ComfyUI 2026 完全入门：本地部署 + 第一个 AI 绘画工作流

为什么选 ComfyUI？

2026 年 AI 绘画工具有很多选择：Midjourney、DALL-E 3、Stable Diffusion WebUI（A1111）、ComfyUI...

ComfyUI 的独特之处在于节点式工作流：

对比	Midjourney	A1111 WebUI	ComfyUI
上手难度	简单（打字就行）	中等	中等偏高
灵活性	低	中	极高
显存优化	云端不用管	一般	优秀（自动显存管理）
可复现性	差	一般	极好（工作流即配置）
社区生态	封闭	成熟	快速增长
适合谁	想要好看的	传统 UI 爱好者	想精确控制每一步的人

ComfyUI 的核心优势：

显存友好：同样的显卡，ComfyUI 能跑更大的模型
工作流可分享：一个 JSON 文件就能完整分享你的生成流程
模块化：每个处理步骤都是独立节点，可以自由组合
更新快：新模型、新技术通常最先在 ComfyUI 上支持

前置准备

硬件要求

配置	最低要求	推荐配置
GPU	NVIDIA 4GB 显存	NVIDIA 8GB+ 显存
内存	8GB	16GB+
硬盘	10GB 可用空间	SSD 50GB+（模型文件很大）
系统	Windows 10/11, Linux, macOS	Windows 11 / Ubuntu 22.04

💡 AMD 显卡用户：ComfyUI 支持 AMD GPU（通过 DirectML 或 ROCm），但性能比 NVIDIA 低 30-50%，部分功能可能不兼容。

💡 Mac 用户：M1/M2/M3 芯片可以运行，但速度较慢。8GB 内存的 Mac 建议只用 SD 1.5 模型。

需要下载的东西

软件	用途	下载地址
Python 3.10+	运行环境	python.org
Git	代码管理	git-scm.com
ComfyUI	主程序	github.com/comfyanonymous/ComfyUI

第一步：安装 ComfyUI

方法 A：手动安装（推荐，灵活可控）

# 1. 克隆仓库
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# 2. 创建虚拟环境
python -m venv venv

# 3. 激活虚拟环境
# Windows:
venv\Scripts\activate
# Linux/macOS:
source venv/bin/activate

# 4. 安装 PyTorch（NVIDIA GPU）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

# 5. 安装 ComfyUI 依赖
pip install -r requirements.txt

# 6. 启动
python main.py

方法 B：Windows 整合包（最简单）

如果你不想折腾命令行：

下载 ComfyUI_windows_portable（官方 Windows 便携版）
解压到任意目录（路径不要有中文）
双击 run_nvidia_gpu.bat 启动
浏览器自动打开 http://127.0.0.1:8188

方法 C：Docker 部署

docker run -d \
  --name comfyui \
  --gpus all \
  -p 8188:8188 \
  -v comfyui-models:/app/ComfyUI/models \
  -v comfyui-output:/app/ComfyUI/output \
  ghcr.io/comfyanonymous/comfyui:latest

第二步：下载第一个模型

ComfyUI 本身不包含 AI 模型，需要单独下载。

模型放在哪里

ComfyUI/models/
├── checkpoints/    # 主模型（大文件，2-7GB）
├── vae/            # VAE 模型
├── loras/          # LoRA 微调模型
├── controlnet/     # ControlNet 模型
├── upscale_models/ # 放大模型
└── clip/           # CLIP 文本编码器

模型	类型	大小	适合	下载地址
SD 1.5	Checkpoint	4GB	入门首选，显存要求低	huggingface.co/runwayml/stable-diffusion-v1-5
SDXL 1.0	Checkpoint	7GB	更高质量，需要 8GB+ 显存	huggingface.co/stabilityai/stable-diffusion-xl-base-1.0
DreamShaper	Checkpoint	2GB	社区微调模型，风格多样	civitai.com 搜索 DreamShaper
RealVisXL	Checkpoint	7GB	写实风格，质量极高	civitai.com 搜索 RealVisXL

下载方法

方法 1：直接下载 safetensors 文件

从 Civitai 或 Hugging Face 下载 .safetensors 文件，放到 models/checkpoints/ 目录。

方法 2：使用 huggingface-cli（批量下载更方便）

pip install huggingface-hub

# 下载 SD 1.5
huggingface-cli download runwayml/stable-diffusion-v1-5 \
  v1-5-pruned-emaonly.safetensors \
  --local-dir ./models/checkpoints/

