汉化插件未正确加载或版本不匹配。解决步骤通过 ComfyUI-Manager 更新汉化插件。重启 ComfyUI 并重新选择语言。7. 生产环境建议与扩展方向在本地测试成功后如果计划长期使用或部署到服务器需考虑稳定性、安全性和效率。7.1 稳定性与维护建议定期备份工作流将常用工作流导出为 JSON 文件并存放在云盘或版本控制系统中。模型管理不同项目使用不同模型通过extra_model_paths.yaml配置多个模型目录避免混用。日志监控ComfyUI 运行日志默认输出到命令行窗口生产环境可重定向到文件便于排查问题./run.sh comfyui.log 217.2 性能优化配置显卡设置在 NVIDIA 控制面板中将 ComfyUI 的 Python 进程设置为高性能 GPU。线程调优在ComfyUI/script_examples中查找性能优化脚本如调整 CPU 线程数。批量生成通过 API 调用或自定义节点实现批量处理避免手动重复操作。7.3 扩展自定义功能ComfyUI 支持通过自定义节点扩展功能常见扩展方向外部服务集成添加节点调用外部 API如人脸修复、风格迁移。条件控制根据图像内容动态调整提示词或参数。自动化脚本编写 Python 脚本自动生成工作流或处理结果。学习自定义节点开发需具备 Python 基础参考官方文档和现有节点源码。ComfyUI 的节点化设计使其成为理解和控制 AI 图像生成的强大工具。初期熟悉节点连接可能需要时间但一旦掌握便可灵活构建复杂工作流适应各种生成需求。整合包大幅降低了部署门槛但深入使用仍需理解底层原理特别是模型特性、参数影响和问题排查方法。