一、ComfyUI适合什么场景

ComfyUI是一款以节点流程为核心的AI绘画工具，适合需要精细控制生成过程的用户。

与传统“一栏参数生成图片”的界面不同，它把模型、提示词、采样器、尺寸、后处理等环节拆成节点。用户可以像搭积木一样组合工作流。

适用人群：想在本机运行AI绘画、批量生成素材、复用复杂流程、测试不同模型效果的创作者和技术用户。

本地运行的优势在于：数据不必上传第三方平台，模型可自由管理，工作流也能长期复用。

注意：本地部署对电脑硬件有一定要求，尤其是显卡显存、内存和硬盘空间。若只是偶尔体验，可先使用轻量模型和低分辨率参数。若要稳定进行商业设计、角色图、产品图或短视频素材制作，则建议准备性能更好的独立显卡与足够的固态硬盘空间。

二、安装前准备：硬件、软件与目录规划

硬件要求

运行ComfyUI前，建议先确认电脑配置。

• 显卡：NVIDIA显卡兼容性通常更好。8GB显存可完成基础图像生成，12GB及以上更适合高分辨率、多控制节点、放大修复等流程。
• 内存：建议16GB起步。
• 硬盘：建议预留50GB以上空间。基础模型、LoRA、VAE、ControlNet模型和工作流素材会持续增加。

软件选择

Windows用户可以选择整合包或手动部署。

• 新手推荐：使用官方便携版本或可信来源的整合包，解压后即可运行，减少环境配置问题。
• 进阶用户：可使用Python环境自行安装依赖，便于后续管理插件和版本。

重要提示：无论采用哪种方式，都建议把ComfyUI放在英文路径下，例如D盘单独建立AI目录。避免中文路径、空格路径导致插件读取异常。

目录规划

建议建立一个固定的模型存储盘，把大模型、插件和输出文件分开管理。这样即使后续升级ComfyUI，也不容易误删模型文件。

常见目录包括：

• models：存放各类模型
• custom_nodes：放置扩展节点
• output：保存生成图片
• input：输入文件
• user：用户配置

三、模型下载：先分清类型再放入目录

ComfyUI能调用多种模型文件，下载前要先判断用途。

• 基础模型：常见格式为ckpt或safetensors，放在models/checkpoints目录。
• VAE：用于改善色彩和细节，放在models/vae目录。
• LoRA：用于改变画风、角色特征或局部风格，放在models/loras目录。
• ControlNet模型：用于姿态、线稿、深度图等控制，放在models/controlnet目录。
• 放大模型：用于图片清晰化，放在models/upscale_models目录。

下载模型时，建议选择来源清晰、说明完整、评价较多的资源。优先选择safetensors格式，安全性和加载稳定性更好。

操作建议：下载后不要急于批量导入。先用一个基础模型测试工作流是否能正常出图，再逐步添加LoRA、VAE和控制类模型。若模型文件名过长或包含特殊符号，建议改成简短英文名，方便节点选择，也能减少路径识别问题。

注意模型版本匹配：

• SD 1.5、SDXL等不同系列在分辨率、提示词习惯、采样参数和配套VAE上都有差异。
• SDXL模型通常更适合1024尺寸起步，显存占用也更高。
• SD 1.5模型更轻量，插件生态成熟，适合低显存设备和快速试错。
• 不要把不同体系的LoRA随意混用，否则可能出现画面崩坏、效果不明显或节点报错。

四、路径设置：让ComfyUI正确找到模型

默认路径方式

最简单的路径设置方式是把模型放入ComfyUI默认目录。解压ComfyUI后，进入ComfyUI/models，可以看到checkpoints、vae、loras等文件夹。把对应文件放入对应目录，重启ComfyUI，刷新页面后即可在节点下拉菜单中选择。

外部模型路径配置

如果已有其他AI绘画工具的模型库，不想重复占用硬盘空间，可以配置额外模型路径。

• 在ComfyUI目录中找到extra_model_paths.yaml.example示例文件，复制一份并改名为extra_model_paths.yaml。
• 按示例填写外部模型目录。注意缩进格式，不要使用中文标点；路径建议使用绝对路径，例如D盘某个固定模型目录。
• 保存后重启程序，如果节点列表能看到外部模型，说明配置成功。

