在实际 AI 图像生成领域Stable Diffusion WebUI 以其直观的图形界面成为许多创作者的首选。然而当工作流变得复杂、需要精细控制生成步骤或追求更高性能时节点式工作流界面 ComfyUI 的优势便凸显出来。它通过将图像生成的每个步骤如加载模型、编码提示词、采样、解码等抽象为可连接的节点提供了无与伦比的灵活性和可复现性。但对于不熟悉节点编程和英文界面的用户来说从零配置 Python 环境、安装依赖、寻找插件并理解每个节点的功能是一道极高的门槛。秋叶发布的 ComfyUI 中文整合包正是为了解决这一痛点。它将 ComfyUI 核心、常用插件、汉化界面以及模型管理工具打包在一起提供了 Windows 和 macOS 系统下的一键安装体验。用户无需关心复杂的命令行和依赖冲突安装后即可获得一个全中文、功能齐全的 ComfyUI 环境直接开始创作或学习工作流。本文将带你完成从下载到运行 ComfyUI 中文整合包的全过程并深入讲解安装后的基础配置、核心界面操作以及如何排查安装和运行中可能遇到的典型问题让你能快速上手这个强大的 AI 图像生成工具。1. 理解 ComfyUI 与整合包的价值为什么选择节点式界面在深入安装步骤之前有必要先厘清 ComfyUI 的核心价值以及整合包带来的便利这有助于你在后续使用中更好地理解每个操作的意义。1.1 ComfyUI 的核心优势可控性与效率与 WebUI 的“文生图”、“图生图”等固定标签页不同ComfyUI 将 Stable Diffusion 的整个生成过程拆解为一个个功能单一的节点Node。例如一个基础的文生图流程可能包含“加载检查点模型”、“CLIP 文本编码器正向/负向提示词”、“K采样器调度器、步数等”、“VAE 解码器”、“保存图像”等节点这些节点通过线条连接线串联起来形成一条可视化的“生产线”。这种设计带来了几个关键优势极致可控你可以精确查看并干预图像生成的每一个中间步骤例如调整某个特定采样步数下的潜空间状态这对于研究和调试生成效果至关重要。工作流复用与分享整个节点布局可以保存为一个.json或.png文件。这意味着任何复杂的生成流程如特定风格的人物绘制、复杂的 LoRA 组合应用都可以被完整记录和分享他人导入后能完全复现你的结果极大地促进了社区协作。资源高效利用由于流程是静态定义的ComfyUI 在运行时可以进行更多的优化例如缓存中间结果这使得它在生成复杂工作流或批量生成时往往比 WebUI 更节省显存且速度更快。模块化扩展任何新功能如新的采样器、控制网络、图像处理算法都可以通过开发新的节点插件形式加入而不会破坏原有系统的稳定性。1.2 秋叶整合包解决了哪些痛点尽管 ComfyUI 强大但其原始安装方式对新手极不友好。秋叶整合包的核心价值在于“开箱即用”它主要解决了以下问题环境配置复杂原始 ComfyUI 需要用户自行安装 Python、Git、PyTorch匹配 CUDA 版本以及一系列依赖包版本冲突是家常便饭。界面全英文所有节点名称、参数、菜单均为英文增加了学习成本。插件管理分散高效工作流依赖大量社区插件如ComfyUI-Manager,Impact Pack等需要用户逐个查找、安装并处理兼容性问题。模型路径混乱需要手动将下载的模型大模型、VAE、LoRA、ControlNet等放入正确的目录新手容易放错位置导致节点找不到模型。整合包一次性打包了核心程序、汉化补丁、必备插件和模型管理工具并提供了清晰的启动脚本将上述所有痛点一次性解决。2. 安装前的准备工作与资源获取在开始安装前请确保你的系统满足基本要求并准备好必要的存储空间。2.1 系统与硬件要求项目最低要求推荐配置操作系统Windows 10/11 64位 或 macOS 10.15Windows 10/11 或 macOS 12处理器支持 AVX2 指令集的 CPU多核高性能 CPU如 Intel i5/R5 及以上内存8 GB RAM16 GB RAM 或更高显卡支持 DirectX 12 的 GPU仅用于基础显示NVIDIA GPU显存 ≥ 4 GB用于 CUDA 加速存储空间至少 20 GB 可用空间仅安装包和基础模型50 GB 或更多用于存放多个大模型和插件网络需要稳定网络以下载安装包和后续模型稳定的网络环境注意虽然整合包也支持纯 CPU 运行但生成速度会非常缓慢仅适用于体验流程。