在实际的 AI 图像生成领域Stable Diffusion 的 WebUI 因其直观的界面而广受欢迎但对于追求更高自定义性、更稳定工作流和更强性能的开发者与高级用户而言ComfyUI 以其节点式、可编程的工作流设计脱颖而出。它允许用户像搭建电路图一样精确控制图像生成的每一个环节从提示词解析、模型加载到潜空间处理、采样和后期处理每一步都清晰可见且可复用。然而ComfyUI 的入门门槛也相对较高环境配置、依赖管理、插件安装等问题常常让新手望而却步。针对这一痛点社区中出现了整合包它将 ComfyUI 核心、常用插件、模型管理工具以及必要的 Python 环境打包在一起实现一键安装和开箱即用。本文将以一个广受关注的整合包为例详细介绍如何在 Windows 和 macOS 系统上从零开始完成 ComfyUI 的部署、启动和基础验证。无论你使用的是 NVIDIA 30系、40系显卡还是较老的 20系或 Mac 的 Apple Silicon 芯片本文都将提供清晰的路径。我们的目标不仅是让你成功运行 ComfyUI更要理解其背后的目录结构、关键配置以及遇到常见问题时的排查思路为后续深入使用和自定义工作流打下坚实基础。1. 理解 ComfyUI 与整合包为什么选择它以及里面有什么在开始安装之前我们需要明确两个核心概念ComfyUI 本身是什么以及整合包为我们解决了哪些问题。1.1 ComfyUI 的核心价值可视化编程与确定性工作流ComfyUI 不是一个带有预设按钮的图形界面而是一个基于节点的可视化编程环境。你可以将它想象成图像生成的“蓝图”编辑器。每个节点代表一个特定的功能模块如加载模型、编码提示词、执行采样节点之间的连线定义了数据如图像、潜变量、参数的流动路径。这种设计带来了几个关键优势完全透明与控制你能看到并控制生成流程的每一个步骤理解“黑盒”内部发生了什么。工作流可保存与分享整个节点图可以保存为一个 JSON 文件方便复用、分享和版本管理。资源高效利用由于其非实时渲染UI的设计ComfyUI 通常比一些 WebUI 更节省显存在生成复杂工作流或高分辨率图像时更稳定。强大的可扩展性通过安装自定义节点插件你可以无限扩展其功能例如连接外部 API、集成新的采样器或添加独特的后处理效果。1.2 整合包解决了什么环境配置的复杂性原生 ComfyUI 需要用户自行准备 Python 环境、安装 PyTorch需对应 CUDA 版本、克隆代码库、安装依赖项。对于不熟悉 Python 生态或系统管理的用户任何一步出错都可能导致启动失败。整合包将这些步骤全部打包便携式 Python 环境内置了兼容的 Python 解释器和 pip与系统环境隔离避免冲突。预配置的依赖项已经安装了 ComfyUI 运行所需的所有 PyTorch、TorchVision、xformers 等核心库且版本经过测试匹配。集成常用插件预装了如ComfyUI-Manager插件管理器、efficiency-nodes效率节点等提高易用性的工具。便捷的模型管理通常会配置好模型目录如models/checkpoints,models/loras并可能集成模型下载工具。一键启动脚本提供run_cpu.bat、run_nvidia_gpu.bat或run_mac.sh等脚本简化启动命令。选择整合包相当于选择了一条“快速通道”让你能跳过繁琐的环境搭建直接进入核心功能的学习和使用。1.3 整合包内容剖析安装前需要知道的目录结构一个典型的 ComfyUI 整合包解压后目录结构大致如下。了解它有助于后续的问题排查和自定义配置。ComfyUI_windows_portable/ # 或类似的根目录名称 ├── ComfyUI/ # ComfyUI 主程序目录 │ ├── custom_nodes/ # 自定义插件目录 │ ├── models/ # 模型存放目录需自行放置或下载 │ │ ├── checkpoints/ # 放置大模型 (.safetensors, .ckpt) │ │ ├── loras/ # 放置 LoRA 模型 │ │ ├── vae/ # 放置 VAE 模型 │ │ └── ... # 其他类型模型目录 │ ├── input/ # 默认输入图像目录 │ ├── output/ # 