这次我们来看 ComfyUI 这个基于节点式工作流的 AI 图像生成工具。如果你对 Stable Diffusion 的 WebUI 已经熟悉但想要更灵活的可视化流程控制、更低的显存占用和更好的批量任务管理ComfyUI 值得一试。本文重点不是讲太多抽象概念而是带你在本地环境快速部署、启动 ComfyUI完成基础工作流搭建并测试 AI 漫剧等实际应用场景的效果。ComfyUI 最核心的特点是节点化的工作流设计。你可以把文生图、图生图、ControlNet、LoRA 加载、高清修复等步骤拆成独立的节点通过连线方式组合成完整流程。这种设计不仅直观而且对显存更友好——节点间数据流动时可以及时释放中间结果占用的显存。对于 6GB 或 8GB 显存的显卡ComfyUI 通常比 WebUI 能处理更高分辨率或更复杂的流程。另一个重点是 ComfyUI 支持完整的工作流导出和导入。一旦搭建好一个稳定可用的流程比如 AI 漫剧生成流水线你可以保存为 JSON 文件下次直接加载或分享给其他人使用。这对于团队协作或批量生产内容非常实用。本文将基于最新的 ComfyUI 整合包如秋叶整合包演示从零安装、基础界面熟悉、简单文生图工作流搭建再到 AI 漫剧工作流的设计与测试。过程中会重点说明显存占用观察、自定义节点安装、模型文件配置以及常见问题的排查方法。无论你是刚接触 ComfyUI 的新手还是希望将 ComfyUI 用于实际项目开发都可以按本文步骤操作。1. 核心能力速览能力项说明工作流类型节点式可视化工作流编辑支持文生图、图生图、局部重绘、ControlNet、LoRA、高清修复等显存需求比 WebUI 更节省显存6GB 显存可进行 512x768 分辨率生成8GB 显存可尝试 1024x1024 或简单 AI 漫剧流程启动方式一键启动整合包、命令行启动、自定义端口模型支持兼容 Stable Diffusion 1.5、SDXL、SD3 等多种模型支持 LoRA、ControlNet、VAE 等扩展批量任务支持通过队列或输入目录批量生成可保存/加载工作流 JSON接口 API提供本地 API 服务支持外部程序调用工作流适合场景本地测试、批量图像生成、AI 漫剧制作、工作流研发、团队流程标准化ComfyUI 适合那些希望更精细控制生成流程、需要可复用工作流、关注显存效率或准备将 AI 生图能力集成到自有工具中的用户。如果你只需要快速文生图WebUI 可能更直接但如果你打算做多步处理、角色一致性控制、长漫画生成等复杂任务ComfyUI 的节点化设计会更有优势。2. 适用场景与使用边界ComfyUI 的核心价值在于可视化工作流编辑和可复用的流程设计。它特别适合以下场景AI 漫剧制作通过串联提示词生成、人物设定、场景切换、分镜生成等节点实现半自动化的漫画或剧情图片生成。批量形象定制固定一个角色 LoRA 或 ControlNet 条件批量生成该角色在不同场景、服装、动作下的图片。实验性流程研发需要反复调整采样器、步数、重绘幅度、ControlNet 权重等参数观察中间结果的影响。团队协作与流程固化将验证好的工作流保存为 JSON 模板团队成员加载后只需替换输入素材或提示词即可产出统一品质的内容。但是ComfyUI 也有明确的使用边界非实时交互工具节点工作流需要预先搭建不适合需要极快速单次生成或实时预览的场景。学习曲线存在虽然本文力求从零开始但节点式界面仍需要一定学习成本尤其是复杂流程的调试。版权与合规性生成内容涉及人物形象、商业标志、特定画风时必须确认训练数据的授权情况避免侵权风险。AI 漫剧如使用真人肖像或知名角色需格外谨慎。对于个人学习和非商用的创意实验ComfyUI 提供了很大的灵活性但如果用于商业发布务必对生成内容进行人工审核并确保符合相关平台的内容政策。3. 环境准备与前置条件在开始安装 ComfyUI 之前请先检查你的本地环境是否满足以下条件操作系统Windows 10/11推荐整合包支持较好Linux需自行配置 Python 环境macOS支持但性能可能受限硬件要求GPUNVIDIA 显卡推荐显存 4GB 起步6GB 或以上可体验更复杂工作流AMD 显卡可通过 DirectML 或 ROCm 支持但需要额外配置。CPU现代多核处理器主要影响模型加载速度。内存16GB 或以上如果处理高分辨率批量任务建议 32GB。磁盘空间至少 10GB 可用空间用于安装 ComfyUI 本体、Python 环境及基础模型如果下载多个大模型如 SDXL、SD3需预留 30-50GB。