1. 本地部署ComfyUI：从零开始的完整指南

作为一名长期从事AI内容创作的开发者，我最近在尝试了多种AI绘图工具后，发现ComfyUI以其高度模块化和可控性强的特点脱颖而出。与Stable Diffusion WebUI相比，ComfyUI的工作流更加透明，能够精确控制每一个生成步骤，这对于追求精细创作效果的用户来说尤为重要。本文将分享我在Windows系统上部署ComfyUI的完整过程，包括那些官方文档没有提及的"坑"和优化技巧。

ComfyUI是一个基于节点的工作流界面，它允许用户通过连接不同的处理模块来构建复杂的AI图像生成流程。这种设计理念使得它比传统的WebUI更加灵活，但同时也带来了更高的学习门槛。在开始部署前，我们需要明确几个关键点：ComfyUI完全免费开源，支持多种Stable Diffusion模型，并且对硬件配置有一定要求。

2. 部署前的系统准备

2.1 硬件与系统要求

在开始安装前，确保你的系统满足以下最低要求：

  • 操作系统：Windows 10/11 64位（实测Win7存在兼容性问题）
  • 显卡：NVIDIA显卡，显存≥8GB（6GB显存可运行但需调低参数）
  • 存储空间：至少50GB可用空间（模型文件通常很大）
  • 内存：16GB及以上（处理高分辨率图像时更流畅）

注意：AMD显卡用户理论上可以通过ROCm支持运行，但配置过程复杂且性能可能不如NVIDIA显卡稳定。如果你主要使用AMD硬件，建议考虑其他兼容性更好的方案。

2.2 必要软件准备

在安装ComfyUI前，需要先准备好以下基础软件：

  1. Miniconda：轻量级的Python环境管理工具
  2. Git：用于从GitHub克隆ComfyUI仓库
  3. 合适的代码编辑器（如VSCode），非必须但推荐

特别提醒：安装路径中不要包含中文或空格，这可能导致后续依赖安装失败。我推荐使用类似 D:\AI_Projects\ComfyUI 这样的路径。

3. 详细安装步骤

3.1 Miniconda的安装与配置

Miniconda是管理Python环境的理想工具，以下是详细安装步骤：

  1. 从 Miniconda官网 下载Windows 64位安装包
  2. 运行安装程序时，在"Advanced Installation Options"界面：
    • 勾选"Add Miniconda3 to my PATH environment variable"
    • 选择"Register Miniconda3 as my default Python 3.x"
  3. 安装路径建议选择非系统盘（如D:\Miniconda3），避免占用C盘空间
  4. 安装完成后，重启终端并验证安装： 
    conda --version
    应显示类似 conda 24.5.0 的版本信息

避坑提示：虽然系统会警告不要将conda加入PATH，但实际测试表明勾选此选项更方便日常使用，且不会引起冲突。如果不勾选，后续每次使用conda命令都需要通过开始菜单的"Anaconda Prompt"来操作。

3.2 创建Python虚拟环境

为ComfyUI创建独立的Python环境可以避免依赖冲突：

  1. 打开终端（CMD或PowerShell）

  2. 创建并激活新环境：

    conda create -n comfyui python=3.10 -y
conda activate comfyui

    这里使用Python 3.10而非最新版本，因为某些依赖对3.11+支持不够完善

  3. 验证环境是否激活成功：终端提示符前应显示 (comfyui) 环境名称

3.3 克隆ComfyUI仓库

  1. 创建项目目录并进入： 
    mkdir D:\AI_Projects\ComfyUI
cd D:\AI_Projects\ComfyUI
  2. 克隆官方仓库： 
    git clone https://github.com/comfyanonymous/ComfyUI.git
    如果遇到网络问题，可以使用国内镜像： 
    git clone https://gitee.com/mirrors/ComfyUI.git

3.4 安装依赖项

进入ComfyUI目录安装必要依赖：

  1. 首先安装PyTorch（根据显卡选择对应命令）：

    • NVIDIA显卡（CUDA）： 
      pip install torch torchvision torchaudio xformers --index-url https://download.pytorch.org/whl/cu118
    • 仅CPU： 
      pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

  2. 安装其他依赖：

    pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

性能提示：xformers能显著提升生成速度并降低显存占用，NVIDIA显卡用户务必安装。如果安装失败，可以尝试先安装基础版本再单独安装xformers。

4. 模型文件准备与管理

4.1 下载基础模型

ComfyUI需要Stable Diffusion模型文件才能工作，推荐下载以下模型：

  1. 基础模型（checkpoint）：

    • SD 1.5： v1-5-pruned-emaonly.safetensors
    • SDXL： sd_xl_base_1.0.safetensors

  2. 辅助模型：

    • VAE：改善图像细节
    • LoRA：风格微调模型
    • ControlNet：控制生成结构

这些模型应放置在 ComfyUI/models/ 下的对应子目录中：

models/
├── checkpoints/    # 主模型
├── vae/            # VAE模型
├── lora/           # LoRA模型
├── controlnet/     # ControlNet模型
└── upscale_models/ # 超分辨率模型

4.2 模型管理技巧

  1. 使用符号链接管理模型：如果模型文件已经存在于其他位置，可以创建符号链接避免重复占用空间：

    mklink /D "D:\AI_Projects\ComfyUI\models\checkpoints" "E:\SD_Models\checkpoints"

