ComfyUI 完全指南：从安装到第一个AI绘图工作流

导读

ComfyUI 是目前最强大的 AI 绘图工作流工具。与 Midjourney 或 Stable Diffusion WebUI 不同，ComfyUI 采用节点式工作流，你可以像搭积木一样自由组合模型加载、提示词编码、采样器、VAE解码等模块，实现完全可控的图像生成管道。

本文解决以下问题：

• ComfyUI 和 WebUI 有什么区别？选哪个？
• Windows / Linux / Mac 如何安装 ComfyUI（含NVIDIA GPU加速）
• 界面每个按钮是干什么的
• 第一个工作流：文生图（Text-to-Image）完整步骤
• 如何加载已有的工作流（JSON文件）
• 常见报错与解决

---

1. ComfyUI vs WebUI vs Midjourney：选哪个？

特性	ComfyUI	Automatic1111 WebUI	Midjourney
控制粒度	节点级，想搭什么搭什么	滑块级	提示词级
工作流可复用	✅ 保存/加载JSON	❌	❌
批量生成	✅ 强大，支持并行	一般	需付费
上手难度	高（但更强大）	低	低
硬件要求	中等（4GB显存可用）	中等	云端，无本地要求
自定义空间	无限	受限	无法自定义

结论： 如果你只是偶尔出图，WebUI 够用；如果你要做批量生产、自定义流程、批量海报，ComfyUI 是唯一选择。

---

2. 安装ComfyUI（Windows NVIDIA GPU）

2.1 前置条件

• 操作系统： Windows 10/11 64位
• 显卡： NVIDIA GPU，显存 ≥ 4GB（越大越好）
• 硬盘： 至少 30GB 可用空间（模型文件很大）
• Python： 预装（ComfyUI自带Portable版本）

2.2 安装步骤

步骤1：下载 ComfyUI 便携版

下载地址（官方GitHub）：

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

找到 ComfyUI_windows_portable_nvidia.7z 下载（约 500MB）。

如果你使用 AMD 显卡，下载 ComfyUI_windows_portable_amd.7z。
如果你没有强力独显，下载 CPU 版本虽然慢但能跑。

步骤2：解压到指定目录

## 假设解压到 D:\AI\ComfyUI 目录
## 解压后目录结构：
D:\AI\ComfyUI\
├── ComfyUI/
│   ├── main.py              # 主程序入口
│   ├── launch.py            # 启动脚本
│   ├── models/              # 模型存放目录
│   │   ├── checkpoints/     # 基础大模型（SDXL/SD1.5等）
│   │   ├── vae/             # VAE模型
│   │   └── controlnet/      # ControlNet模型
│   └── custom_nodes/        # 第三方节点插件
└── run_nvidia_gpu.bat       # NVIDIA GPU启动脚本

ComfyUI 本身不包含模型，需要自己下载。最常用的是 SD1.5 和 SDXL：

模型	适用场景	大小	推荐下载
v1-5-pruned-emaonly.safetensors	通用文生图，兼容性最好	3.9GB	✅
sd_xl_base_1.0.safetensors	高质量画作，1024×1024	6.5GB	✅
sd_xl_refiner_1.0.safetensors	SDXL细化器	6.5GB	可选

下载后将 .safetensors 文件放入：

D:\AI\ComfyUI\ComfyUI\models\checkpoints\

步骤4：运行 ComfyUI
双击 run_nvidia_gpu.bat，等待一会儿，你会看到类似输出：
[Server started] binding to prefix /prompt
Windows版本，已找到NVIDIA CUDA
VRAM: 8192 MB
自定义节点目录: ...\ComfyUI\custom_nodes\
然后打开浏览器访问：http://127.0.0.1:8188

3. 界面介绍
ComfyUI 界面主要分四个区域：
┌─────────────────────────────────────────────────────┐
│  Node Tree（节点树侧边栏）  │   Canvas（画布区域）   │
│                             │                       │
│  搜索节点名称找到对应模块   │   节点在这里连接成工作流│
│                             │                       │
├─────────────────────────────┴───────────────────────┤
│  Queue（生成队列）    │  Settings（设置）           │
└────────────────────────────────────────────────────┘
核心节点速查


节点名称
作用
常见参数


CheckpointLoaderSimple
加载基础大模型（SD1.5/SDXL等）
模型路径
CLIP Text Encode
把文字转成模型能理解的向量（正向/负向提示词各一个）
prompt文本
KSampler
真正的采样降噪过程，决定图像怎么生成
seed, steps, cfg, sampler, scheduler
VAEDecode
把潜空间数据解码成真实图片
节点输入
SaveImage
将图片保存到输出目录
无
LoadImage
加载本地图片
图片路径
ControlNet
使用 ControlNet 控制生成
控制图+预处理



