企业官网建设流程全解析

最近在尝试本地部署 Stable Diffusion 的 ComfyUI 时，发现很多教程要么版本过时，要么步骤零散，特别是插件安装和环境配置环节，新手很容易卡在依赖冲突或路径错误上。为了让大家能一次性跑通，我结合最新的 ComfyUI v0.30.0 版本和秋叶大佬的整合包，整理了一份从零开始的保姆级安装与配置指南。无论你是刚接触 AI 绘画的新手，还是想从 WebUI 迁移过来的老玩家，都能跟着本文一步步搭建起一个功能完整、插件丰富的 ComfyUI 工作环境，效率直接拉满。

1. ComfyUI 是什么？为什么选择它？

在深入安装步骤之前，我们有必要先搞清楚 ComfyUI 到底是什么，以及它为何在众多 Stable Diffusion 前端中脱颖而出。

1.1 核心概念：节点式工作流引擎

ComfyUI 是一个基于节点的图形化界面，用于构建和运行 Stable Diffusion 模型的工作流。与 Automatic1111 的 WebUI 那种“一键生成”的交互方式不同，ComfyUI 将图像生成的每一步——如加载模型、编写提示词、采样、后期处理——都抽象成一个个可连接的“节点”（Node）。用户通过拖拽和连接这些节点，像搭积木一样构建出完整的图像生成流水线。

这种设计带来了几个核心优势：

• 极高的灵活性与可控性：你可以精确控制生成流程的每一个环节，例如在潜空间中对特定区域进行精细化操作，或者将多个 ControlNet 以复杂的方式串联使用。
• 可视化的工作流：整个生成过程以流程图的形式呈现，逻辑清晰，便于理解、调试和分享。你可以保存一个.json或.png文件，就完整记录了所有参数和节点连接关系。
• 出色的内存管理：ComfyUI 在执行工作流时，会智能地释放已计算完毕的中间变量所占用的显存，这使得它在生成高分辨率图像或运行复杂工作流时，往往比传统 WebUI 更节省资源，对硬件更友好。
• 强大的扩展性：通过安装自定义节点（插件），你可以无限扩展 ComfyUI 的功能，从简单的图像处理到复杂的逻辑判断，几乎无所不能。

1.2 与 WebUI 的对比及适用场景

对于习惯了 WebUI 的用户，切换到 ComfyUI 初期可能会觉得有些复杂。但一旦掌握，你将获得前所未有的控制力。

• WebUI (Automatic1111)：优点在于上手快，界面直观，功能集成度高，适合快速出图、体验新模型和新功能。缺点是“黑盒”程度较高，对复杂工作流的支持有限，内存优化一般。
• ComfyUI：优点在于工作流透明、可定制性强、内存效率高、适合复现和自动化。缺点是需要一定的学习成本，界面不如 WebUI 直观。

那么，谁更适合使用 ComfyUI？

1. 进阶玩家和研究者：希望深入理解 Stable Diffusion 原理，并对生成过程进行极致控制。
2. 工作流固定者：有自己一套成熟的、可复用的图像生成流程，希望将其固化下来，一键运行。
3. 硬件资源受限者：在显存有限的情况下，希望生成更大尺寸或更复杂的图像。
4. 自动化需求者：需要将图像生成流程嵌入到更大的自动化脚本或应用中。

理解了 ComfyUI 的价值，接下来我们就开始实战，打造你的专属工作台。

2. 环境准备与安装方案选择

在开始安装前，请确认你的电脑环境。ComfyUI 主要支持Windows、Linux和macOS。本文将以Windows 11为例进行演示，其他系统原理相通，部分命令需要调整。

2.1 硬件与软件基础要求

• 操作系统：Windows 10/11 64位，或 Linux/macOS 的现代版本。
• Python：ComfyUI 基于 Python。我们将使用整合包，它通常内置了 Python，无需单独安装。但如果你计划从源码安装，则需要 Python 3.10 或 3.11。
• 显卡：强烈推荐 NVIDIA 显卡，并安装最新版的显卡驱动。ComfyUI 对 NVIDIA CUDA 的支持最好。AMD 显卡（通过 DirectML 或 ROCm）和苹果 M 系列芯片（通过 MPS）也可运行，但配置更复杂，性能可能不及 NVIDIA。
• 显存：至少 4GB。要流畅运行主流大模型（如 SDXL），建议 8GB 或以上。显存越大，能处理的图像分辨率越高，工作流也越复杂。
• 磁盘空间：至少预留 15-20GB 空间，用于存放 ComfyUI 本体、基础模型（如 SD1.5, SDXL）以及插件。

