ComfyUI 超详细入门教程：从下载安装到工作流实战

AI 绘画这几年发展非常快，很多人接触最多的是 Stable Diffusion WebUI，但如果你想真正理解 AI 绘画的运行逻辑、搭建复杂工作流，甚至做视频、换脸、角色一致性生成，那么 ComfyUI 基本是绕不开的工具。

这篇文章会从 ComfyUI 是什么、下载安装、界面介绍、基础工作流、模型加载、插件安装、常见问题 等方面，带你完整入门。

一、ComfyUI 是什么？

ComfyUI 是一个基于 节点（Node）工作流 的 Stable Diffusion 图形界面。

简单来说：

普通 WebUI：

你填参数 → 点生成 → 出图

ComfyUI：

你自己搭建 AI 生成流程 → 控制每一步 → 出图

它有点像：

  • Blender 节点

  • UE 蓝图

  • Photoshop 图层逻辑

所以很多人第一次打开会觉得：

这啥？怎么全是方块？

但实际上，一旦学会，你会发现它比传统 WebUI 强太多。

ComfyUI 的优势：

1、工作流可视化

整个 AI 绘图过程全部可见。

例如：

  • 模型加载

  • 提示词

  • 采样

  • 放大

  • 面部修复

  • ControlNet

  • 视频生成

全部通过节点连接。

2、资源占用更友好

很多用户实测：

ComfyUI：

  • 显存利用率更高

  • 崩溃率较低

  • 大模型运行更稳定

尤其是：

  • SDXL

  • Flux

  • 视频工作流

优势更明显。

3、插件生态非常强

现在很多 AI 新技术：

  • Flux 工作流

  • 视频生成

  • 换脸

  • IPAdapter

  • InstantID

  • AnimateDiff

基本都会优先适配 ComfyUI。

所以不少人会说：

WebUI 是用 AI 画图
ComfyUI 是玩 AI 生产线

二、ComfyUI 下载与安装

目前常见有两种方式。

方法一：Windows 整合包（推荐新手）

最简单。

特点：

  • 解压即用

  • 自带 Python

  • 不需要配环境

步骤：

第一步：下载 ComfyUI

下载官方版或整合包。

解压后目录一般如下：

ComfyUI
├─ models
├─ custom_nodes
├─ output
├─ input
├─ ComfyUI_windows_portable

第二步：启动

进入：

ComfyUI_windows_portable

双击：

run_nvidia_gpu.bat

如果是：

  • NVIDIA 显卡 → run_nvidia_gpu

  • CPU → run_cpu

启动后会出现：

Running on local URL:
http://127.0.0.1:8188

浏览器打开即可。

方法二：Python 环境安装

适合：

  • Linux

  • 服务器

  • Docker

  • 自定义环境

先安装：

Python 3.10+
Git

然后：

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

进入目录：

cd ComfyUI

安装依赖：

pip install -r requirements.txt

运行：

python main.py

三、ComfyUI 界面认识

第一次打开，一般长这样：

左边：

节点区

右边：

生成结果

底部：

队列和状态

主要区域：

Node 节点区

核心区域。

所有工作流都在这里搭建。

Queue Prompt

生成按钮。

相当于：

开始绘图

Save

保存工作流。

格式：

json

以后可以直接导入。

Load

加载工作流。

很多大神分享的：

工作流文件

其实就是：

json

四、ComfyUI 基础工作流原理

先理解核心逻辑。

AI 出图其实就是：

模型 + 提示词 + 采样器 + 解码

最基础工作流：

Checkpoint → Prompt → KSampler → VAE → Save Image

也就是：

  1. 加载模型

  2. 输入提示词

  3. 采样生成

  4. 解码图片

  5. 保存结果

这是理解 ComfyUI 的关键。

五、创建第一个工作流

下面做一个最简单的。

右键空白区域：

Add Node。

添加以下节点。

1、Checkpoint Loader

作用：

加载模型。

例如：

anything
SDXL
Flux

模型位置：

models/checkpoints

2、CLIP Text Encode

两个。

分别：

  • 正向提示词

  • 反向提示词

正向：

best quality, girl

反向：

low quality, blur

3、KSampler

核心采样节点。

作用：

真正生成图片。

重要参数：

参数

作用

Steps

迭代次数

CFG

提示词权重

Sampler

采样算法

Seed

随机种子

推荐：

Steps：

20~30

CFG：

5~8

4、VAE Decode

作用：

潜空间转图片。

不接它：

看不到图。

5、Save Image

输出图片。

默认保存：

output

目录。

连接后：

点击：

Queue Prompt

即可生成第一张图。

六、模型怎么放？

很多新手不知道。

ComfyUI 模型都放：

models

里面。

常见目录：

Checkpoints

大模型：

models/checkpoints

例如：

  • SD1.5

  • SDXL

  • Flux

LoRA

角色风格模型：

models/loras

ControlNet

控制模型：

models/controlnet

VAE

解码模型：

models/vae

放进去后：

刷新即可识别。

七、ComfyUI Manager 插件安装

这个插件几乎必装。

作用：

  • 一键装插件

  • 自动补依赖

  • 管理节点

安装方法：

进入：

custom_nodes

执行：

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

重启。

然后菜单会出现：

Manager

之后安装插件就简单很多。

八、常用插件推荐

新手建议：

先装这些。

1、Impact Pack

功能：

  • 检测

  • 分割

  • 放大

  • 面部处理

万能包。

2、IPAdapter Plus

参考图生成。

例如：

按照某人物风格出图

很常用。

3、AnimateDiff

AI 动画。

支持：

  • 图转视频

  • 动画生成

4、Efficiency Nodes

简化节点。

让工作流更整洁。

九、为什么很多工作流导入后报错？

常见原因：

1、缺插件

最常见。

提示：

Missing Node Types

说明：

没有安装对应插件。

Manager 一键补。

2、模型路径错误

工作流引用：

  • checkpoint

  • lora

  • controlnet

本地没有。

需要：

手动下载。

3、显存不足

报：

CUDA out of memory

解决：

  • 降分辨率

  • 降 Batch

  • 使用低显存模式

十、ComfyUI 值得学吗？

我的看法是：

如果只是：

  • 偶尔出图

  • 玩二次元图

WebUI 足够。

但如果你想：

  • 玩 AI 工作流

  • 做复杂生成

  • 学习 AI 图像流程

  • 做视频或自动化

ComfyUI 迟早都要学。

因为它不是简单的“绘图工具”，而更像一个：

AI 图像工作流平台。

很多新技术，往往也是先在 ComfyUI 上出现。

结语

ComfyUI 一开始确实有学习门槛，但理解节点逻辑后，你会发现它的自由度远高于传统 WebUI。

建议新手：

不要一上来就导入几十个节点的大工作流。

先学会：

  • 模型加载

  • Prompt

  • KSampler

  • 基础出图

再慢慢进阶：

  • LoRA

  • ControlNet

  • 视频

  • Flux

  • 自动化工作流

这样会轻松很多。