对于 macOS 用户M系列芯片M1, M2, M3的 GPU 统一内存架构也能获得不错的加速效果。2.2 获取整合包安装文件由于整合包文件较大通常超过 10GB请务必通过秋叶或其他可信发布者提供的官方网盘链接或种子文件下载。常见的存放位置包括百度网盘、阿里云盘等。下载时请注意文件完整性Windows 版本通常是一个大型的压缩包文件如ComfyUI_秋叶整合包_v17_Win.7z或.zip。macOS 版本可能是一个.dmg镜像文件或.zip压缩包。下载完成后建议核对文件的 MD5 或 SHA256 校验码如果发布者提供了以确保文件在下载过程中未损坏。2.3 预留模型存放空间整合包本身可能只包含一个轻量化的基础模型。你需要为后续下载的各类模型预留充足空间。建议在非系统盘如 D 盘创建一个专门的文件夹例如AI_Models并在其下建立子文件夹以便分类管理AI_Models/ ├── checkpoints/ # 存放大模型 (.safetensors, .ckpt) ├── loras/ # 存放 LoRA 模型 ├── vae/ # 存放 VAE 模型 ├── controlnet/ # 存放 ControlNet 模型 └── embeddings/ # 存放 Textual Inversion 嵌入模型整合包内部通常已经预设了指向这些目录的路径你只需将下载的模型文件放入对应文件夹即可被识别。3. Windows 系统安装与配置详解Windows 是 ComfyUI 的主要运行平台整合包的安装过程已经极大简化。3.1 解压与目录结构将下载好的整合包压缩文件如.7z文件解压到你希望安装的目录。路径中请避免包含中文或特殊字符例如可以解压到D:\ComfyUI。解压完成后进入D:\ComfyUI目录你会看到类似如下的结构ComfyUI_windows/ ├── ComfyUI/ # ComfyUI 核心程序目录 ├── python_embeded/ # 内置的 Python 环境无需单独安装 ├── 启动器/ # 秋叶开发的图形化启动管理工具 ├── 一键启动.bat # 传统的命令行启动脚本 └── 模型管理/ # 用于下载和管理模型的工具这个结构是整合包的核心它包含了运行所需的一切。3.2 使用启动器进行首次配置与运行强烈推荐使用启动器文件夹内的图形化工具它提供了更友好的配置界面。双击打开启动器文件夹运行启动器.exe。配置模型路径关键步骤在启动器界面通常会有“设置”或“路径配置”选项。你需要将“模型路径”指向你之前创建的AI_Models目录或者整合包内自带的models文件夹。确保checkpoints,loras等子目录被正确识别。检查依赖与更新启动器通常提供“环境检查”和“更新”功能。首次运行时可以点击“检查”以确保所有内置组件如 Python, Git正常。也可以使用“更新”功能来获取 ComfyUI 核心或插件的最新版本。启动 ComfyUI在启动器主界面点击“一键启动”按钮。程序会依次启动后台服务并最终在你的默认浏览器中打开 ComfyUI 的本地网页界面通常是http://127.0.0.1:8188。3.3 使用传统批处理脚本启动如果你习惯命令行或者启动器遇到问题可以使用根目录下的一键启动.bat文件。右键点击一键启动.bat选择“以管理员身份运行”非必须但有时能解决权限问题。命令行窗口会弹出自动激活 Python 虚拟环境并启动 ComfyUI 服务。你会看到类似以下的输出D:\ComfyUI .\python_embeded\python.exe -s ComfyUI\main.py --port 8188 ... [启动成功] 服务运行在: http://127.0.0.1:8188此时打开浏览器访问http://127.0.0.1:8188即可进入 ComfyUI 界面。4. macOS 系统安装与配置详解macOS 下的安装流程与 Windows 类似但需要注意 Apple Silicon (M1/M2/M3) 和 Intel 芯片在 Python 环境上的细微差异。整合包通常会做好适配。4.1 安装与启动如果下载的是.dmg文件双击打开并将ComfyUI应用拖拽到“应用程序”文件夹。