2.2 安装方案对比：源码 vs 整合包

对于绝大多数用户，特别是新手，我强烈推荐使用整合包。它解决了环境配置、依赖安装等所有麻烦事，真正做到开箱即用。

鉴于整合包的巨大便利性，本文将核心围绕秋叶大佬制作的 ComfyUI 整合包展开。这个整合包在国内社区口碑极佳，更新及时，预装了许多实用插件和模型，是入门和高效使用的绝佳选择。

3. 保姆级安装教程：使用秋叶 ComfyUI 整合包

让我们开始最核心的安装部分。请严格按照步骤操作。

3.1 第一步：下载整合包

1. 访问可靠的资源发布页面（例如秋叶的B站动态、AI绘画社区的分享帖等，请注意辨别来源安全性）。搜索关键词如“秋叶 ComfyUI 整合包”、“ComfyUI 一键启动包”等。
2. 下载最新的整合包压缩文件。通常文件名类似ComfyUI_windows_portable_vX.X.X.7z，其中包含版本号和日期。
3. 将下载好的.7z或.zip文件，解压到你电脑上空间充足且路径不含中文和特殊字符的目录。例如：D:\AI\ComfyUI。路径中绝对不能有中文！这是很多后续问题的根源。

3.2 第二步：启动与初步配置

解压后，目录结构大致如下：

ComfyUI_windows_portable/ ├── ComfyUI/ # ComfyUI 主程序目录 ├── python_embeded/ # 内置的 Python 环境 ├── update/ # 更新脚本 ├── 启动器.exe # **最重要的启动器** └── 其他说明文件...

1. 运行启动器：双击根目录下的启动器.exe。首次运行可能会提示安装 VC 运行库，请点击“是”或“安装”即可。
2. 启动器界面：启动器打开后，你会看到一个功能界面。这里是我们进行所有高级配置的入口。
3. 一键启动：在启动器界面上，直接点击“一键启动”按钮。
4. 等待启动：首次启动时间会稍长，因为需要初始化环境。命令行窗口会滚动大量日志。当看到类似“To see the GUI go to: http://127.0.0.1:8188”的提示时，说明启动成功。
5. 访问 Web 界面：打开你的浏览器（Chrome/Firefox/Edge等），在地址栏输入http://127.0.0.1:8188，即可看到 ComfyUI 的节点式操作界面。

恭喜！至此，ComfyUI 的核心部分已经安装并运行成功。你现在已经拥有了一个可以运行基础工作流的 ComfyUI 环境。

3.3 第三步：安装与配置基础模型

一个空的 ComfyUI 是无法生成图像的，它需要“大脑”——即 Stable Diffusion 模型（checkpoint）。整合包可能预置了一些小模型，但我们需要放入自己常用的大模型。

1. 找到模型目录：回到你的 ComfyUI 解压目录，进入ComfyUI\models\checkpoints\。这个文件夹就是存放大模型的地方。
2. 放入模型文件：将你从网上下载的.safetensors或.ckpt格式的模型文件（例如sd_xl_base_1.0.safetensors）复制到这个checkpoints文件夹内。
3. 刷新 ComfyUI：回到浏览器中的 ComfyUI 界面，点击右侧的“Refresh”按钮。然后，在节点搜索框中拖动一个“Load Checkpoint”节点到画布，点击该节点的模型下拉菜单，你应该能看到你刚刚放入的模型名称了。

同样地，其他类型的模型也需要放入对应的文件夹：

• VAE 模型：放入ComfyUI\models\vae\
• Lora 模型：放入ComfyUI\models\loras\
• ControlNet 模型：放入ComfyUI\models\controlnet\
• Embeddings (Textual Inversion)：放入ComfyUI\models\embeddings\

