共计 2576 个字符，预计需要花费 7 分钟才能阅读完成。
ComfyUI 是什么？对于刚接触 AI 绘画的新手来说，ComfyUI 可能听起来有点复杂。简单来说，ComfyUI 是一个基于节点的 Stable Diffusion 图形界面工具，它用「积木拼接」的方式让用户搭建 AI 绘画工作流。相比传统的 WebUI，ComfyUI 更加灵活高效，适合想要精细控制 AI 出图过程的进阶用户。
本文是一份完整的 ComfyUI 配置入门教程，手把手教你从安装到搭建第一个工作流，零基础也能看懂。
ComfyUI 工作流是什么？
在 ComfyUI 中，工作流（Workflow）就是一系列功能节点的连接组合。每个节点负责一个功能，比如加载模型、输入提示词、设置采样参数等。节点之间用连线建立数据传递关系，最终输出成品图片。
这种可视化工作流的好处是： 每个环节都透明可控 。不像 Midjourney 那样只能给一个 Prompt 等结果，ComfyUI 允许你看到每一步的处理细节，随时调整中间环节的参数。
安装 ComfyUI 需要哪些配置要求？
| 配置项目 | 最低要求 | 推荐配置 |
|---|---|---|
| 操作系统 | Windows 10 / Ubuntu 20.04 | Windows 11 / Ubuntu 22.04 |
| 显卡 | NVIDIA GTX 1060 6GB | NVIDIA RTX 3060 12GB |
| 内存 | 16GB | 32GB |
| 硬盘空间 | 50GB SSD | 200GB SSD（用于模型文件） |
| Python 版本 | 3.10 | 3.10 / 3.11 |
如果你用的是 AMD 显卡或 Mac 电脑，也可以通过 DirectML 或 MPS 模式运行，但速度和兼容性不如 NVIDIA 卡。
第一步：下载安装 ComfyUI
打开 ComfyUI 的 GitHub 官方仓库，下载最新的版本压缩包。解压后双击 run_nvidia_gpu.bat（Windows）或运行 python main.py（Linux/Mac）。首次运行会自动下载基础的模型文件。启动后浏览器访问 http://127.0.0.1:8188 就能看到 ComfyUI 界面。
对于不想折腾本地安装的用户，也可以使用在线版本的 ComfyUI 云服务。但本地部署的好处是完全免费且没有使用次数限制。
第二步：理解 ComfyUI 的核心节点
一个最基本的 ComfyUI 工作流需要以下节点：
1. CheckpointLoaderSimple（加载模型）：选择你使用的 Stable Diffusion 主模型文件，比如 SDXL 或 SD 1.5 系列。
2. CLIPTextEncode（提示词编码）：分别输入正面提示词（positive prompt）和负面提示词（negative prompt）。
3. EmptyLatentImage（空白潜空间）：设置生成图片的宽高和批次数量。
4. KSampler（采样器）：核心生图节点，控制采样步数（steps）、CFG 缩放值、采样器和调度器类型。
5. VAEDecode（VAE 解码）：将潜空间数据解码为可视图片。
6. SaveImage（保存图片）：输出最终图片到指定文件夹。
数据来源：行业公开资料及合理估算
第三步：搭建你的第一个工作流
右键空白处选择「Add Node」或在搜索框输入节点名来添加节点。按以下顺序连接各节点：
连线顺序：
CheckpointLoaderSimple 的 MODEL → KSampler 的 model
CheckpointLoaderSimple 的 CLIP → 两个 CLIPTextEncode 的 clip
CLIPTextEncode (正面) → KSampler 的 positive
CLIPTextEncode (负面) → KSampler 的 negative
EmptyLatentImage → KSampler 的 latent_image
KSampler 的 LATENT → VAEDecode 的 samples
CheckpointLoaderSimple 的 VAE → VAEDecode 的 vae
VAEDecode 的 IMAGE → SaveImage 的 images
连接完成后，填入你的提示词，点击右侧面板的「Queue Prompt」按钮，不出 30 秒就能看到你的第一张 ComfyUI 作品。
常用进阶节点推荐
ControlNet 节点 ：配合预处理器（Preprocessor），可以用线稿、深度图、姿态图等控制出图结构。使用方法：加载 ControlNet 模型 → 预处理图片 → 将控制条件传入 KSampler。
LoRA 加载节点 ：轻量级微调模型，可以在不换主模型的前提下改变画风或人物。搭配 LoraLoaderModelOnly 节点使用。
IPAdapter 节点 ：实现图生图的更强方案，支持用参考图片控制风格和内容。
Upscale Image 节点 ：放大图片分辨率，配合 Ultimate SD Upscale 工作流可实现高清放大。
哪里可以找到现成的工作流？
如果不想自己搭，可以直接从以下网站导入别人做好的 ComfyUI 工作流：
1. Civitai：最大的 AI 绘画模型社区，很多作者会附带工作流 JSON 文件。
2. OpenArt：提供大量 ComfyUI 工作流模板，分类清晰。
3. ComfyUI Workflow 官方示例 ：GitHub 仓库自带几个基础工作流示例，适合入门。
4. B 站和 YouTube：搜索「ComfyUI 工作流下载」，很多 UP 主提供免费资源。
导入方法：把工作流 JSON 图片拖入 ComfyUI 界面即可。
常见问题
问：ComfyUI 和 WebUI 哪个好？
两者各有优势。WebUI 开箱即用，插件丰富，适合新手。ComfyUI 更灵活，工作流可复现，适合追求效率的进阶用户。很多专业用户会两个一起用。
问：ComfyUI 跑图速度慢怎么办？
检查是否开启了 xformers 优化（启动参数加 --xformers），确认使用了正确的 GPU（启动参数加 --cuda-device 0），降低图片分辨率或换更轻量的模型。
问：ComfyUI 报错节点缺失怎么办？
ComfyUI 的很多功能依赖自定义节点。推荐安装 ComfyUI Manager 插件，可以一键搜索安装缺失节点。注意保持 ComfyUI 及其插件版本同步更新。
数据来源：行业公开资料及合理估算
总结
ComfyUI 工作流的学习曲线确实比 WebUI 陡峭一些，但一旦掌握，你会发现它带来的灵活性和效率是其他工具无法比拟的。关键是别被节点图吓到，从一个最简单的文生图工作流开始，逐步添加 ControlNet、LoRA 等进阶节点。记住：每个节点只做一件事，连起来就是无限可能。