⚠️ 注意：模型文件很大（2-7GB），确保网络稳定。国内用户建议使用下载工具或镜像站。

第三步：认识 ComfyUI 界面

启动后浏览器打开 http://127.0.0.1:8188，你会看到节点编辑器界面。

界面区域

┌─────────────────────────────────────────────┐
│  顶部工具栏：[Load] [Save] [Queue Prompt]   │
├─────────────────────────────────────────────┤
│                                             │
│              节点画布区域                     │
│         （拖拽、连线、缩放）                  │
│                                             │
├─────────────────────────────────────────────┤
│  右侧面板：模型选择 / 参数调节               │
└─────────────────────────────────────────────┘

默认工作流（首次打开自带）

ComfyUI 首次打开会加载一个基础工作流，包含以下节点：

[Load Checkpoint] → [CLIP Text Encode (正向)] → [KSampler] → [VAE Decode] → [Save Image]
                                        ↑          ↑
[CLIP Text Encode (反向)] ──────────────┘          │
                                                   ↑
[Empty Latent Image] ─────────────────────────────┘

每个节点的作用：

节点	功能	关键参数
Load Checkpoint	加载主模型	选择模型
CLIP Text Encode (Positive)	正向提示词	你想画什么
CLIP Text Encode (Negative)	反向提示词	你不想画什么
KSampler	采样器（核心生成）	steps, cfg, sampler, scheduler
Empty Latent Image	设置图片尺寸	width, height, batch
VAE Decode	解码潜空间 → 图片	—
Save Image	保存图片到磁盘	文件名前缀

第四步：生成你的第一张图

4.1 设置参数

在默认工作流中：

Load Checkpoint 节点：选择你下载的模型（如 v1-5-pruned-emaonly）
正向提示词：输入 a beautiful sunset over the ocean, masterpiece, best quality
反向提示词：输入 low quality, blurry, deformed, ugly
KSampler 参数：
- seed：随机（或固定一个值复现结果）
- steps：20（越高越精细，但更慢）
- cfg：7.0（提示词遵循程度，5-12 之间）
- sampler_name：euler_a（新手友好）
- scheduler：normal
- denoise：1.0
Empty Latent Image：width 512, height 512（SD 1.5 最佳分辨率）

4.2 点击 Queue Prompt

点击顶部绿色的 Queue Prompt 按钮，开始生成。

生成完成后，图片自动保存到 ComfyUI/output/ 目录，同时在右侧面板显示预览。

4.3 调参技巧

参数	效果	建议范围
steps	低=快但粗糙，高=慢但精细	SD1.5: 20-30, SDXL: 25-40
cfg	低=自由发挥，高=严格遵循提示词	5-12，推荐 7
sampler	不同采样器出图风格不同	euler_a（通用）, dpm++2m（精细）, uni_pc（快速）
分辨率	超出模型训练分辨率会出问题	SD1.5: 512×512, SDXL: 1024×1024

第五步：安装自定义节点

ComfyUI 的强大之处在于社区开发的自定义节点。

5.1 安装 ComfyUI Manager（必装）

ComfyUI Manager 是节点管理工具，可以搜索、安装、更新自定义节点。

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

重启 ComfyUI 后，右侧菜单会出现 Manager 按钮。

5.2 推荐必装的自定义节点

节点包	功能	安装方式
ComfyUI-Manager	节点管理器	git clone
ComfyUI-Impact-Pack	人脸修复、细节增强	Manager 搜索安装
ComfyUI-ControlNet-Aux	ControlNet 预处理器	Manager 搜索安装
ComfyUI-VideoHelperSuite	视频相关节点	Manager 搜索安装
ComfyUI-KJNodes	实用工具节点合集	Manager 搜索安装
ComfyUI_UltimateSDUpscale	高清放大	Manager 搜索安装

5.3 在 Manager 中安装节点

点击右侧 Manager 按钮
点击 Install Custom Nodes
搜索节点名称
点击 Install
重启 ComfyUI

第六步：进阶工作流示例

6.1 高清放大工作流

直接生成高分辨率图片容易出现重复内容（如多个人头）。正确做法是：先生成小图 → 放大 → 重绘细节。

[Load Checkpoint] → [正向/反向提示词] → [KSampler 512×512] → [VAE Decode]
                                                              ↓
                                                    [Latent Upscale 2x]
                                                              ↓
                                                    [KSampler denoise=0.5] → [VAE Decode] → [Save Image]