软件依赖Python 3.10 或 3.11整合包通常自带便携版 Python无需单独安装Git用于克隆自定义节点或更新版本显卡驱动NVIDIA 用户请确保已安装最新版显卡驱动网络环境需要能够访问 Hugging Face 或 Civitai 等模型托管站点以下载模型文件如无法直接访问需通过其他方式获取模型并手动放置到对应目录。如果你使用的是 Windows 系统推荐直接下载 ComfyUI 整合包如秋叶整合包它已经包含了 Python 环境、常用自定义节点和模型管理工具可以省去大量配置时间。4. 安装部署与启动方式ComfyUI 的安装主要有两种方式使用整合包推荐新手和通过源码安装。这里我们以整合包为例演示最快捷的启动流程。4.1 下载整合包从可靠来源如秋叶的发布页下载最新的 ComfyUI 整合包通常是一个压缩文件如ComfyUI_windows_portable_nvidia_cu121_or_cpu.7z。解压到任意目录注意路径不要包含中文或特殊字符。解压后的目录结构通常包含ComfyUI.exe或run_nvidia_gpu.bat启动脚本python_embeded内置 Python 环境ComfyUI主程序目录models模型存放目录4.2 放置模型文件ComfyUI 需要 Stable Diffusion 模型文件才能工作。如果你已有 WebUI 的模型可以将其复制到 ComfyUI 的模型目录如果没有需手动下载。进入解压后的目录找到models文件夹其下应有checkpoints、loras、controlnet等子目录。将你的基础模型如sd_xl_base_1.0.safetensors放入models/checkpoints。如需使用 LoRA 或 ControlNet将相应模型文件放入models/loras或models/controlnet。4.3 启动 ComfyUI双击run_nvidia_gpu.bat或类似名称的启动脚本会打开一个命令行窗口。首次启动可能会自动下载一些依赖项或缺失模型请保持网络通畅。当命令行显示类似 “* Running on http://127.0.0.1:8188” 的信息时说明服务已启动。打开浏览器访问http://127.0.0.1:8188端口号以实际输出为准即可看到 ComfyUI 的节点编辑器界面。注意如果端口 8188 已被占用ComfyUI 会自动尝试其他端口如 8189、8190等请以命令行输出的实际访问地址为准。4.4 源码安装方式备选如果你希望使用最新源码或进行定制化开发可以通过 Git 克隆和 Pip 安装# 克隆仓库 git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI # 创建虚拟环境可选 python -m venv venv venv\Scripts\activate # Windows # source venv/bin/activate # Linux/macOS # 安装依赖 pip install -r requirements.txt # 启动服务 python main.py --port 8188这种方式需要你自行准备 Python 环境和模型文件适合有一定经验的用户。5. 界面熟悉与基础工作流搭建首次打开 ComfyUI 界面你会看到一个空白的画布。右侧通常有一个节点列表如果没看到可以按鼠标中键或点击右键选择 Add Node。5.1 核心节点区域画布主要工作区用于放置和连接节点。节点列表右键点击画布或按鼠标中键可展开包含所有可用的节点类别。工具栏通常有加载/保存工作流、运行/停止队列、清除等按钮。视图控制鼠标滚轮缩放画布按住右键拖拽平移。5.2 搭建最简单的文生图工作流一个最基础的文生图流程需要以下节点Load Checkpoint用于加载基础模型。从节点列表选择Load Checkpoint并放置到画布上。CLIP Text Encode (Prompt)正面提示词输入。添加CLIP Text Encode节点将其连接到 Load Checkpoint 的clip输出。CLIP Text Encode (Negative Prompt)负面提示词输入。再添加一个CLIP Text Encode节点也连接到 Load Checkpoint 的clip输出。Empty Latent Image指定生成图片的尺寸和批次。添加该节点设置宽度、高度和批次大小。KSampler采样器配置。