模型不显示？检查四件事

遇到模型不显示时，优先检查：

1. 文件是否放错目录
2. 扩展名是否完整
3. 程序是否已经重启
4. 配置文件缩进是否正确

若是插件节点找不到模型，还要查看该节点要求的专属目录——有些扩展会使用独立文件夹，不完全读取默认models目录。

五、基础运行流程：从加载工作流到生成图片

启动ComfyUI后，一般会在浏览器中打开本地页面。初次使用可以加载官方默认工作流：

• 选择一个Checkpoint模型
• 填写正向提示词和反向提示词
• 设置宽高、步数、采样器、随机种子
• 点击运行队列即可生成图片

生成结果会保存到output目录。

新手参数建议：

• SD 1.5模型：从512×768或768×512开始，步数设置20到30。
• SDXL模型：从1024×1024或832×1216尝试，步数设置25到35。
• 采样器不必频繁切换，先选常见组合稳定测试。

等确认基础流程没问题，再加入LoRA、VAE、放大、局部重绘、控制节点等复杂模块。

核心价值：工作流复用。生成满意的节点结构后，可以保存为工作流文件。也可以把包含工作流信息的图片重新拖入页面恢复节点。建议按用途建立文件夹，例如人像、产品、插画、放大修复、局部修改等，避免后期流程混乱。

六、性能优化：显存、速度与稳定性的平衡

显存不足的解决思路

显存不足时，常见表现是生成中断、页面无响应或命令窗口报内存相关错误。

• 降低分辨率
• 减少批量数量
• 关闭不必要的ControlNet节点
• 减少高权重LoRA叠加
• 使用更轻量的模型

技巧：不要一开始就追求超大尺寸，先生成中等尺寸，再用放大流程处理，通常更稳。

精度与启动参数

部分环境支持低显存运行模式，可通过启动脚本添加相应参数，降低显存压力，但速度可能变慢。若显卡支持较新的计算特性，可安装匹配版本的深度学习框架以提升效率。

注意：整合包用户不建议随意替换核心依赖，除非明确知道版本关系，否则容易造成插件不可用。

节点层面优化

复杂工作流中，预处理、控制、放大、修脸等节点会显著增加耗时。

• 可以先关闭后处理节点，只测试构图和风格。
• 确认图像方向正确后，再开启精修节点。
• 批量出图时尽量固定模型和分辨率，频繁切换大模型会增加加载时间。
• 输出目录也要定期清理，避免硬盘空间不足导致保存失败。

七、插件安装与升级注意事项

ComfyUI插件通常放入custom_nodes目录。安装前应查看插件说明，确认支持的ComfyUI版本、依赖库和模型目录。

原则：插件不是越多越好。过多扩展会增加启动时间，也可能出现节点冲突。建议按需安装，并记录每次新增的插件名称，出现问题时便于排查。

升级前必做：

1. 备份custom_nodes、models路径配置文件、常用工作流和用户设置。
2. 若使用便携包，可复制一份旧目录作为回退版本，再在新目录测试。
3. 不要直接覆盖全部文件，尤其不要误删models目录。

升级后若出现节点缺失，可先更新对应插件，再检查依赖是否安装完整。

八、常见问题与处理方法

• 问题一：启动后页面打不开。先看命令窗口是否仍在运行，确认本地地址和端口是否正确。如果端口被占用，可关闭占用程序或修改启动端口。
• 问题二：模型列表为空。检查模型是否放在checkpoints等正确目录，并重启ComfyUI。
• 问题三：运行时报显存不足。降低尺寸、批量数和控制节点数量，必要时换用轻量模型。
• 问题四：插件节点显示红色或缺失。通常是插件未安装完整、依赖缺失或版本不兼容。可先删除最近安装的插件验证是否恢复，再按插件说明重新安装。
• 问题五：生成结果发灰或颜色异常。检查是否选择了合适的VAE，或模型说明中是否要求特定配置。
• 问题六：LoRA没有效果。确认LoRA与基础模型体系匹配，并适当调整权重。

九、安全边界与实用建议

本地运行并不等于没有风险。下载模型和插件时要选择可信来源，避免运行来历不明的脚本。

重要项目建议：保留原始工作流、提示词和模型版本记录，方便复现结果。涉及人物、品牌、商业素材时，应确认授权范围，避免在公开发布或商用时产生版权争议。

最稳妥的学习路线：

1. 先安装稳定版本，跑通默认工作流。
2. 再下载一个基础模型和一个VAE。
3. 随后学习LoRA、放大、局部修改。
4. 最后再研究ControlNet和复杂自动化流程。

不要一开始就堆满插件和模型。先建立清晰的目录、命名和备份习惯，后续效率会高很多。ComfyUI的门槛不在安装，而在长期管理工作流和模型资产。做好这两点，本地AI绘画环境才能真正稳定可用。