ComfyUI安装指南：从下载到运行

ComfyUI 安装与运行实战指南：构建你的可视化 AI 工作流

在 AI 创作工具层出不穷的今天，越来越多设计师、开发者和内容创作者开始尝试 Stable Diffusion 这类文生图模型。但你是否曾遇到过这样的困扰：想复现一张几天前生成的好图，却因为参数或步骤记不清而无从下手？又或者，你想把“先修复再重绘”、“多风格批量输出”这样的复杂流程自动化，却发现传统界面根本无法灵活支持？

这时候，ComfyUI就显得格外亮眼了。

它不像 Automatic1111 那样是点击按钮就能出图的“黑箱”，而更像一个可视化的 AI 实验室——每个处理环节都被拆解成独立节点，你可以用“搭积木”的方式自由组合提示词编码、采样器、ControlNet 控制、图像放大等模块。这种基于节点图的设计，不仅让整个生成过程完全透明可追溯，还极大提升了工作流的复用性和协作效率。

更重要的是，这一切都不需要写代码。拖拽连接即可完成高级定制，真正实现了“专业级控制”与“低门槛操作”的平衡。

要上手 ComfyUI，第一步当然是安装并成功运行起来。虽然官方没有提供一键安装包，但得益于其自带便携式 Python 环境的设计，整个部署过程其实比想象中简单得多。下面我们就从零开始，一步步带你把 ComfyUI 跑起来，并解决常见问题，确保你在不同设备上都能顺利进入主界面。

首先确认你的系统满足基本要求：

关键点在于：ComfyUI 是通过 GitHub 开源发布的，必须下载源码后本地运行。不过别担心，作者已经为你打包好了所有依赖所需的 Python 解释器和基础库，也就是说你不需要提前配置复杂的虚拟环境或安装 PyTorch。

下载 ComfyUI：推荐两种方式

前往官方仓库获取最新版本：

👉 https://github.com/comfyanonymous/ComfyUI

方法一：直接下载 ZIP（适合新手）

这是最简单的入门方式：

1. 打开页面后点击绿色的“Code” → “Download ZIP”
2. 下载完成后解压到一个全英文路径的目录，例如：
   D:\AI\ComfyUI

   ⚠️ 强烈建议避免中文或空格路径，否则可能导致模型加载失败。

这种方式适合只想快速试用的朋友，缺点是后续更新需要重新下载覆盖。

方法二：使用 Git 克隆（推荐进阶用户）

如果你打算长期使用并跟进新功能，建议用 Git：

git clone https://github.com/comfyanonymous/ComfyUI.git

这样以后只需执行git pull即可一键升级到最新版，省时又安全。

解压或克隆完成后，你会看到类似以下结构的文件夹内容：

ComfyUI/ ├── main.py ├── web/ ├── models/ ├── input/ ├── output/ ├── python_embeded/ ← 内置 Python 环境 ├── run_nvidia_gpu.bat ← NVIDIA 显卡启动脚本 ├── run_cpu.bat ├── run_amd_linux.sh └── ...

这些.bat和.sh文件就是不同平台下的启动入口。根据你的硬件选择合适的运行方式即可。

场景 1：NVIDIA 显卡用户（Windows + CUDA）

这是目前性能最强、最主流的使用场景。

只需双击运行：

run_nvidia_gpu.bat

这个批处理脚本会自动完成以下任务：

• 启动内置的python_embeded环境
• 首次运行时自动安装torch,xformers,safetensors等必要依赖（需联网）
• 加载 CUDA 支持，启用 GPU 加速
• 在本地启动 Web 服务，默认监听端口8188

等待命令行窗口输出如下日志：

Starting server To see the GUI go to: http://127.0.0.1:8188

一旦出现这行提示，说明服务已就绪。

场景 2：无独立显卡 / 仅 CPU 模式运行

如果你暂时没有 NVIDIA 显卡，或者显存不足（如低于 6GB），也可以用 CPU 模式运行：

双击：

run_cpu.bat

⚠️ 注意：CPU 模式速度较慢，生成一张 512x512 图片可能需要几分钟，仅适用于学习和调试，不建议用于实际创作。

场景 3：Apple Silicon（M1/M2/M3）芯片 Mac 用户

Mac 上可以利用 Metal 加速（viaPyTorch MPS），性能表现相当不错。

打开终端，进入 ComfyUI 目录并执行：

python main.py --listen 127.0.0.1 --port 8188

为了提升效率，还可以加上半精度参数：

python main.py --listen 127.0.0.1 --port 8188 --force-fp16

如果遇到某些模型报错，可能是 FP16 不兼容，此时去掉--force-fp16回归 FP32 即可。

为方便起见，可以创建一个快捷启动脚本run_mac.sh：

#!/bin/bash cd "$(dirname "$0")" python main.py --listen 127.0.0.1 --port 8188 --force-fp16