组织好模型文件，是高效使用 ComfyUI 的第一步。

4. 核心插件安装与管理

ComfyUI 的强大，一半在于其丰富的插件生态（自定义节点）。整合包已经预装了许多热门插件，但我们总会需要安装新的。

4.1 通过启动器安装（推荐给所有用户）

这是最安全、最方便的方式，能自动处理依赖。

1. 在 ComfyUI 启动器界面，找到“扩展（插件）”或“自定义节点”管理页面。
2. 这里通常会有一个列表或搜索框。你可以搜索想要的插件名称，例如“ComfyUI-Manager”（这是一个插件管理器，必装！）。
3. 找到插件后，点击“安装”或“启用”按钮。启动器会自动从 GitHub 等源克隆插件到正确目录。
4. 安装完成后，完全关闭 ComfyUI 的服务端和启动器，然后重新启动。新插件才会被加载。

4.2 通过 ComfyUI Manager 安装（进阶方式）

如果你已经通过启动器或手动方式安装了ComfyUI-Manager，那么可以在 Web 界面内直接管理插件。

1. 启动 ComfyUI 并打开浏览器界面。
2. 你应该能在右侧看到多出一个“Manager”按钮，点击它。
3. 在 Manager 界面，切换到“Install Custom Nodes”标签页。
4. 在搜索框输入插件名或 Git 仓库地址（如https://github.com/ltdrdata/ComfyUI-Manager），点击 Install。
5. 安装后，同样需要重启 ComfyUI。

4.3 手动安装插件（适用于特定情况）

当插件不在 Manager 列表，或你需要安装离线包时，使用此方法。

1. 找到插件目录：进入ComfyUI\custom_nodes\。每个插件都是一个独立的文件夹。
2. 克隆或复制：
   • 在线：在该目录下打开命令行（或 Git Bash），执行git clone <插件仓库地址>。
   • 离线：将下载好的插件文件夹解压，直接复制到custom_nodes目录下。
3. 安装依赖：许多插件需要额外的 Python 库。查看插件文件夹内是否有requirements.txt文件。如果有，需要在 ComfyUI 的 Python 环境中安装它们。对于整合包用户，最稳妥的方式是使用启动器提供的“依赖安装”功能，或者按照插件作者的说明操作。
4. 重启生效：关闭并重新启动 ComfyUI。

4.4 必装插件推荐

• ComfyUI-Manager：插件管理器，本身也是一个插件，是安装和管理其他插件的基础工具。
• ComfyUI-Impact-Pack：功能极其强大的综合工具包，包含大量实用节点，如细节修复、人脸修复、分段、检测器等。
• ComfyUI-Advanced-ControlNet：提供更高级、更稳定的 ControlNet 节点。
• WAS Node Suite：另一套非常流行的多功能节点集合，包含图像处理、文本工具、逻辑判断等。
• Efficiency Nodes：提供能提升生成速度、优化工作流结构的节点。

安装好插件后，重启 ComfyUI，在节点搜索框中输入插件名称的关键词，就能找到新节点并使用它们了。

5. 你的第一个 ComfyUI 工作流

理论说了这么多，我们来动手搭建一个最简单的文生图工作流，感受一下节点操作的逻辑。

5.1 清空画布与添加核心节点

1. 在 ComfyUI 界面，按Ctrl+A全选所有默认节点（如果有的话），然后按Delete键清空画布。
2. 在画布空白处右键，选择“Add Node”，或者直接开始用鼠标滚轮上方的搜索框。
3. 我们依次添加以下节点（可以通过搜索快速定位）：
   • Load Checkpoint：位于“loading”分类下。用于加载大模型。
   • CLIP Text Encode (Prompt)：位于“conditioning”分类下。需要添加两个，一个用于正向提示词（prompt），一个用于负向提示词（negative prompt）。
   • KSampler：位于“sampling”分类下。这是核心采样器。
   • VAE Decode：位于“latent”分类下。将采样后的潜空间数据解码为图像。
   • Save Image：位于“image”分类下。保存生成的图片。

5.2 连接节点

现在，像连接电路图一样，用鼠标从一个节点的输出点（小圆点）拖动到另一个节点的输入点。

1. 连接Load Checkpoint的：
   • MODEL输出 →KSampler的model输入。
   • CLIP输出 → 两个CLIP Text Encode节点的clip输入。
   • VAE输出 →VAE Decode的vae输入。
2. 连接CLIP Text Encode (Prompt)的CONDITIONING输出 →KSampler的positive输入。
3. 连接另一个CLIP Text Encode (Negative Prompt)的CONDITIONING输出 →KSampler的negative输入。
4. 连接KSampler的LATENT输出 →VAE Decode的samples输入。
5. 连接VAE Decode的IMAGE输出 →Save Image的images输入。