默认输出图像目录 │ ├── web/ # Web 界面资源文件 │ └── ... # 其他 ComfyUI 核心文件 ├── python_embeded/ # 内置的便携式 Python 环境 ├── install.ps1 # Windows 环境初始化脚本可能 ├── update.ps1 # Windows 更新脚本可能 ├── run_nvidia_gpu.bat # 启动脚本NVIDIA GPU ├── run_cpu.bat # 启动脚本CPU 模式 └── run_mac.sh # 启动脚本macOS注意整合包通常不包含任何模型文件大模型、LoRA、VAE等你需要自行下载并放入对应的models子目录中ComfyUI 启动后才能在节点中加载它们。2. 环境准备与安装Windows 与 macOS 分步指南本节将分别介绍在 Windows 和 macOS 系统上下载、安装并首次启动 ComfyUI 整合包的完整流程。请根据你的操作系统选择对应的章节。2.1 Windows 系统安装步骤对于 Windows 用户尤其是使用 NVIDIA 显卡的整合包提供了最便捷的路径。步骤一获取整合包从可靠的来源如社区论坛、GitHub Releases下载最新的 ComfyUI 整合包压缩文件。确保其版本号如 V9.5较新以包含最新的功能和安全更新。下载完成后将其解压到一个路径中不含中文或特殊字符的目录例如D:\AI_Tools\ComfyUI。使用中文路径可能导致 Python 库加载失败。步骤二放置基础模型ComfyUI 需要至少一个基础模型Checkpoint才能工作。前往模型分享网站下载一个你喜欢的.safetensors或.ckpt格式的模型文件。将其放入整合包目录下的ComfyUI\models\checkpoints文件夹中。这是启动后加载模型的默认位置。步骤三选择正确的启动脚本进入整合包根目录你会看到多个.bat脚本文件run_nvidia_gpu.bat: 这是为 NVIDIA 显卡用户准备的主启动脚本它会自动调用 GPU 进行加速。run_cpu.bat: 如果你的电脑没有 NVIDIA GPU 或遇到 GPU 驱动问题可以尝试此脚本但生成速度会非常慢。run_amd_gpu.bat或run_directml.bat: 部分整合包可能包含 AMD 显卡的支持脚本。对于绝大多数拥有 NVIDIA 显卡20系、30系、40系等的用户直接双击run_nvidia_gpu.bat。步骤四首次启动与等待首次运行脚本时它会完成最后的初始化工作如安装必要的 Python 包、创建虚拟环境等。命令行窗口会滚动大量日志。请耐心等待直到你看到类似以下的关键信息[2024-07-xx] [INFO] Starting server [2024-07-xx] [INFO] To see the GUI go to: http://127.0.0.1:8188这表示 ComfyUI 服务已成功启动。此时打开你的浏览器推荐 Chrome 或 Edge访问http://127.0.0.1:8188即可看到 ComfyUI 的空白节点编辑器界面。2.2 macOS 系统安装步骤macOS 的安装过程与 Windows 类似但启动方式有所不同且性能取决于你的芯片类型Intel 或 Apple Silicon。步骤一获取与解压整合包同样下载适用于 macOS 的整合包。解压后建议将其放在应用程序文件夹或你的用户主目录下。步骤二放置基础模型操作与 Windows 完全相同将下载的模型文件放入ComfyUI/models/checkpoints目录。步骤三通过终端启动macOS 通常通过 Shell 脚本启动。打开终端应用。使用cd命令导航到你的整合包根目录。cd /path/to/your/ComfyUI_macos_portable为启动脚本添加执行权限通常只需第一次运行。chmod x run_mac.sh执行启动脚本。./run_mac.sh步骤四处理可能的权限问题与首次启动如果系统提示“无法打开因为来自不受信任的开发者”你需要前往“系统设置”-“隐私与安全性”在底部允许该应用运行。 首次执行脚本同样会进行初始化。