保存后赋予执行权限：

chmod +x run_mac.sh ./run_mac.sh

下次双击运行该脚本即可。

场景 4：Linux 用户（NVIDIA / AMD）

NVIDIA 用户：

./run_nvidia_gpu.sh

确保已安装正确的 NVIDIA 驱动和 CUDA 工具包。

AMD ROCm 用户：

./run_amd_linux.sh

前提是系统已正确配置 ROCm 驱动和相关依赖库（如rocm-core,hip-runtime等）。AMD 平台的支持仍在发展中，部分功能可能存在限制。

当看到终端或命令行中打印出：

To see the GUI go to: http://127.0.0.1:8188

立刻打开浏览器，访问：

👉 http://127.0.0.1:8188

你将看到一个深色背景的界面，左侧是节点面板，中间是空白画布区域——恭喜，ComfyUI 已经成功运行！

现在你可以：

• 从左侧拖拽节点到画布
• 用鼠标连线构建数据流
• 导入别人分享的.json工作流模板
• 开始生成属于你的第一张图像

但在实际运行过程中，总会遇到一些“拦路虎”。以下是首次使用者最常见的几个问题及其解决方案。

❌ 问题 1：提示 “No module named ‘torch’” 或其他包缺失

原因分析：通常是首次运行未正常安装依赖，或是网络中断导致 pip 安装失败。

解决方法：

1. 关闭所有 Python 进程（可在任务管理器中结束）
2. 重新双击run_nvidia_gpu.bat，让脚本重试安装
3. 若仍失败，可手动进入python_embeded\Scripts\目录运行：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

注意：具体 CUDA 版本需匹配你的驱动，若不确定，可用--extra-index-url自动匹配：

pip install torch --extra-index-url https://download.pytorch.org/whl/cu118

❌ 问题 2：CUDA out of memory（显存溢出）

即使有 RTX 3060 或更高配置，也可能因模型过大或设置不当导致崩溃。

应对策略：

• 添加参数限制显存占用：

python main.py --gpu-only --reserve-vram 8000

表示预留 8000MB 显存给系统或其他程序。

• 启用低显存模式：

python main.py --lowvram

会牺牲部分速度来换取更低的内存消耗。

• 减小图像尺寸（如从 1024x1024 改为 768x768）
• 降低 batch size（批量数量）

有时候，一个小小的调整就能让你原本跑不动的模型顺利运行。

❌ 问题 3：打不开网页，提示“连接被拒绝”或“无法访问此网站”

常见于端口冲突或防火墙拦截。

排查步骤：

1. 查看是否有多个 ComfyUI 实例正在运行（检查后台进程）
2. 确认8188端口是否被占用（可用netstat -ano | findstr :8188查询）
3. 更换端口号启动：

python main.py --port 8189

然后访问http://127.0.0.1:8189

4. 检查杀毒软件或防火墙是否阻止了 Python 或python_embeded的网络访问权限

❌ 问题 4：模型加载失败，路径错误或乱码

典型症状：日志显示找不到模型，路径中含有中文字符或特殊符号。

根本原因：Python 对非 ASCII 路径支持不佳，尤其在 Windows 下容易出错。

终极解决方案：将 ComfyUI 安装路径改为纯英文，不含空格和中文，例如：

✅ 推荐路径：

D:\AI\ComfyUI C:\comfyui ~/comfyui

❌ 避免路径：

D:\我的项目\ comfyui测试 ~/Downloads/人工智能工具

哪怕只是一个空格，都可能成为压垮骆驼的最后一根稻草。

虽然本文重点是安装部署，但为了验证一切正常，不妨快速走一遍最基础的文生图流程。

构建第一个工作流：文本生成图像

步骤 1：添加核心节点

右键画布 → “Clear” 清空默认内容，然后从左侧节点栏依次拖入以下组件：

• CheckpointLoaderSimple：加载基础 SD 模型（如realisticVision.safetensors）
• CLIPTextEncode×2：分别输入正向提示词（positive）和反向提示词（negative）
• KSampler：控制采样器类型、步数、CFG 值等
• EmptyLatentImage：生成初始潜空间噪声（替代旧版的 LatentNoise）
• VAEDecode：将潜空间图像解码为像素图像
• SaveImage：保存最终结果