添加KSampler节点将其model输入连接到 Load Checkpoint 的model输出将positive和negative分别连接到两个 CLIP Text Encode 的clip输出将latent_image连接到 Empty Latent Image 的latent输出。VAE Decode将潜空间数据解码为图像。添加VAE Decode节点将其连接到 KSampler 的LATENT输出和 Load Checkpoint 的vae输出。Save Image保存生成的图片。添加Save Image节点连接到 VAE Decode 的IMAGE输出。连接完成后你的工作流应形成一个有向无环图。点击 Queue Prompt 按钮ComfyUI 会开始执行流程并在 Save Image 节点指定的目录输出图片。5.3 测试工作流在正面提示词节点输入描述例如 masterpiece, best quality, 1girl, solo, white dress, garden。在负面提示词节点输入常见负面标签例如 nsfw, lowres, bad anatomy。在 KSampler 中设置采样步数如 20、CFG Scale如 7、采样器如 Euler a和种子。点击 Queue Prompt 运行。查看命令行窗口或界面右下角的进度提示生成完成后图片会保存到ComfyUI/output目录具体路径可在 Save Image 节点设置。这个基础工作流是后续所有复杂流程的起点建议先确保它能正常运行。6. AI 漫剧工作流搭建思路AI 漫剧通常指通过 AI 生成具有连续剧情或分镜的图片序列。在 ComfyUI 中我们可以通过工作流实现半自动化的漫剧生成核心思路如下6.1 角色一致性控制LoRA 或 Textual Inversion为特定角色训练或使用现成的 LoRA 模型在提示词中通过触发词调用。Reference Only 或 IPAdapter使用参考图控制生成人物的脸部、姿势或画风确保多张图片中角色特征稳定。6.2 分镜与场景管理提示词模板为不同场景如室内、室外、战斗、对话准备提示词模板通过文本替换或节点参数输入。背景控制可以使用 ControlNet 的深度图或线稿控制场景构图或使用区域提示词控制如使用 Impact Pack 的 Segs 节点。6.3 连续性与批量生成种子控制固定种子可以确保同一角色在不同图片中的基础特征一致微调种子可以产生合理的变化。批量输入通过从文本文件或列表节点读取多组提示词配合批次生成一次性产出多个分镜。6.4 一个简单的漫剧工作流示例角色加载节点使用 Load Checkpoint 加载基础模型并通过 Lora Loader 加载角色 LoRA。提示词队列使用 Impact Pack 的 Text from File 节点或自定义脚本节点按行读取事先写好的分镜提示词。循环或批次处理通过 Primitive 节点控制生成批次或将多个生成流程并行排列。输出命名使用 Save Image 节点并根据提示词或序号自动命名输出文件便于后续整理。这个流程可以进一步扩展例如加入自动语音合成、字幕叠加等节点但核心是保持角色一致性和场景连贯性。首次尝试时建议先做 3-5 张的短序列测试验证工作流稳定性后再增加复杂度。7. 自定义节点与插件管理ComfyUI 的强大功能很大程度上依赖于自定义节点插件。常用的扩展包括ComfyUI-Manager插件管理器可以浏览、安装、更新自定义节点。Impact Pack提供一系列实用节点如预览器、条件控制、批量处理等。ControlNet Auxiliary Preprocessors更多的 ControlNet 预处理节点。WAS Node Suite图像处理、文件操作等扩展功能。7.1 安装 ComfyUI-Manager进入 ComfyUI 安装目录下的custom_nodes文件夹。使用 Git 克隆管理器仓库git clone https://github.com/ltdrdata/ComfyUI-Manager.git重启 ComfyUI界面上会出现一个额外的 Manager 按钮点击可以打开插件管理界面。7.2 通过管理器安装节点打开 Manager在 Install Custom Nodes 标签页搜索你需要的节点如 impact。点击 Install 按钮管理器会自动下载并安装。安装完成后重启 ComfyUI新节点的类别就会出现在右键菜单中。7.3 手动安装节点如果某个节点不在管理器列表中可以手动安装将节点仓库克隆到custom_nodes目录。