等待终端输出访问地址通常是http://127.0.0.1:8188后即可用浏览器访问。性能提示对于搭载 Apple Silicon (M1/M2/M3) 芯片的 Mac整合包应已配置好使用mps后端进行加速其速度远快于 CPU 模式。启动日志中应包含Using device: mps字样。对于 Intel Mac则使用 CPU 进行计算。3. 核心配置与验证让 ComfyUI 真正跑起来成功打开 Web 界面只是第一步。接下来需要进行关键配置并运行一个最简单的工作流来验证整个环境是否工作正常。3.1 界面初识与插件管理器访问http://127.0.0.1:8188后你会看到一个空白的画布。右侧是节点选择面板。首先我们需要确认一个至关重要的插件是否已安装ComfyUI-Manager。在界面上寻找一个齿轮或设置图标通常叫做 “Manager” 或 “设置”。点击后如果能看到一个包含 “Install Custom Nodes”、“Update All” 等选项的界面说明管理器已安装。这是你未来安装新插件的入口。在管理器中点击 “Update All” 或检查更新确保所有预装插件都是最新版本。3.2 加载模型并创建最小工作流现在我们来搭建一个最基础的文生图txt2img工作流。右键点击画布-Add Node-Loaders-Load Checkpoint。这会在画布上添加一个“加载检查点”节点。点击该节点上的下拉框你应该能看到之前放入checkpoints文件夹中的模型名称。选择它。右键点击画布-Add Node-Conditioning-CLIP Text Encode (Prompt)。添加两个这样的节点一个用于正向提示词positive一个用于反向提示词negative。右键点击画布-Add Node-Sampling-KSampler。这是核心的采样器节点。右键点击画布-Add Node-Latent-Empty Latent Image。用于定义生成图像的初始潜变量尺寸和批次。右键点击画布-Add Node-Latent-VAE Decode。用于将采样后的潜变量解码为最终图像。右键点击画布-Add Node-Image-Save Image。用于保存生成的图片。3.3 连接节点并执行生成按照数据流逻辑连接节点将Load Checkpoint节点的MODEL输出连接到KSampler的model输入。将Load Checkpoint节点的CLIP输出分别连接到两个CLIP Text Encode节点的clip输入。在两个CLIP Text Encode节点中分别输入提示词例如正向“photo of a cat”反向“blurry, bad quality”。将两个CLIP Text Encode节点的CONDITIONING输出分别连接到KSampler的positive和negative输入。将Empty Latent Image节点的LATENT输出连接到KSampler的latent_image输入。将KSampler节点的LATENT输出连接到VAE Decode节点的latent_image输入。将Load Checkpoint节点的VAE输出连接到VAE Decode节点的vae输入。最后将VAE Decode节点的IMAGE输出连接到Save Image节点的images输入。配置KSampler参数steps采样步数设为 20cfg提示词相关性设为 7.5sampler_name选择eulerscheduler选择normal。 配置Empty Latent Imagewidth512,height512,batch_size1。点击画布下方的Queue Prompt按钮。如果一切正常右侧会显示生成进度完成后生成的图片会出现在Save Image节点上并自动保存到ComfyUI/output目录下。3.4 关键配置详解extra_model_paths.yaml整合包可能已经配置好了模型路径。但如果你需要自定义模型存放位置例如想共用其他 Stable Diffusion 工具的模型库就需要了解extra_model_paths.yaml文件。该文件通常位于ComfyUI主目录下。如果不存在你可以将extra_model_paths.yaml.example复制一份并重命名。 