ComfyUI:模块化节点式AI绘画工作流引擎安装与使用指南
官方信息
| 项目名称 | ComfyUI |
| 仓库地址 | https://github.com/comfyanonymous/ComfyUI |
| 官方网站 | https://www.comfy.org |
| 最新更新 | 2026-06-23 |
| Star 数 | 约 75k+ |
| 项目定位 | 基于节点编辑器的模块化扩散模型推理GUI,支持Stable Diffusion、FLUX、SD3、HunyuanDiT等主流模型 |
项目背景
ComfyUI 由 comfyanonymous 开发并维护,是当前开源AI绘画领域最受欢迎的节点式工作流GUI之一。与传统的 Stable Diffusion WebUI 不同,ComfyUI 将整个扩散推理过程拆解为可视化的节点——加载模型、编码提示词、采样、VAE解码、保存图片——每个环节都是一个可拖拽、可连接的节点,用户可以像搭积木一样自由组合出复杂的生成流程。
这种节点式架构带来了极高的灵活性:你可以在同一工作流中同时加载多个LoRA、切换不同的采样器、接入ControlNet控制姿态、做局部重绘、甚至串联多张图片的(img2img)处理。由于所有计算都在后端以张量方式执行,ComfyUI 在显存效率上也优于许多传统WebUI,尤其适合多模型并行、高分辨率出图等进阶场景。
截至2026年,ComfyUI 已经原生支持 Stable Diffusion 1.5 / 2.1 / XL / 3.5、FLUX.1 [dev/schnell]、SD3、HunyuanDiT、PixArt、Wan视频模型等数十种主流扩散模型,并拥有庞大的自定义节点社区(ComfyUI-Manager、Impact-Pack、IP-Adapter、ControlNet Auxiliary等),形成了完整的生态。
核心特性
- 节点式可视化工作流:拖拽连线即可搭建完整推理管线,支持保存为JSON模板复用
- 极低显存占用:通过模型卸载、注意力优化、FP8量化等技术,4GB显存也能跑SDXL
- 多模型原生支持:SD1.5/SDXL/SD3/FLUX/HunyuanDiT/PixArt/Wan2.1等开箱即用
- 自定义节点生态:通过ComfyUI-Manager一键安装上千种社区节点,扩展ControlNet、IP-Adapter、放大、局部重绘等能力
- 批处理与队列系统:内置任务队列,支持批量出图、参数遍历、高分辨率工作流
- API与可编程接口:提供REST API和WebSocket接口,可被外部程序调用
- 跨平台支持:Windows/Linux/macOS均可运行,AMD显卡通过DirectML/ZLUDA兼容
环境要求
| 项目 | 最低要求 | 推荐配置 |
|---|---|---|
| GPU 显存 | 4GB(SD1.5) | 12GB+(SDXL/FLUX),24GB+(视频模型) |
| CUDA | 11.8+ | 12.1 / 12.4 |
| Python | 3.10 | 3.10 / 3.11 |
| 系统 | Windows 10 / Ubuntu 20.04 | Windows 11 / Ubuntu 22.04 |
| 磁盘空间 | 10GB(仅程序) | 50GB+(含常用模型) |
详细部署步骤
方式一:Windows 一键便携包(推荐新手)
这是最简单的安装方式,无需提前安装Python和Git。
-
下载便携包
前往 Releases页面,下载最新的ComfyUI_windows_portable_nvidia.7z文件(约1.5GB)。
如果使用AMD显卡,请下载ComfyUI_windows_portable_amd.7z。 -
解压
用7-Zip或Bandizip解压到任意磁盘,路径不要包含中文和空格,例如D:\ComfyUI。 -
启动
进入解压后的目录,双击运行run_nvidia_gpu.bat(N卡)或run_amd.bat(A卡)。
首次启动会自动检查环境,黑窗口中出现To see the GUI go to: http://127.0.0.1:8188即表示成功。 -
访问界面
浏览器打开 http://127.0.0.1:8188 即可看到默认工作流。
方式二:Linux 源码部署(推荐生产环境)
-
安装基础依赖
sudo apt update sudo install python3.10 python3.10-venv python3-pip git -y # 验证CUDA nvidia-smi
-
克隆仓库
cd /opt sudo git clone https://github.com/comfyanonymous/ComfyUI.git sudo chown -R $USER:$USER ComfyUI cd ComfyUI
-
创建虚拟环境
python3.10 -m venv venv source venv/bin/activate pip install --upgrade pip wheel
-
安装PyTorch(CUDA 12.1版本)
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
验证安装:
python -c "import torch; print(torch.cuda.is_available())",输出True即正常。 -
安装ComfyUI依赖
pip install -r requirements.txt
-
下载基础模型
以SD1.5为例,从 HuggingFace 下载v1-5-pruned-emaonly.safetensors,放到:ComfyUI/models/checkpoints/
如果要跑SDXL,下载
sd_xl_base_1.0.safetensors放到同一目录。 -
启动服务
python main.py --listen 0.0.0.0 --port 8188
常用参数:
--listen 0.0.0.0:允许外网访问--port 8188:指定端口--highvram:大显存模式(24GB+)--normalvram:中等显存(8-12GB)--lowvram:低显存模式(4-6GB)--cpu:纯CPU推理(极慢,仅测试用)
-
配置为系统服务(可选)