4. 第一个工作流：文生图（详细步骤）
4.1 加载基础节点
在空白画布上，右键 → Add Node → Loader → Checkpoint Loader Simple
点击 ckpt_name 右侧的下拉框，选择你放入的模型（如 v1-5-pruned-emaonly.safetensors）。
4.2 添加提示词编码器
右键 → Add Node → Conditioning → CLIP Text Encode (Prompt)
这会把你的文字变成模型能理解的语言向量。

正向提示词（positive prompt）：你想让AI画什么
负向提示词（negative prompt）：你想让AI不要画什么

示例正向提示词：
1girl, detailed portrait, golden hour lighting, soft focus, cinematic, 8k, masterpiece
示例负向提示词：
low quality, worst quality, blurry, text, watermark, signature, deformed
4.3 添加采样器
右键 → Add Node → Sampling → KSampler
这是最核心的参数区：


参数
含义
推荐值（新手）


seed
随机种子，固定seed可以复现图
随机或固定
steps
采样步数，越多越精细但越慢
20~30
cfg
提示词引导强度，7左右最均衡
7
sampler_name
采样算法，影响生成风格
euler_a（快速多样）
scheduler
调度器，影响步间衰减
normal


4.4 添加解码和保存
右键 → Add Node → Image → VAE Decode
KSampler 输出的是"潜空间数据"，VAE Decode 将其解码成真实像素图片。
再添加一个保存节点：
右键 → Add Node → Image → Save Image
4.5 连接节点
用鼠标拖拽，依次连接：
CheckpointLoader → CLIP Text Encode (Positive) ──┐
                                                 ├── KSampler → VAEDecode → SaveImage
CheckpointLoader → CLIP Text Encode (Negative) ──┘
> 提示： CLIP Text Encode 的 conditioning 输出（不是 clip 输出）连接到 KSampler。
4.6 生成
点击右上角 Queue Prompt 按钮，右侧会显示进度。
生成完成后，图片自动显示在画布上，同时保存在：
D:\AI\ComfyUI\ComfyUI\output\

5. 工作流进阶：图生图（img2img）
图生图让AI在已有图片的基础上重新创作。
5.1 添加 LoadImage 节点
右键 → Add Node → Image → LoadImage
点击图片区域，上传一张本地图片。
5.2 添加 VAE Encode（使用已有图片的潜空间）
右键 → Add Node → Conditioning → VAE Encode
连接：LoadImage → VAE Encode → KSampler
这样 KSampler 就会在你提供的图片基础上"降噪"，而不是从纯噪声开始。
5.3 调整降噪强度（Denoise）
在 KSampler 上找到 denoise 参数（有些版本是 strength）：


值
效果


0.0
不改变原图（等于白做了）
0.3
小幅度修改，保持原图结构
0.5~0.7
中等改动，风格变化明显
0.8~1.0
几乎重画，保留构图


建议从 0.5 开始试，根据效果调整。

6. 加载别人的工作流
ComfyUI 最大的优势是工作流可分享。别人分享一个 JSON 文件，你导入后一键复现。
6.1 导入方法

方法A： 把 JSON 文件拖入浏览器窗口
方法B： 点击右上角 Load (⭐) 按钮，选择 JSON 文件

6.2 自动下载缺失模型
如果工作流用了你没下载的模型，ComfyUI 会提示：
models/checkpoints/xxx.safetensors not found. Download from: [链接]
点击提示中的链接下载，放入 models/checkpoints/ 目录后重试。
6.3 热门工作流分享网站


网站
特点


[ComfyWorkflows.com](https://comfhyworkflows.com)
最大工作流社区，免费
[Civitai](https://civitai.com)
模型+工作流，有评分
[OpenArt.ai](https://openart.ai)
Prompt逆向工程工具



7. 常见报错与解决
8.1 批量生成配置
在 KSampler 上设置 batch_size（如果有这个选项），或使用 Queue 队列：
## 在comfyui命令行中设置队列大小
python main.py --queue-size 10
8.2 模型管理技巧
别把所有模型都塞进 checkpoints 目录，使用模型路径映射：
在 ComfyUI\extra_model_paths.yaml 中配置：
## 共享其他WebUI的模型目录，避免重复下载
base_path: D:\AI\SD_WebUI
forks:
  SD WebUI:
    checkpoints: models/Stable-diffusion
    vae: models/VAE
8.3 使用 SDXL 的最低配置
SDXL 官方推荐配置：

显存：8GB+
步数20，1024×1024，约 30~60 秒/张（RTX 3070）

如果你是 4GB 显存老显卡，用 SD1.5 是更务实的选择。

总结
1. ComfyUI 核心逻辑： 节点 → 连线 → 生成，任何模块都可以替换
2. 安装关键： 下载正确版本的 portable 包 + 放入至少一个 .safetensors 模型
3. 上手路径： 先跑通文生图 → 再试图生图 → 最后导入别人工作流学习
4. 显存不够先别上 SDXL，SD1.5 够用且快
5. 工作流 JSON 很重要，养成每次调试成功后保存的习惯
> 下一篇预告：《用 ComfyUI + ControlNet 精准控制AI绘图的构图》