用文本编辑器打开它你会看到如下结构# 示例将外部目录映射到 ComfyUI 的模型路径 a111: base_path: D:/sd-webui/models # 你外部模型库的绝对路径 checkpoints: models/Stable-diffusion configs: models/Stable-diffusion vae: models/VAE loras: models/Lora upscale_models: models/ESRGAN ...a111是一个任意起的配置名。base_path是关键指向你外部模型库的根目录。下面的映射关系定义了base_path下的子目录如何对应到 ComfyUI 内部的模型类型。配置好后重启 ComfyUILoad Checkpoint节点的下拉列表中就会包含外部目录中的模型。4. 常见问题排查与解决方案即使使用整合包你也可能遇到一些问题。以下是按现象分类的排查指南。4.1 启动阶段问题问题现象可能原因检查与解决方案双击.bat或执行.sh脚本后窗口闪退1. 路径包含中文或特殊字符。2. 缺少必要的系统运行时库如VC Redist。3. 端口被占用。1. 将整合包移动到纯英文路径。2. 查看闪退前瞬间的错误信息。尝试以管理员身份运行脚本或安装 Microsoft C Redistributable 。3. 默认端口 8188 被占用。可以编辑启动脚本在python main.py后添加--port 8189更换端口。启动时提示Torch not compiled with CUDA enabled或No CUDA runtime is found1. 整合包内的 PyTorch 是 CPU 版本。2. NVIDIA 显卡驱动太旧。3. 系统环境变量问题。1. 确认你运行的是run_nvidia_gpu.bat而非run_cpu.bat。2. 更新 NVIDIA 显卡驱动到最新版本。3. 对于整合包通常已配置好环境。可尝试在脚本中明确设置set CUDA_VISIBLE_DEVICES0。macOS 启动提示“无法打开”或“身份不明开发者”macOS 安全策略阻止运行未签名的应用。前往“系统设置”-“隐私与安全性”在“安全性”部分找到相关提示点击“仍要打开”。对于脚本需要在终端执行chmod x命令。启动日志卡在下载某个模型或依赖网络连接问题无法访问 Hugging Face 或 GitHub。耐心等待或尝试使用网络工具。部分整合包支持通过配置文件设置代理但需谨慎操作并确保符合当地法律法规。4.2 运行生成阶段问题问题现象可能原因检查与解决方案点击Queue Prompt后无反应或提示OutOfMemoryError显存不足。工作流过于复杂或图像分辨率设置过高。1. 检查任务管理器Win或活动监视器Mac的GPU内存占用。2. 降低Empty Latent Image中的宽度和高度如从 1024 降至 512。3. 使用efficiency-nodes插件中的KSampler (Efficient)节点它可能更省显存。4. 在KSampler中启用Add Noisy并降低步数。生成结果全黑、全灰或扭曲1. 没有正确连接 VAE 节点。2. 模型文件损坏或不兼容。3. 使用了错误的 VAE 模型。1. 确保VAE Decode节点正确连接了Load Checkpoint提供的VAE。2. 尝试换一个公认稳定的基础模型如 SD 1.5 或 SDXL 的官方版本。3. 有些模型需要特定的 VAE在Load Checkpoint节点中可以选择不同的 VAE或单独加载 VAE 模型并连接。Load Checkpoint下拉列表为空1. 模型未放入正确目录。2. 模型路径配置错误。3. 模型文件格式不被识别。1. 确认模型文件.safetensors 或 .ckpt在ComfyUI/models/checkpoints目录下。2. 检查extra_model_paths.yaml配置是否正确。3. 重启 ComfyUI 服务。生成速度异常缓慢1. 意外运行在 CPU 模式。2. 使用了性能较差的采样器或调度器。3. Mac Apple Silicon 未启用 MPS。