关键：第二次 KSampler 的 denoise 设为 0.4-0.6（不是 1.0），这样在放大的同时添加细节但不会完全重画。

6.2 ControlNet 姿势控制

用 ControlNet 可以精确控制人物姿势、场景构图：

安装 ComfyUI-ControlNet-Aux
下载 ControlNet 模型放到 models/controlnet/
添加节点：

[Load Image（参考姿势图）] → [OpenPose 预处理器] → [Apply ControlNet] → [KSampler]

6.3 LoRA 风格微调

LoRA 是小模型（几十到几百 MB），可以叠加在主模型上改变风格：

下载 LoRA 文件放到 models/loras/
添加 Load LoRA 节点，插在 Checkpoint 和 CLIP Encode 之间
设置 LoRA 强度（通常 0.6-0.8，太高会过拟合）

[Load Checkpoint] → [MODEL 输出] → [Load LoRA] → [MODEL 给 KSampler]
                  → [CLIP 输出]  → [Load LoRA] → [CLIP 给 Text Encode]

常见问题排查

Q：启动报错 CUDA out of memory A：显存不够。解决方案：

换用更小的模型（SD 1.5 代替 SDXL）
降低分辨率
启动时加 --lowvram 或 --cpu 参数

Q：生成的图片全黑/全绿/噪点 A：通常是 VAE 问题。SD 1.5 和 SDXL 的 VAE 不通用。在 Load Checkpoint 节点确认选择了正确的模型，或者手动指定 VAE。

Q：提示词不起作用 / 出图和提示词无关 A：

检查 CFG 值，太低（<3）模型会忽略提示词
检查正向和反向提示词是否写反了
英文提示词效果更好（中文提示词支持取决于模型）

Q：怎么分享/导入工作流？ A：

导出：点击 Save 按钮，保存为 JSON 文件
导入：点击 Load 按钮，加载 JSON 文件
更简单：直接把生成的图片拖进 ComfyUI，图片中嵌入了完整工作流信息

Q：ComfyUI 和 A1111 WebUI 能共用模型吗？ A：可以。在 extra_model_paths.yaml 中指定 A1111 的模型目录路径即可，不用重复下载。

学习资源

资源	类型	推荐度
ComfyUI 官方 GitHub	文档	⭐⭐⭐
Civitai	模型下载 + 工作流分享	⭐⭐⭐
OpenArt AI	工作流库	⭐⭐⭐
ComfyUI 中文文档	中文文档	⭐⭐
B 站搜索「ComfyUI 教程」	视频教程	⭐⭐⭐

参考来源：

为什么选 ComfyUI？

前置准备

硬件要求

需要下载的东西

第一步：安装 ComfyUI

方法 A：手动安装（推荐，灵活可控）

方法 B：Windows 整合包（最简单）

方法 C：Docker 部署

第二步：下载第一个模型

模型放在哪里

推荐新手模型

下载方法

第三步：认识 ComfyUI 界面

界面区域

默认工作流（首次打开自带）

第四步：生成你的第一张图

4.1 设置参数

4.2 点击 Queue Prompt

4.3 调参技巧

第五步：安装自定义节点

5.1 安装 ComfyUI Manager（必装）

5.2 推荐必装的自定义节点

5.3 在 Manager 中安装节点

第六步：进阶工作流示例

6.1 高清放大工作流

6.2 ControlNet 姿势控制

6.3 LoRA 风格微调

常见问题排查

学习资源

相关内容

为什么选 ComfyUI？

前置准备

硬件要求

需要下载的东西

第一步：安装 ComfyUI

方法 A：手动安装（推荐，灵活可控）

方法 B：Windows 整合包（最简单）

方法 C：Docker 部署

第二步：下载第一个模型

模型放在哪里

推荐新手模型

下载方法

第三步：认识 ComfyUI 界面

界面区域

默认工作流（首次打开自带）

第四步：生成你的第一张图

4.1 设置参数

4.2 点击 Queue Prompt

4.3 调参技巧

第五步：安装自定义节点

5.1 安装 ComfyUI Manager（必装）

5.2 推荐必装的自定义节点

5.3 在 Manager 中安装节点

第六步：进阶工作流示例

6.1 高清放大工作流

6.2 ControlNet 姿势控制

6.3 LoRA 风格微调

常见问题排查

学习资源

相关内容