背景与痛点：为什么“把 LoRA 塞进 ComfyUI”总翻车
过去一年，社区里 90% 的 Flux.1 微调作品都以 LoRA 形式发布。ComfyUI 原生支持 SD1.5/SDXL 的 LoRA，但 Flux.1 的底层结构（双分支 DiT + 文本编码器 + VAE）把“路径硬编码”和“键名映射”两个老问题放大了：
- 官方节点只认
diffusers格式，而我们用peft或lycoris微调后得到的是.safetensors，键名前缀对不上，直接报KeyError: transformer.xxx。 - Flux.1 的 text_encoder 有两套权重（T5 + CLIP），LoRA 里只存了 T5 的 delta，ComfyUI 默认会把 CLIP 也送进 LoRA 层，结果维度不匹配，显存瞬间飙到 24 GB。
- 节点图一旦连错，ComfyUI 不会给出“哪一层”信息，只能盯着黑屏猜谜。
一句话：不是 ComfyUI 不支持，而是“支持得不够聪明”，需要我们在模型进节点之前把坑填平。
技术方案：三条路线，谁更适合 Flux.1
| 方案 | 原理 | 优点 | 缺点 |
|---|---|---|---|
| A. 直接替换节点 | 改comfy/lora.py的load_lora函数，把键名写死 | 零依赖，速度最快 | 每次升级 ComfyUI 都要重新 merge，维护地狱 |
| B. 外部脚本预处理 | 提前把 LoRA merge 进基础模型，生成flux-ft.safetensors | 节点图干净，推理省显存 | 文件体积 +17 GB，切换 LoRA 慢 |
| C. 运行时注入（推荐） | 在节点图里插入“LoRA 加载器”，动态 patch 权重 | 不碰源码，多 LoRA 即插即用 | 需要写 50 行胶水代码，但一次写完长期受益 |
下文围绕方案 C 展开，兼顾生产环境的灵活性。
实现细节：50 行胶水代码，把 LoRA 喂给 ComfyUI
1. 模型预处理——统一键名
Flux.1 官方 LoRA 键名以lora_unet_开头，ComfyUI 期望transformer.；同时要把alpha缩放值写进 metadata，方便后面动态读取。
# flux_lora_tool.py import safetensors, json, re def convert_keys(src_path, dst_path): with safetensors.safe_open(src_path, framework="pt") as f: meta = f.metadata() new_dict = {} for k in f.keys(): new_k = re.sub(r'^lora_unet_', 'transformer.', k) new_dict[new_k] = f.get_tensor(k) safetorch.save_file(new_dict, dst_path, metadata=meta)跑一遍：
python flux_lora_tool.py --src my_flux_lora.safetensors --dst comfy_flux_lora.safetensors2. 自定义节点——运行时 Patch
在custom_nodes/新建flux_lora_loader.py：
import torch, comfy.model_management as mm from comfy import utils from folder_paths import get_folder_paths class FluxLoRALoader: @classmethod def INPUT_TYPES(cls): return {"required": { "model": ("MODEL",), "lora_name": (utils.get_filename_list(get_folder_paths("loras")[0]),), "strength": ("FLOAT", {"default": 1.0, "min": -2.0, "max": 2.0, "step": 0.05}) }} RETURN_TYPES = ("MODEL",) FUNCTION = "load" CATEGORY = "flux" def load(self, model, lora_name, strength): lora_path = utils.get_full_path("loras", lora_name) # 1. 读权重 lora_sd = utils.load_torch_file(lora_path, safe_load=True) # 2. 只 patch transformer 部分 model_sd = model.model_state_dict() patched = 0 for k, v in lora_sd.items(): if k.startswith("transformer.") and k in model_sd: dtype = model_sd[k].dtype model_sd[k] += v.to(dtype) * strength patched += 1 if patched == 0: raise RuntimeError("No key matched, check key prefix!") # 3. 热加载回模型 model.load_state_dict(model_sd, strict=False) mm.soft_empty_cache() return (model,)注册节点（同一目录下__init__.py）：
from .flux_lora_loader import FluxLoRALoader NODE_CLASS_MAPPINGS = {"FluxLoRALoader": FluxLoRALoader}重启 ComfyUI，在节点面板就能搜到FluxLoRALoader，把transformer输出连回KSampler，完成。
3. 错误处理——让报错可读
- 键名对不上：在
load()里打印patched计数，等于 0 立即弹窗。 - 显存爆炸：用
mm.free_memory()在load()前后各跑一次，把上次残留的权重清掉。 - 版本漂移：在 metadata 里写
flux_version=1.0，节点加载时比对，不通过直接拒绝。
性能优化：让 24 GB 显存压到 16 GB
权重延迟加载
把load_torch_file的device="cpu"先读，再.to(model.device)，避免同时两份 GPU 拷贝。低秩分解二次压缩
如果 LoRA 秩 r=64，但实测 strength 0.6 就能满足效果，可用 SVD 把 r 压到 32，文件体积减半，加载时间 -VD 也减半。batch 预编译
ComfyUI 的model_management会在第一次推理时编译 CUDA kernel，导致首图 40 s，后续 4 s。把“空图 1×512×512”在后台先跑一步，正式出图时就能直接命中缓存。多 LoRA 切换
把基础模型权重存一份fp16副本，LoRA 始终fp16，切换时只做加法，不做类型转换，省去 30% 延迟。
避坑指南：Top5 血泪教训
- 路径里有中文空格：ComfyUI 的
utils.load_torch_file底层调ctypes.cdll.LoadLibrary，空格会导致OSError: [WinError 126]，一律英文+下划线。 - 把 LoRA 当 Embedding 用：有人直接把 LoRA 文件塞进
clip_vision目录，节点图不会报错，但效果等于没加载。 - 混用
peft格式：peft 保存的是adapter_config.json+ bin，ComfyUI 不认，一定导出成safetensors。 - 忘记关
xformers的mem_efficient_attention：Flux.1 的 DiT 在 30 系卡上会概率性 NaN，在启动参数加--disable-xformers可解。 - 升级后节点消失：ComfyUI 某次更新把
utils.get_filename_list接口改成异步，老节点会返回空列表，同步改成utils.get_filename_list_sync即可。
实践建议：生产环境 checklist
版本冻结
用git clone -b v0.3.7 https://github.com/comfyanonymous/ComfyUI.git锁定分支，升级前在测试环境跑 50 张图，指标一致再上线。模型缓存池
把“基础模型 + 高频 LoRA”提前 merge 成flux-common.safetensors，放在 RAM Disk，节点图里用ModelFromCache节点直接引用，减少 70% 冷启动。监控
在custom_nodes里插一段prometheus_client，暴露comfy_lora_load_seconds和comfy_vram_used_bytes，接入 Grafana，显存飙过 20 GB 自动短信告警。灰度回滚
每份 LoRA 上线前先在staging分组跑 100 张图，计算 CLIP-I 与人工评分，低于基线 2% 就自动回滚到旧模型。合规水印
用invisible-watermark给输出图写 LoRA ID，方便事后追溯。
写在最后
把 Flux.1 微调产物搬进 ComfyUI 并不神秘，核心就是“键名对齐 + 内存管理 + 节点封装”。照着上面的 50 行胶水代码，你能在 30 分钟内在自己的 ComfyUI 里跑通第一个自定义 LoRA。下一步不妨把强度曲线、多 LoRA 融合、动态秩压缩也玩起来，记得回来分享你的实测速度——咱们一起把“等图 5 分钟”卷到“秒出”。
