【2026最新版】ComfyUI本地部署教程,新手也能看懂!

简介: ComfyUI是本地运行的AI绘画工具,采用节点式工作流设计:通过拖拽连接“加载模型”“提示词编码”“采样”“解码”等模块,实现高度可控的文生图。新手推荐使用秋叶整合包,一键启动、内置模型管理与插件安装器,轻松上手。(239字)

ComfyUI 是一个装在自己电脑上跑的 AI 绘画工具,装上之后就能文字描述生成图片。


和别的绘画软件不一样,ComfyUI 不是填好提示词点一下就出图,而是把加载模型、写提示词、采样、解码这些步骤做成一个节点,用线把它们连起来搭出一条工作流,再点运行出图。


装 ComfyUI 主要有两条路:

  • 官方安装:官方桌面版、官方便携版,或者自己拉源码装;
  • 整合包安装:国内社区把环境和插件打包好的版本,常用的是秋叶整合包。


对于新手小白,使用整合包轻轻松松就能使用上 ComfyUI。目前最热门的 ComfyUI 整合包是秋叶整合包(ComfyUI-aki,作者是 B 站的秋葉aaaki),它把 ComfyUI 本体、Python 环境和常用插件一起打包好,还附带一个图形化启动器,一键启动、版本管理、模型管理、插件管理、环境设置、一键更新在界面里点几下就能完成。

ComfyUI本地部署

1)ComfyUI 安装包:ComfyUI 秋葉整合包,解压整合包:



2)进入解压出来的文件夹,双击启动器程序:



如果发现里面的 ComfyUI 不是最新版,在启动器的版本管理里就能手动切换到最新版:



成功切换后,重新启动就生效了:



3)在启动器里点“一键启动”,等待程序加载。首次启动会检查依赖、初始化环境,命令行窗口里会滚动很多行提示,属正常现象,耐心等待。浏览器会自动打开 ComfyUI 界面;没自动打开就手动访问 http://127.0.0.1:8188,能看到节点画布,说明本地部署完成,可以开始出图了。


ComfyUI配置

1)配置模型(必做)

装好的 ComfyUI 不带绘画大模型,要自己下好模型文件放进去才能出图,模型统一放在根目录的 models 文件夹下:



不同的模型,要放置在不同的文件夹里,checkpoints 放基础大模型,loras 放风格模型,embeddings 放嵌入词,vae 放解码模型,controlnet 放控制模型。放好后在界面里刷新,节点中就能选到。


例如,anything-v5-PrtRE.safetensors 是资源包里的一个基础大模型,把它放进 checkpoints 目录:



放好之后回到 ComfyUI 界面刷新一下,在模型库的下拉列表里就能找到 anything-v5。点击它,画布上会出现一个“Checkpoint 加载器(简易)”节点(英文是 Load Checkpoint),模型名已经自动填好,配上提示词、点运行,就能用它出图;想换别的,把新模型放进 checkpoints,再在这个下拉里切换即可。



除了基础大模型,资源包里还有其他几类常用模型,按类型对号入座:


模型类型 常见文件(示例) 存放目录 作用
ControlNet 控制模型 control_v11p_sd15_canny_fp16.safetensors models/controlnet 按参考图的边缘控制构图,常用于照着重绘轮廓
ControlNet 控制模型 control_v11p_sd15_openpose_fp16.safetensors models/controlnet 识别人物骨架,用来固定动作姿势
ControlNet 控制模型 control_v11p_sd15_depth_fp16.safetensors models/controlnet 按深度图控制远近关系,做立体感强的图
ControlNet 控制模型 control_v11p_sd15_lineart_fp16.safetensors models/controlnet 按线稿出图,适合上色和画风转换
ControlNet 控制模型 control_v11f1e_sd15_tile_fp16.safetensors models/controlnet 分块放大和补充细节,常用于高清化
VAE flux-ae.safetensors models/vae 负责图像的编解码,部分大模型需要单独指定 VAE

2)安装插件管理器(推荐)

导入别人的工作流时,经常提示缺节点,一个个装很麻烦。装一个 ComfyUI-Manager 插件管理器,就能在界面里一键补上缺失的节点和插件,也能查看、更新已装的扩展。


在启动器的版本管理里搜索安装即可,装好重启 ComfyUI,界面里就会出现管理器入口。


ComfyUI基础使用

ComfyUI 的日常操作围绕“连节点、点运行”展开。下面先认识几个常用节点,再看它们之间怎么连,最后用一个最基础的文生图流程走一遍,就能得到一个“文生图”工作流。

1)认识常用节点

在 ComfyUI 里,每个方块就是一个节点,每个节点只负责一件事——加载模型、处理文字、采样生成、保存图片,各管一段。把多个节点用线连起来,组成的就是一条工作流,所以搭 ComfyUI 的过程,本质上就是“挑节点、再连起来”。


节点在添加时是按类别分组的,比如加载器、条件、采样、图像、遮罩等,需要什么就按类别去找:



ComfyUI 内置的节点有一千多个,社区扩展里还能再装几万个。不过日常出图用到的只是其中很少一部分,新手先把下面这几个记住就够了。


节点 作用
Checkpoint 加载器(简易) 加载底模,给整条流程提供模型、CLIP 和 VAE
CLIP 文本编码 把文字转成模型能读懂的提示词,一般用两个,一个放正向、一个放负向
空 Latent 图像 设置出图的宽度、高度和数量,作为采样的起点
K 采样器 按提示词一步步去噪,是真正“作画”的地方
VAE 解码 把采样得到的 Latent 数据还原成能看的图片
保存图像 把生成的图存到 output 文件夹