注：新版 ComfyUI 中，“LatentNoise” 已被 “EmptyLatentImage” 取代，请注意命名差异。

步骤 2：连接节点形成完整流程

按照数据流动方向连接：

[CheckpointLoader] ──→ [CLIPTextEncode+] ↓ [KSampler] ←── [CLIPTextEncode-] ↑ [EmptyLatentImage] ↓ [VAEDecode] ──→ [SaveImage]

其中 KSampler 是中心节点，接收模型、提示词和噪声输入。

步骤 3：填写参数并生成

• 在CheckpointLoaderSimple中选择已下载的模型（需先放入models/checkpoints/）
• 在两个CLIPTextEncode节点中输入提示词，例如：
• 正向：a beautiful sunset over the mountains
• 反向：blurry, low quality, distortion
• 设置KSampler参数：steps=20, cfg=7, sampler=euler, scheduler=normal
• 点击顶部的“Queue Prompt”按钮

几秒到几十秒后（取决于硬件），你将在output/文件夹中看到生成的图片！

为了让 ComfyUI 更强大、更易用，以下几个后续动作非常值得投入时间。

1. 安装 ComfyUI Manager 插件（强烈推荐）

这是一个由社区开发的强大插件管理器，能让你像使用 Chrome 扩展一样一键安装各种自定义节点。

GitHub 地址：
👉 https://github.com/ltdrdata/ComfyUI-Manager

安装方法很简单：

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

重启 ComfyUI 后，界面上会出现一个新的“Manager”标签页，你可以在这里：

• 浏览和安装 ControlNet、IP-Adapter、Upscaler、Segmentation 等热门节点
• 查看节点文档和示例工作流
• 自动检测已安装插件的更新

再也不用手动去 GitHub 找.py文件复制粘贴了。

2. 整理模型存放路径

ComfyUI 对模型类型有明确的目录划分，务必按规范放置，否则无法识别：

推荐资源平台：

• Civitai：最大的开源模型社区，支持按 ComfyUI 分类筛选
• Hugging Face：搜索关键词comfyui workflow可找到许多高质量模板
• Pinterest：搜 “ComfyUI node setup” 能看到大量视觉化的工作流截图

3. 备份与分享你的工作流

ComfyUI 的最大优势之一就是工作流即资产。所有的节点连接都会被导出为.json文件，位于：

ComfyUI/web/

你可以：

• 将常用流程导出为 JSON，备份到云盘
• 提交到 Git 进行版本控制
• 发布到社区供他人复用
• 团队内部共享标准化生产模板

比如一个“带 ControlNet 线稿控制 + 局部重绘 + 超分放大”的全流程，只要保存一次，下次直接导入就能复现。

ComfyUI 的意义远不止是一个图像生成工具。它代表了一种新的 AI 使用范式：把 AI 当作可编程的组件，而不是不可控的魔法盒子。

通过节点式设计，我们终于可以清晰地看到每一步发生了什么，也能精准地修改任何一个环节。无论是做艺术创作、产品原型设计，还是搭建自动化内容生产线，ComfyUI 都提供了前所未有的灵活性和可靠性。

你现在拥有的不再只是一个软件，而是一个属于自己的本地化 AI 工作流操作系统。

下一步，你可以尝试：

• 导入社区高手分享的高级工作流（如动态分镜、角色一致性生成）
• 添加 ControlNet 实现线稿控制、深度图引导
• 使用 Latent Couple 节点实现上下半身分别生成
• 构建批处理流程，自动处理上百张图像

探索才刚刚开始。

📌实用资源汇总

• GitHub 主页：https://github.com/comfyanonymous/ComfyUI
• Discord 社区：https://discord.gg/comfyui（活跃度高，问题响应快）
• ComfyUI Manager：https://github.com/ltdrdata/ComfyUI-Manager
• 模型下载站：https://civitai.com（搜索时加上 “workflow” 更高效）

🚀 打开浏览器，输入http://127.0.0.1:8188，你的可视化 AI 旅程，现在正式启航。