根据节点说明安装其依赖通常有requirements.txt文件。重启 ComfyUI。安装自定义节点后你的工作流搭建能力会大大增强尤其是对于 AI 漫剧这类需要多步骤控制的场景。8. 资源占用与性能观察ComfyUI 在资源利用上通常比 WebUI 更高效但具体占用取决于工作流复杂度、模型大小和生成参数。8.1 显存占用观察任务管理器在 Windows 下打开任务管理器进入 性能 标签页查看 GPU 显存使用情况。nvidia-smi命令行工具可以实时查看 GPU 利用率和显存占用。ComfyUI 进度提示生成时ComfyUI 会在界面右下角显示当前步骤和预估剩余时间。一般来说空载时ComfyUI 占用 1-2GB 显存加载模型后。512x512 分辨率生成显存占用约 3-4GB。1024x1024 分辨率或 SDXL 模型显存占用可能达到 6-8GB。复杂工作流多 ControlNet、高清修复会显著增加显存需求。8.2 性能优化建议使用 --lowvram 参数如果显存不足在启动命令中加入--lowvramComfyUI 会尝试更激进的内存管理。分步执行复杂工作流对于极其复杂的流程可以拆成多个子工作流分步执行并中间保存避免单次显存溢出。合理设置分辨率不要盲目追求高分辨率先在小分辨率下测试流程确认无误后再尝试放大。使用 CPU 卸载一些节点支持将计算临时卸载到 CPU但会大幅降低速度仅在显存严重不足时考虑。8.3 批量任务资源管理当进行批量生成时如生成漫剧多张分镜注意控制同时生成的数量避免队列堆积导致显存无法释放。如果生成任务很多可以考虑使用 ComfyUI 的 API 接口外部程序控制生成节奏。监控生成过程中的显存波动如果发现显存占用持续上升可能是工作流中存在内存泄漏需要检查节点连接。9. 接口 API 与批量任务ComfyUI 提供了完整的 API 接口允许外部程序通过 HTTP 请求触发工作流执行。这对于集成到其他应用或实现自动化批量任务非常有用。9.1 启动 API 服务ComfyUI 默认启动时就已经开启了 API 服务访问地址为http://127.0.0.1:8188端口可能不同。你可以在启动参数中指定端口python main.py --port 80809.2 获取工作流 API 定义在 ComfyUI 界面中搭建好工作流。点击 Save 按钮保存工作流为 JSON 文件。或者点击 Load 按钮旁边的 API 按钮可以查看当前工作流的 API 格式包括节点ID、连接关系等。9.3 通过 Python 调用 API以下是一个简单的 Python 示例用于通过 API 执行工作流import requests import json def queue_prompt(prompt): # 替换为你的 ComfyUI 地址 url http://127.0.0.1:8188/prompt headers {Content-Type: application/json} data json.dumps({prompt: prompt}) response requests.post(url, headersheaders, datadata) return response.json() # 加载之前保存的工作流 JSON with open(my_workflow.json, r) as f: prompt_data json.load(f) # 可以动态修改提示词或参数 # prompt_data[6][inputs][text] 新的提示词 # 提交任务 result queue_prompt(prompt_data) print(任务ID:, result[prompt_id])9.4 批量任务设计思路对于 AI 漫剧生成这类批量任务可以这样设计准备输入数据将每个分镜的提示词、参数保存在 CSV 或 JSON 文件中。编写控制脚本使用 Python 读取输入数据循环调用 ComfyUI API。任务状态监控通过 ComfyUI 的/history接口查询任务完成情况。错误处理与重试网络超时或生成失败时自动重试或记录日志。输出管理按照分镜序号或场景自动命名输出文件便于后续合成。通过 API 方式你可以将 ComfyUI 集成到更复杂的生产流水线中实现全自动或半自动的漫剧生成。10. 