ComfyUI完全指南：从安装到生成第一张图
ComfyUI是一款基于节点式工作流的Stable Diffusion用户界面，因其高度可定制性和内存优化而广受欢迎。本文将从环境准备、安装配置、界面认识到搭建第一个工作流，手把手教你完成从零到生成第一张AI图像的全过程，解决初学者最常见的困惑，助你快速入门。
文章正文
ComfyUI是一款基于节点式工作流的Stable Diffusion用户界面，因其高度可定制性和内存优化而广受欢迎。本文将从环境准备、安装配置、界面认识到搭建第一个工作流，手把手教你完成从零到生成第一张AI图像的全过程，解决初学者最常见的困惑，助你快速入门。
核心问题
零基础如何快速安装ComfyUI并生成第一张AI图像？
为什么选择 ComfyUI？
Stable Diffusion 已经催生了多款用户界面，从最易用的 WebUI 到专业级的 ComfyUI。ComfyUI 的核心特点是节点式工作流——你可以像搭建电路一样，拖拽模块、连线，自由组合图像生成流程。这种设计带来了三大优势：
- 高度可定制：每个步骤都可独立控制，轻松实现复杂任务。
- 内存优化：仅加载必要的模型，对低显存显卡更友好。
- 可复现性：工作流可保存为 JSON 文件，方便分享与版本管理。
但对于新手，节点式界面可能显得陌生。本文将用最直观的方式带你完成安装、理解基础概念，并成功生成第一张图。
安装 ComfyUI
环境准备
无论你使用 Windows、macOS 还是 Linux，建议具备：
- 一张显存至少 4 GB 的 NVIDIA 显卡（AMD/Intel Arc 也能用，但可能有额外配置）
- Python 3.10 或更高版本
- Git（用于克隆仓库）
推荐使用 Miniconda 或 venv 管理 Python 环境，避免依赖冲突。
两种安装方式
方式一：官方整合包（推荐初学者）
ComfyUI 官方提供了 Windows 便携版，内置了 Python 和必要依赖，解压即用。
1. 访问 ComfyUI releases 页面。
2. 下载最新的 ComfyUI_windows_portable_nvidia.7z 文件。
3. 使用 7-Zip 解压到英文路径，不要有空格或中文。
4. 进入解压后的文件夹，双击 run_nvidia_gpu.bat 启动。
首次运行会自动配置依赖，稍等片刻后浏览器会自动打开 http://127.0.0.1:8188，看到节点式界面即安装成功。
方式二：手动安装（通用方法，适合自定义）
如果你需要深度定制或使用非 Windows 系统，按以下步骤操作：
# 克隆仓库
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
# 创建虚拟环境（可选但推荐）
python -m venv venv
source venv/bin/activate # Windows： venv\Scripts\activate
# 安装 PyTorch（根据你的 CUDA 版本，访问 pytorch.org 获取命令）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
# 安装其他依赖
pip install -r requirements.txt
启动服务：
python main.py
首次启动确认
打开浏览器进入 127.0.0.1:8188，你会看到一个空白画布，左侧是节点菜单，中间是工作区，这就是 ComfyUI 的主界面。
下载必备模型
工作流运行需要至少一个 Stable Diffusion 检查点文件（Checkpoint）。你可以在以下平台下载：
- Civitai
- Hugging Face
推荐一个轻量且高质量的模型：DreamShaper 或 Anything V5（动漫风格）。将下载的 .safetensors 或 .ckpt 文件放入 ComfyUI/models/checkpoints/ 目录。
提示：如果使用整合包，模型文件夹就在解压目录下的
ComfyUI/models/checkpoints。
认识 ComfyUI 界面
启动后你会看到一个空白工作区。主要区域：
- 节点图：中央画布，所有节点在这里连接。
- 节点菜单：在空白处右键唤出，可以搜索节点。
- 控制栏：右侧有生成队列、设置、模型管理器等按钮。
每个节点有输入/输出端口（左侧小圆点），拖拽连线连接数据流。
搭建第一个工作流：文生图
我们要完成最简单的文本到图像（txt2img）流程，需要以下节点：
1. 加载检查点
2. CLIP 文本编码（正面提示词）
3. CLIP 文本编码（负面提示词）
4. K 采样器
5. VAE 解码
6. 保存图像
步骤详解
1. 添加加载检查点节点
- 右键空白处 →
Load Checkpoint，点击Load Checkpoint节点添加。 - 在节点中点击
ckpt_name下拉框，选择你下载的模型文件名。
2. 添加 CLIP 文本编码节点（两个）
- 右键 →
CLIP Text Encode，添加两个此类节点。 - 将左边
CLIP Text Encode作为正面提示词，在文本框输入你想要的内容，如a cute cat wearing a wizard hat, fantasy art, highly detailed。 - 将右边作为负面提示词，输入
blurry, low quality, bad anatomy。
3. 连接节点
- 从
Load Checkpoint的CLIP输出端口拖线到正面提示词节点的clip输入端口，再拖一条线到负面提示词节点的clip输入端口。 - 从
Load Checkpoint的MODEL输出拖线到 KSampler 的model输入。 - 从正面提示词节点的
CONDITIONING输出拖线到 KSampler 的positive输入。 - 从负面提示词节点的
CONDITIONING输出拖线到 KSampler 的negative输入。
4. 设置 K 采样器
- 右键 →
KSampler，添加 KSampler 节点。 - 参数说明（可先保持默认）：
seed：随机种子，-1 表示随机。steps：采样步数，20～30 即可。cfg：提示词引导强度，7 左右。sampler_name：采样器，euler适合新手。scheduler：调度器，normal。denoise：去噪强度，文生图保持 1.0。
5. 添加 VAE 解码
- 右键 →
VAE Decode，连接： Load Checkpoint的VAE输出 → VAE 解码节点的vae输入。KSampler的LATENT输出 → VAE 解码节点的samples输入。
6. 添加保存图像节点
- 右键 →
Save Image，将VAE Decode的IMAGE输出连接到Save Image的images输入。
现在节点连接完成，如图：
生成第一张图
点击右侧控制栏的 “Queue Prompt” 按钮，工作流开始执行。你可以在终端或浏览器的控制台看到进度条，并在 output 文件夹（或界面内嵌的预览区）找到生成图像。
恭喜！你已成功使用 ComfyUI 生成第一张 AI 图像。
常见问题与排错
提示 “CUDA out of memory”
- 降低
steps，或使用更低分辨率的模型。 - 前往
main.py同级目录下找到extra_model_paths.yaml.example，复制为extra_model_paths.yaml，并启用--lowvram模式（启动命令加--lowvram）。
工作流报错 “No module named ‘xxx’”
- 可能缺少自定义节点依赖，如果用到了第三方节点，需在
custom_nodes目录下手动安装。
生成的图像全黑或异常
- 检查 VAE 解码节点是否正确连接。某些模型需要单独的 VAE，可下载对应 VAE 文件放入
models/vae文件夹，并在Load Checkpoint节点选择 VAE。
进阶提示
一旦基础流程跑通，你还可以尝试：
- 使用 Image to Image 工作流，添加 Load Image 节点。
- 安装 ComfyUI Manager 插件，方便管理自定义节点。
- 探索社区共享的工作流 JSON 文件，导入学习别人的管线。
ComfyUI 的强大在于无限的可能性，希望这篇指南能成为你探索的起点。