sudo tee /etc/systemd/system/comfyui.service <<EOF [Unit] Description=ComfyUI After=network.target [Service] User=ubuntu WorkingDirectory=/opt/ComfyUI ExecStart=/opt/ComfyUI/venv/bin/python main.py --listen 0.0.0.0 --port 8188 Restart=always [Install] WantedBy=multi-user.target EOF sudo systemctl daemon-reload sudo systemctl enable --now comfyui
方式三:Docker 部署
docker run -d --name comfyui \ --gpus all \ -p 8188:8188 \ -v /opt/comfyui/models:/app/ComfyUI/models \ -v /opt/comfyui/output:/app/ComfyUI/output \ ghcr.io/comfyanonymous/comfyui:latest
启动后访问 http://服务器IP:8188。
安装常用自定义节点(强烈推荐)
进入 ComfyUI/custom_nodes/ 目录,依次克隆:
# ComfyUI-Manager(必装,节点管理器) git clone https://github.com/ltdrdata/ComfyUI-Manager.git # Impact-Pack(进阶处理工具集) git clone https://github.com/ltdrdata/ComfyUI-Impact-Pack.git # ControlNet Auxiliary(姿态/深度/边缘预处理) git clone https://github.com/Fannovel16/comfyui_controlnet_aux.git # IP-Adapter(图片风格迁移) git clone https://github.com/cubiq/ComfyUI_IPAdapter_plus.git # 进入每个目录安装依赖 cd ComfyUI-Manager && pip install -r requirements.txt && cd .. cd ComfyUI-Impact-Pack && pip install -r requirements.txt && cd ..
重启ComfyUI后,右侧菜单会出现Manager按钮,可一键搜索安装更多节点。
使用方法
默认工作流出图
- 启动后浏览器打开
http://127.0.0.1:8188,会看到默认的5个节点连线图 - 点击
Load Checkpoint节点,在下拉框选择你下载的模型 - 在
CLIP Text Encode (Prompt)节点输入正向提示词,例如:1girl, masterpiece, best quality, white dress, garden - 在下方负向提示词节点输入:
lowres, bad anatomy, bad hands, text, watermark - 设置
Empty Latent Image的宽高,SD1.5推荐512×768,SDXL推荐1024×1024 - 点击右侧面板的
Queue Prompt按钮,等待生成完成 - 生成的图片会显示在
Save Image节点,并自动保存到output/目录
快捷键
Ctrl+Enter:运行队列Ctrl+S:保存工作流Delete:删除选中节点滚轮:缩放画布空格+拖拽:平移画布
API调用示例
ComfyUI提供REST API,可通过Python脚本批量出图:
import json, requests, websocket, uuid
server = "127.0.0.1:8188"
client_id = str(uuid.uuid4())
# 加载工作流JSON
with open("workflow.json", "r") as f:
workflow = json.load(f)
# 提交提示
prompt_id = requests.post(f"http://{server}/prompt", json={
"prompt": workflow,
"client_id": client_id
}).json()["prompt_id"]
# 等待完成
ws = websocket.WebSocket()
ws.connect(f"ws://{server}/ws?clientId={client_id}")
while True:
msg = json.loads(ws.recv())
if msg[1]["prompt_id"] == prompt_id:
break
常见问题(FAQ)
Q1: 启动时报错 "CUDA out of memory" 怎么办?
这是显存不足。解决方法:
- 启动时加参数
--lowvram或--novram - 降低生成分辨率,先出512×512再用Hi-Res放大
- 不要同时加载多个大模型
- 如果是FLUX模型,使用FP8量化版本(约8GB显存即可运行)
Q2: 下拉框看不到我下载的模型?
确认模型文件放在了正确的子目录:
- 完整大模型(Checkpoint)→
models/checkpoints/ - LoRA →
models/loras/ - VAE →
models/vae/ - ControlNet →
models/controlnet/
放好后刷新浏览器页面即可。
Q3: 自定义节点安装后报错怎么办?
进入对应节点目录,查看 requirements.txt,手动在虚拟环境中执行 pip install -r requirements.txt。如果还是报错,到ComfyUI-Manager里点"Fix"按钮自动修复依赖。
Q4: 如何远程访问ComfyUI?
启动时加 --listen 0.0.0.0 参数,并在防火墙/安全组开放8188端口。注意:ComfyUI默认没有登录验证,暴露到公网有安全风险,建议配合Nginx加Basic Auth或使用Tailwire内网穿透。
Q5: 生成的图片在哪里找?
默认保存在程序根目录的 output/ 文件夹下,文件名包含时间戳和提示词前缀。也可以在Save Image节点中修改保存路径。
跳转链接
- GitHub 仓库:https://github.com/comfyanonymous/ComfyUI
- 官方文档:https://docs.comfy.org
- 模型下载(HuggingFace):https://huggingface.co/Comfy-Org
- 工作流模板:https://comfyworkflows.com
- ComfyUI-Manager:https://github.com/ltdrdata/ComfyUI-Manager