如果下载的是.zip压缩包将其解压到“应用程序”文件夹或你指定的位置如~/Applications。首次运行时macOS 可能会提示“无法打开因为来自不受信任的开发者”。你需要进入系统设置 隐私与安全性在底部找到相关提示点击“仍要打开”。运行整合包内的启动程序可能名为启动ComfyUI或ComfyUI Launcher。与 Windows 启动器类似你可能需要先进行路径配置。4.2 针对 Apple Silicon 芯片的特别说明对于 M 系列芯片的 Mac整合包应该已经配置好了支持 GPU 加速的 PyTorch (MPS 后端)。你可以在 ComfyUI 运行后通过以下方式验证在 ComfyUI 网页界面点击右下角的“设置”齿轮图标。在设置面板中查看“系统信息”或“设备”相关选项。你应该能看到Device: mps或类似的字样这表明正在使用 Metal Performance Shaders 进行加速。如果发现运行速度异常慢且设备显示为cpu则可能需要检查整合包是否完整或尝试在启动命令中显式指定设备但这通常由整合包脚本自动处理。5. 初识全中文 ComfyUI 界面与基础操作成功启动并打开浏览器后你将看到一个全中文的 ComfyUI 界面。这与原版界面布局一致但所有文字均已汉化。5.1 界面主要区域介绍节点图区域画布中间最大的空白区域。你将在这里通过拖拽和连接节点来构建工作流。节点列表通常位于画布右侧。这里按类别加载器、条件、采样、图像处理等列出了所有可用的节点。你可以直接拖拽到画布上使用。队列按钮画布上方或下方有“队列提示词”按钮。当你构建好一个工作流后点击它就会开始执行当前流程。工作流管理通常有“加载”、“保存”、“导入”等按钮用于管理.json或.png格式的工作流文件。历史记录/输出生成后的图像会显示在右侧或下方的面板中方便查看和保存。5.2 构建你的第一个工作流文生图让我们创建一个最基础的文生图流程以熟悉节点操作添加模型加载器从右侧节点列表的“加载器”类别中找到“加载检查点 (Load Checkpoint)”节点拖到画布上。添加提示词编码器从“条件”类别中找到“CLIP 文本编码器 (CLIP Text Encode)”节点拖到画布上。你需要拖两个一个用于正向提示词一个用于负向提示词。添加采样器从“采样”类别中找到“K采样器 (KSampler)”节点拖到画布上。添加VAE解码器从“加载器”类别中找到“VAE 解码器 (VAE Decode)”节点拖到画布上。添加图像保存从“图像”类别中找到“保存图像 (Save Image)”节点拖到画布上。连接节点将“加载检查点”节点的MODEL输出连接到“K采样器”的model输入。将“加载检查点”节点的CLIP输出分别连接到两个“CLIP 文本编码器”节点的clip输入。将“加载检查点”节点的VAE输出连接到“VAE 解码器”节点的vae输入。将正向提示词 CLIP 文本编码器的CONDITIONING输出连接到“K采样器”的positive输入。将负向提示词 CLIP 文本编码器的CONDITIONING输出连接到“K采样器”的negative输入。将“K采样器”节点的LATENT输出连接到“VAE 解码器”节点的samples输入。将“VAE 解码器”节点的IMAGE输出连接到“保存图像”节点的images输入。配置节点参数点击“加载检查点”节点在出现的下拉菜单中选择一个你已放入checkpoints文件夹的大模型。在两个“CLIP 文本编码器”节点的text输入框中分别输入正向提示词如“一只可爱的猫”和负向提示词如“模糊丑陋”。配置“K采样器”节点设置steps采样步数如20cfg提示词相关性如7.5选择sampler_name采样器如euler和scheduler调度器如normal。seed可以随机或固定一个数字。执行并保存点击“队列提示词”按钮。稍等片刻生成的图片就会出现在历史记录中。点击图片可以查看大图并保存到本地。你可以点击“保存”按钮将当前这个节点布局保存为.json工作流文件以后可以直接加载复用。6. 安装与运行常见问题排查即使使用整合包在特定系统环境下仍可能遇到问题。以下是按优先级排序的排查路径。