1. 查看启动日志确认是否使用了 GPU (cuda) 或 MPS (mps)。2. 对于 NVIDIA GPU在启动参数或extra_model_paths.yaml中可尝试启用--force-fp16并使用 xformers。3. 采样器选择dpmpp_2m或euler调度器选择karras通常速度与质量平衡较好。4.3 插件与工作流问题问题现象可能原因检查与解决方案安装新插件后 ComfyUI 无法启动或报错插件与当前 ComfyUI 版本或其他插件不兼容。1. 通过ComfyUI-Manager查看插件是否有更新。2. 在管理器中禁用可疑插件然后逐一启用排查。3. 手动删除ComfyUI/custom_nodes下对应的插件文件夹。4. 查看命令行报错信息通常能定位到具体是哪个插件的哪个文件出错。加载他人分享的工作流JSON文件报错Missing node types你的环境中缺少工作流中使用到的自定义节点插件。1. 使用ComfyUI-Manager它通常能自动检测并提示安装缺失的节点。2. 在工作流 JSON 中搜索class_type记录下所有类型然后手动寻找并安装对应插件。界面显示异常节点错位或样式丢失浏览器缓存问题或前端资源加载失败。1. 强制刷新浏览器页面 (CtrlF5 或 CmdShiftR)。2. 尝试使用无痕模式。3. 清除浏览器缓存。5. 最佳实践与进阶方向成功安装和运行只是起点。遵循以下最佳实践能让你的 ComfyUI 使用体验更稳定、高效。5.1 环境与项目管理保持整合包更新关注整合包发布者的更新日志。更新前备份你的ComfyUI目录下的custom_nodes插件和models模型文件夹以及任何你修改过的配置文件。然后使用更新脚本或下载新包覆盖。模型分类管理在models目录下建立清晰的子文件夹。除了默认的checkpoints,loras,vae还可以为controlnet,upscale_models,embeddings等创建文件夹方便管理。使用工作流备份将你搭建好的、稳定有效的工作流通过Save按钮保存为 JSON分类存档。这是 ComfyUI 最大的财富可以快速复用和分享。注意磁盘空间模型文件体积巨大。定期清理output文件夹中的临时生成图或将其重定向到其他硬盘。5.2 性能优化为 NVIDIA GPU 启用 xformersxformers 可以显著减少显存占用并提升生成速度。大部分整合包已预装。确保在启动日志中看到Using xformers cross attention字样。如果没有可以在extra_model_paths.yaml或启动参数中尝试添加相关设置具体参数需查阅对应整合包说明。使用--lowvram或--medvram模式如果你的显存较小如 8GB 以下可以在启动脚本的python main.py后添加--medvram参数。这会使用更保守的显存策略用时间换空间。选择合适的采样器对于快速草图使用euler_a或dpmpp_2m对于高质量输出使用dpmpp_2m_sde或ddim但步数需要增加。利用缓存ComfyUI 会缓存加载的模型。首次加载模型较慢后续使用会快很多。不要频繁切换模型。5.3 学习与扩展从模仿开始在 Civitai 等社区下载他人分享的工作流JSON示例图导入 ComfyUI 后仔细研究每个节点的连接和参数设置这是最快的学习方式。掌握核心节点深入理解KSampler,CLIP Text Encode,VAE Encode/Decode,Latent Composite,ControlNet Apply等核心节点的作用它们是构建复杂工作流的基石。善用ComfyUI-Manager这是插件生态的中心。在这里浏览、安装、更新节点。关注“热门”和“最近更新”栏目发现新工具。探索高级工作流尝试搭建图生图img2img、局部重绘inpainting、高清修复hires fix、多 ControlNet 控制等复杂流程。理解潜空间Latent Space的操作是关键。ComfyUI 的强大在于其无限的可能性。整合包为你扫清了入门障碍让你能专注于工作流本身的设计与创造。当熟悉基本操作后不妨挑战更复杂的自动化流程甚至尝试开发自己的自定义节点真正释放这款工具的全部潜力。