其余节点不用急着学,等有具体需求(比如换脸、放大、生成视频)再去按类别找对应的就行。

2)节点之间怎么连

连接顺序就是数据流动的顺序,从 Checkpoint 加载器开始:它加载底模后分出 model、CLIP、VAE 三路,model 接给 K 采样器,两路 CLIP 分别接给两个 CLIP 文本编码,VAE 接给 VAE 解码;两个 CLIP 文本编码的输出(正向、负向条件)和空 Latent 图像的初始数据,都接进 K 采样器;K 采样器采完把结果交给 VAE 解码,最后接保存图像节点。



记住一条线:从加载底模开始,把每个节点的输出接到下一个需要的输入,一直到保存图像结束。

3)选底模、写提示词、设参数

先在模型库的下拉列表里找到要用的底模(比如前面放进去的 anything-v5),点一下画布上就会出现对应的加载节点,也可以将它拖进已有的加载器里:



再找到两个 CLIP 文本编码节点,在正向提示词里写想要的内容(比如 1girl, white dress, sunset),在负向提示词里写不想要的(比如 lowres, bad hands)。



在空 Latent 图像节点里设好宽度、高度和出图数量:



在 K 采样器节点里设置迭代步数(一般 20 上下)和 CFG 引导(一般 7 上下),采样器、调度器保持默认即可,想固定画面就在种子(seed)里填一个固定值。


4)点运行,看队列出图、保存

确认节点都连好之后,点顶部的运行(Queue Prompt)按钮,流程会进入右侧队列依次执行:



跑完这一轮,画布上就能看到生成的图,并按保存图像节点的设置存进 ComfyUI 目录下的 output 文件夹:



想固定这套流程,用菜单“保存”把工作流存成 .json 文件,下次打开直接调用;想复现同一张图,记下这次的种子值就行。别人分享的工作流常以一张成品图或 .json 文件给出,把它拖进画布就能还原,想换玩法时用这个方式最省事。

相关文章
|
3月前
|
人工智能 并行计算 数据可视化
秋叶ComfyUI-AKI最新整合包|完整部署教程+核心指令手册
秋叶ComfyUI-AKI一键整合包,国内适配最优、稳定性最强的商用/学习级版本:全封装虚拟环境、预装90%常用节点、内置绘世启动器与成熟工作流,免配置、零依赖、解压即用,完美兼顾新手入门与专业批量生产需求。(239字)
|
21天前
|
人工智能 并行计算 API
秋叶 ComfyUI-v9.5 本地部署教程|整合包安装、显存优化与批量出图代码实战
本教程详解秋叶ComfyUI-v9.5本地部署:涵盖NVIDIA显卡硬件要求、英文路径解压、一键启动、OOM显存优化(lowvram/fp16/xformers)、Python API批量绘图及插件安装,4G显存亦可流畅运行。
1278 1
|
17天前
|
人工智能 JSON Linux
【保姆级】ComfyUI部署教程(下载+安装+配置+工作流,2026最新)
ComfyUI 是一款开源节点式AI生成工具,支持图像、视频、音频及3D内容创作。通过拖拽连线组合模型加载、提示词、采样等节点,构建可复用、易修改的工作流,兼容SD1.5、SDXL、Flux、Qwen Image等主流模型。
|
1月前
|
人工智能 缓存 并行计算
ComfyUI 本地部署 AI 漫剧与 AI 视频流水线:消费级显卡显存优化、角色一致性工程实战
本文聚焦AI漫剧量产痛点,提供基于ComfyUI的本地化落地方案:支持8GB显存卡部署Wan/LTX等FP8量化模型,详解角色一致性控制(IPAdapter+FaceID+LineArt)、显存优化、批量分镜渲染及视频防抖拼接,附完整Python/FFmpeg脚本,助力个人创作者低成本高效生产。
|
2月前
|
人工智能 编解码 并行计算
MiniMax-H3 8G 显存 AI 漫剧进阶实战|ComfyUI 命令行调参、角色锁定与 FFmpeg 批量脚本全解析
本教程专为8G显存本地部署MiniMax-H3优化,提供可直接复制运行的启动命令、调参方案、FFmpeg批量脚本及ComfyUI定制代码,解决角色闪烁、拼接断层、显存溢出、动作变形、音画不同步等生产问题,全开源、无闭源API,适配RTX20/30/50系显卡。
|
2月前
|
人工智能 Linux 开发者
【2026国内使用】Codex安装过程一篇讲透(Win/Mac/Linux全支持)
Codex是OpenAI推出的AI编程智能体,可读取本地项目、理解需求并自动修改代码。支持桌面GUI、命令行(CLI)及VS Code/Cursor插件三种形态,覆盖可视化操作、终端高效开发与编辑器无缝集成场景,助开发者用自然语言驱动编码全流程。(239字)
2811 3
【2026国内使用】Codex安装过程一篇讲透(Win/Mac/Linux全支持)
|
22天前
|
人工智能 编解码 物联网
ComfyUI-v9.5 整合包部署教程:ComfyUI+A1111 双环境搭建,附脚本与批量出图 API 代码
秋叶ComfyUI-v9.5网盘资源包,集成ComfyUI节点版与A1111表单版双环境,模型通用。含SD/MJ提示词库、完整模型插件及视频教程,支持PowerShell一键迁移与Python API批量绘图,适配漫剧/短视频高效创作。(239字)
489 1

热门文章

最新文章