5.3 配置参数并生成

1. 点击Load Checkpoint节点，在右侧属性栏选择你放入的模型。
2. 在两个CLIP Text Encode节点中，分别输入你的正向和负向提示词。
3. 配置KSampler节点：
   • steps：采样步数，例如 20。
   • cfg：提示词相关性，例如 7。
   • sampler_name：选择采样器，如euler。
   • scheduler：选择调度器，如normal。
   • seed：随机种子，可以固定一个数字以便复现。
4. 点击右下角巨大的“Queue Prompt”按钮。
5. 等待右侧历史记录区域出现图片，点击即可预览，图片会自动保存到ComfyUI\output\目录。

至此，你完成了第一个手动搭建的工作流！虽然简单，但你已经理解了数据（模型、提示词、潜变量、图像）在节点间流动的基本逻辑。

6. 常见问题与故障排查

安装和使用过程中，难免会遇到问题。这里汇总一些高频问题及其解决方案。

6.1 启动与运行问题

6.2 模型与插件问题

6.3 性能优化问题

• 生成速度慢：在启动器高级选项中，尝试勾选“使用 xformers”或“使用 --force-fp16”。确保显卡驱动为最新。
• 图片保存失败：检查ComfyUI\output\目录是否有写入权限。不要将该目录设置为只读或放在系统保护目录（如桌面、文档）。
• 工作流混乱难以管理：善用Ctrl+S保存工作流（.json），Ctrl+Shift+S保存工作流为图片（.png，包含所有元数据）。使用Ctrl+F搜索节点，Ctrl+鼠标滚轮缩放画布。

7. 最佳实践与进阶技巧

当你熟悉基础操作后，下面这些实践能让你的 ComfyUI 体验更上一层楼。

7.1 工作流管理与分享

• 模块化设计：将常用的、功能固定的节点组（例如一个完整的面部修复流程）选中后，按Ctrl+C复制，然后在其他位置Ctrl+V粘贴，可以快速复用。更进一步，可以使用“Add Group”功能将一组节点打包，形成自定义的“超级节点”。
• 导入/导出：你可以将网上分享的工作流图片（.png）直接拖入 ComfyUI 画布，它会自动解析并重建节点！这是学习和分享工作流的绝佳方式。同样，导出带元数据的 PNG 也能让他人一键复现你的成果。
• 文件结构：在ComfyUI目录外，单独建立一个文件夹管理你的工作流文件（.json），并按主题分类，便于长期维护。

7.2 性能与稳定性

• 使用 --lowvram 模式：如果你的显存小于 6GB，务必在启动器设置中启用此模式。它会以时间换空间，大幅降低显存峰值占用。
• 定期清理输出：output文件夹会积累大量图片，定期清理可以节省磁盘空间。可以在Save Image节点中自定义子文件夹和文件名规则，方便管理。
• 备份关键配置：备份ComfyUI\custom_nodes\下你不可或缺的插件文件夹，以及你精心调整过的工作流.json文件。重装系统或整合包时可以快速恢复。

7.3 探索与学习

• 从模仿开始：GitHub、Civitai、YouTube 上有大量优秀的开源工作流。下载并导入它们，观察节点是如何连接的，这是最快的学习路径。
• 理解数据流：时刻关注节点之间连接的数据类型（线缆的颜色）。例如，MODEL,CLIP,CONDITIONING,LATENT,IMAGE是几种最重要的类型。连接类型不匹配是常见的错误。
• 善用社区：遇到棘手问题时，将错误日志的关键部分截图，在相关论坛或社群提问。描述清楚你的操作步骤、ComfyUI版本、插件情况，能更快获得帮助。

ComfyUI 就像一套功能强大的乐高积木，入门时或许会觉得零件繁多、无从下手，但一旦掌握了拼接的逻辑，你将能构建出远超常规工具的、高度定制化的AI图像生成流水线。从今天起，尝试用节点思维去拆解你的每一次生成需求，你会发现一片更广阔、更可控的创意天地。