常见问题与排查方法问题现象可能原因排查方式解决方案启动后页面无法访问端口被占用或服务未正常启动查看命令行窗口是否有错误信息更换端口如 --port 8189或检查防火墙设置节点缺失或报错自定义节点未安装或版本不兼容查看命令行错误日志确认缺失的节点名称通过 ComfyUI-Manager 安装对应节点或检查节点兼容性生成图片全黑或全灰VAE 未正确连接或模型不兼容检查 VAE Decode 节点是否连接到模型的 VAE 输出尝试连接不同的 VAE或单独加载 VAE 模型显存不足OOM工作流太复杂或分辨率过高观察任务管理器中的显存占用峰值降低分辨率、使用 --lowvram 参数、简化工作流生成速度异常慢使用了 CPU 模式或模型文件损坏检查命令行是否显示 CUDA 相关错误确认显卡驱动和 CUDA 版本重新下载模型文件加载工作流后节点错位工作流 JSON 文件版本不匹配比较 ComfyUI 版本和工作流创建版本手动调整节点位置或使用相近版本的 ComfyUI自定义节点不显示安装路径错误或依赖缺失检查 custom_nodes 目录结构查看命令行启动日志确认节点放置在正确目录安装 requirements.txt其他常见问题注意事项模型文件格式ComfyUI 支持.safetensors、.ckpt等格式但推荐使用.safetensors更安全。中文路径问题避免将 ComfyUI 安装在包含中文或特殊字符的路径下。多显卡选择如果你有多个 GPU可以通过--cuda-device参数指定使用的显卡序号。更新 ComfyUI如果使用整合包注意备份你的工作流和自定义节点更新时可能覆盖原有文件。遇到问题时首先查看命令行窗口的输出信息通常会有具体的错误提示。对于复杂错误可以在 ComfyUI 的官方 GitHub 仓库或相关社区搜索类似问题的解决方案。11. 最佳实践与使用建议为了更高效、稳定地使用 ComfyUI尤其是在 AI 漫剧等复杂项目上建议遵循以下实践11.1 工作流管理模块化设计将常用功能如角色加载、高清修复、风格应用封装成子工作流通过组Group功能折叠保持主工作流整洁。版本控制定期备份重要的工作流 JSON 文件并使用 Git 等工具管理便于回溯和协作。注释与文档在复杂工作流中使用注释节点Note说明关键节点的作用、参数含义方便他人或自己日后维护。11.2 模型与资源管理模型分类存放在models目录下清晰分类 checkpoints、loras、vae、controlnet 等避免混乱。模型测试流程新下载的模型先用小分辨率、简单提示词测试基本功能再投入正式项目。资源监控长时间批量任务时定期检查磁盘空间和显存占用避免任务中途失败。11.3 AI 漫剧生产流程建议脚本先行在搭建工作流之前先完成漫剧的文案、分镜描述和角色设定避免在技术调试中迷失创作方向。分阶段测试先测试单张图片的角色一致性和画风再测试多张图片的连续性最后整合成完整工作流。人工审核环节AI 生成的内容可能存在瑕疵或不符预期务必加入人工审核环节对每张输出图片进行检查和筛选。版权合规检查确认使用的模型、LoRA 训练数据、参考图片均符合版权要求特别是计划商用的项目。11.4 性能与稳定性渐进式复杂化从最简单的工作流开始逐步添加 ControlNet、LoRA、高清修复等节点每步都测试稳定性。参数记录对采样器、步数、CFG Scale 等关键参数进行记录找到最适合当前模型的组合。故障恢复设计工作流时考虑中间结果保存万一生成中断可以从断点继续而不是全部重来。ComfyUI 是一个强大的工具但它的价值在于帮助你实现创意而不是替代创作过程。尤其是在 AI 漫剧这类叙事性项目中好的故事和分镜设计远比技术参数更重要。12. 总结与下一步ComfyUI 通过节点化的工作流设计为 Stable Diffusion 的应用提供了极大的灵活性和可控性。对于想要超越简单文生图、探索复杂生成流程的用户来说它是一个不可或缺的工具。学完本文介绍的基础安装、工作流搭建和 AI 漫剧思路后你可以继续深入以下方向探索更多自定义节点ComfyUI 生态中有大量功能强大的节点如面部修复、背景移除、动画生成等可以极大扩展你的能力边界。学习高级工作流技巧如条件分支、循环生成、动态参数传递等实现更智能的自动化流程。研究模型训练与微调为自己特定的角色或画风训练 LoRA 或 DreamBooth 模型从而在漫剧中获得独一无二的角色一致性。参与社区交流ComfyUI 的官方 Discord、GitHub 讨论区以及相关中文社区有大量高手分享的工作流和经验是学习进阶知识的好去处。建议从复制和修改现有的工作流开始逐步理解每个节点的作用最终形成适合自己的高效工作流。无论是个人创作还是团队协作ComfyUI 都能为你提供稳定而强大的支持。