  2. 模型命名规范：建议在文件名中包含模型类型和版本，如 sd_xl_base_1.0.safetensors ，便于识别

  3. 定期清理：删除不再使用的模型释放空间，特别是体积庞大的checkpoint文件

5. 启动与优化配置

5.1 基础启动命令

在ComfyUI目录下运行：

python main.py

默认会在 http://127.0.0.1:8188 启动服务

如果端口冲突，可以指定其他端口：

python main.py --port 8888

5.2 性能优化参数

根据硬件情况调整启动参数：

  1. 低显存设备（6-8GB）：

    python main.py --medvram

  2. 极低显存设备（4GB）：

    python main.py --lowvram

  3. 多GPU支持：

    python main.py --gpu-id 0,1

  4. 启用xformers优化：

    python main.py --xformers

5.3 创建快捷启动脚本

将以下内容保存为 start_comfyui.bat ：

@echo off
conda activate comfyui
cd /d D:\AI_Projects\ComfyUI\ComfyUI
python main.py --xformers
pause

双击此脚本即可一键启动，无需每次输入命令

6. 常见问题与解决方案

6.1 安装阶段问题

  1. conda命令不可用

    • 原因：未正确添加PATH或未重启终端
    • 解决：重新安装Miniconda并勾选"Add to PATH"，或手动添加conda到环境变量

  2. pip安装超时或失败

    • 原因：网络连接问题
    • 解决：使用国内镜像源，如： 
      pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

  3. CUDA版本不匹配

    • 现象： RuntimeError: CUDA out of memory 或类似错误
    • 解决：确保安装的PyTorch版本与CUDA驱动匹配，使用 nvidia-smi 查看CUDA版本

6.2 运行阶段问题

  1. 界面加载缓慢

    • 优化：关闭浏览器其他标签，或使用 --disable-xformers 禁用可能冲突的优化

  2. 生成图像时崩溃

    • 可能原因：显存不足
    • 解决：添加 --medvram 或 --lowvram 参数，或降低生成分辨率

  3. 节点缺失或工作流错误

    • 解决：检查是否安装了必要插件，或重置为默认工作流

6.3 模型相关问题

  1. 模型加载失败

    • 检查：模型文件是否完整，是否放在正确目录
    • 解决：重新下载模型，验证文件哈希值

  2. 生成质量差

    • 可能原因：模型不匹配或参数不当
    • 解决：尝试不同模型，调整CFG scale和采样步数

7. 进阶配置与插件管理

7.1 安装ComfyUI Manager

ComfyUI Manager是管理插件的必备工具：

  1. 进入ComfyUI自定义节点目录：

    cd ComfyUI/custom_nodes

  2. 克隆Manager仓库：

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

  3. 重启ComfyUI，界面将出现"Manager"选项

7.2 推荐插件列表

通过Manager安装以下实用插件：

  1. Impact Pack ：提供大量实用节点和功能扩展
  2. WAS Node Suite ：增强的图像处理工具集
  3. Efficiency Nodes ：优化工作流执行效率
  4. ComfyUI-Impact-Pack ：更多预处理器和检测器

7.3 自定义工作流保存

ComfyUI允许保存完整工作流：

  1. 通过"Save"按钮保存为 .json 文件
  2. 分享工作流时，确保接收方有相同插件和模型
  3. 对于复杂工作流，添加注释节点说明各部分的用途

8. 实际使用技巧与心得

经过数周的深度使用，我总结出以下提升效率的技巧：

  1. 工作流模块化 ：将常用处理流程保存为子工作流，通过"Group"功能组织节点

  2. 参数预设 ：为常用模型创建包含优化参数的预设，避免每次手动调整

  3. 资源监控 ：使用GPU-Z或任务管理器观察资源占用，找出性能瓶颈

  4. 批量生成 ：利用"KSampler"节点的批处理功能，一次性生成多张测试图

  5. 版本控制 ：对重要工作流使用Git管理，记录迭代过程

性能提示：生成分辨率对显存消耗影响最大。1024x1024图像需要的显存大约是512x512的4倍。当遇到显存不足时，优先降低分辨率而非减少采样步数。

对于初次接触节点式AI工具的用户，我的建议是：

  1. 从简单工作流开始，逐步增加复杂度
  2. 善用官方示例和社区分享的工作流学习
  3. 定期备份 ComfyUI\output 目录中的重要生成结果
  4. 参与ComfyUI社区讨论，许多问题已有现成解决方案

通过本指南，你应该已经完成了ComfyUI的本地部署并掌握了基本使用方法。这个工具的学习曲线虽然较陡，但一旦熟悉节点式工作流，你将获得比传统WebUI更强大的控制能力和更高的创作自由度。如果在使用过程中遇到文中未覆盖的问题，建议查阅ComfyUI的GitHub Issues页面，大多数常见问题都有详细讨论。

# ComfyUI
Logo
https://edu.csdn.net/learn/39067/627173?utm_source=2019755004

汇聚全球AI编程工具，助力开发者即刻编程。

更多推荐

cover

一个 API 入口调用多个大模型：AiiOnly客户端 + CC Switch 打通 Codex AI编程流程

avatar AI编程社区
cover

VSCode Claude Code + MiMo 中转免登录完整配置教程（解决原生登录弹窗 + 模型报错）

avatar AI编程社区
cover

从零开始做一个属于自己的 Skill（保姆级教程）

avatar AI编程社区