ComfyUI 部署与工作流

ComfyUI 是基于 Stable Diffusion 的节点式 AI 绘画工具，以灵活、可控著称：每个处理步骤都是一个节点，连线即可搭建复杂生成流程，是专业 AI 绘画的首选。

ComfyUI

一、环境要求

  • GPU：NVIDIA 显卡，显存 ≥ 8GB（推荐 12GB+）

  • 系统：Windows / Linux / macOS

  • Python：3.10+（自带环境）

二、安装部署

方式一：一键整合包（推荐新手）

下载秋叶/星空等社区整合包，解压即用，自带模型与环境。

方式二：源码部署

1
git clone https://github.com/comfyanonymous/ComfyUI.gitcd ComfyUI# 创建虚拟环境python -m venv venvsource venv/bin/activate# 安装依赖pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121pip install -r requirements.txt# 启动python main.py

访问 http://127.0.0.1:8188 进入界面。

三、放置模型

1
ComfyUI/models/├── checkpoints/ # 主模型（SD1.5 / SDXL / Flux）├── loras/ # LoRA 微调模型├── vae/ # VAE 模型├── controlnet/ # ControlNet 控制模型└── upscale_models/ # 放大模型

推荐下载：

  • SDXL 主模型：sdxl_base_1.0.safetensors（约 7GB）

  • Flux.1：新一代开源模型，画质更强（约 12GB）

  • 常用 LoRA：写实、二次元风格包

四、第一个工作流

  • 双击画布空白处 → 搜索节点： Load Checkpoint（加载模型）

  • CLIP Text Encode（正向/负向提示词）

  • KSampler（采样器）

  • VAE Decode + Save Image（解码保存）

  • 连线顺序：
1
Checkpoint ──┬─> CLIP Text Encode(正向) ──> KSampler ──> VAE Decode ──> Save Image ├─> CLIP Text Encode(负向) ──> KSampler └─> Latent Image ──> KSampler
  • 填写提示词，点击「Queue Prompt」生成

工作流画布

五、提升出图质量的关键参数

参数 推荐值 说明
Steps 20~30 采样步数，过高浪费时间
CFG 5~7 提示词遵循度，过高会过曝
Sampler Euler a / DPM++ 2M 常用采样器
Resolution 1024×1024 (SDXL) 直接出大图更清晰
Seed 固定/随机 固定可复现同一张图

六、常用扩展

1
# 常用插件（在 custom_nodes 目录下 clone）git clone https://github.com/ltdrdata/ComfyUI-Manager.git # 管理器git clone https://github.com/cubiq/ComfyUI_IPAdapter_plus.git # 参考图git clone https://github.com/Fannovel16/comfyui_controlnet_aux.git # ControlNet

  • ComfyUI-Manager：一键安装/更新所有插件

  • ControlNet：用线稿/姿态图精确控制构图

  • IPAdapter：参考任意图片风格生成

七、性能优化技巧

  • 启用 xformers：python main.py --xformers（显存占用降低 30%+）

  • 低显存模式：--lowvram 或 --medvram

  • SDXL 加速：使用 Turbo/Lightning 蒸馏模型，4 步出图

  • 批量出图：KSampler 的 batch_size 调高，一次生成多张

小结

ComfyUI 的上手曲线比 WebUI 陡，但可控性和扩展性远超后者。掌握节点连线思维后，你就能搭建「文生图→放大→换脸→后期」的完整流水线，甚至把工作流导出分享赚钱。

延伸阅读：