6.1 启动失败或浏览器无法访问问题现象可能原因检查与解决方式双击启动脚本无反应或瞬间关闭1. 路径包含中文/特殊字符。2. 防病毒软件拦截。3. 端口被占用。1. 将整合包移动到纯英文路径下。2. 暂时关闭防病毒软件或将其目录添加到信任区。3. 检查一键启动.bat或启动器配置默认端口是8188。可尝试修改为--port 8189等其他端口启动。命令行窗口提示Python相关错误Python 环境损坏或依赖缺失。尝试使用启动器内的“修复环境”或“重新安装依赖”功能。如果无效考虑重新下载整合包。浏览器访问127.0.0.1:8188连接被拒绝ComfyUI 服务未成功启动。查看启动时的命令行窗口是否有红色错误信息。常见错误是缺少模型文件即使工作流不用也请在checkpoints文件夹内至少放置一个.safetensors模型文件。启动器界面乱码或闪退系统编码或显卡驱动问题。更新显卡驱动至最新版本。对于 Windows 系统确保系统区域设置为中文中国。6.2 生成图像时报错或崩溃问题现象可能原因检查与解决方式报错OutOfMemoryError或CUDA out of memory显存不足。1. 在“K采样器”节点中降低width和height如从 1024 降到 512。2. 使用--lowvram或--medvram参数启动可在启动器设置中配置。3. 关闭其他占用显存的程序。4. 换用更小的大模型。报错找不到模型如Unable to load model config for...模型文件损坏或存放路径不对。1. 确认模型文件已下载完整。2. 确认模型文件放在了正确的文件夹内大模型在checkpoints, LoRA在loras。3. 在“加载检查点”节点点击刷新按钮看是否能列出模型。生成图像全黑或全灰VAE 模型未正确加载或配置。1. 确保“加载检查点”节点的VAE输出连接到了“VAE 解码器”。2. 有些大模型内置 VAE有些需要外挂。可以尝试在“加载检查点”节点单独选择一个 VAE 模型或使用“VAE 加载器”节点。生成过程卡住不动节点连接有循环依赖或逻辑错误。检查工作流确保连接线是从输出端口右侧连接到输入端口左侧并且没有形成闭环。从简单的官方示例工作流开始测试。6.3 插件相关问题和汉化失效问题现象可能原因检查与解决方式找不到某个预期的节点对应的插件未安装或未启用。1. 整合包通常预装了ComfyUI-Manager。在界面寻找“管理器”或“Manager”按钮在里面可以浏览、安装、更新插件。2. 安装插件后需要重启 ComfyUI 服务。界面仍然是英文汉化插件未正确加载。1. 确认整合包版本包含汉化功能。2. 在设置中查找语言选项切换为中文。有时汉化文件可能需要通过ComfyUI-Manager单独安装“Chinese Localization”插件。插件安装失败网络问题或依赖冲突。1. 检查网络连接尝试使用网络工具。2. 在ComfyUI-Manager的设置中可以切换插件的下载源如使用国内镜像。3. 查看命令行窗口的错误日志根据提示解决特定 Python 包依赖问题。7. 生产环境使用建议与进阶方向当你熟悉基础操作后为了更稳定、高效地使用 ComfyUI可以参考以下建议。7.1 模型与工作流管理最佳实践模型分类存储严格遵守checkpoints,loras,controlnet等文件夹分类。可以为不同风格的模型创建子文件夹如checkpoints/realistic/,checkpoints/anime/。工作流版本化保存工作流.json文件时使用有意义的名称并附带版本号或日期例如人物肖像_v3_20240515.json。这便于回溯和对比不同参数的效果。使用效率工具节点搜索在画布上按CtrlF可以快速搜索并添加节点。框选与编组可以框选多个节点右键选择“编组”形成逻辑模块使复杂工作流更清晰。备注节点使用“注释”节点为工作流的不同部分添加文字说明。7.2 性能与稳定性优化启动参数调整对于显存有限的用户如 6GB在启动器或一键启动.bat的额外参数中添加--medvram。对于 4GB 或更小显存使用--lowvram。这会影响速度但能运行更大的模型或分辨率。使用性能更高的采样器对于快速出图可以尝试DPM 2M Karras或UniPC等采样器它们可能在更少的步数内获得不错的效果。定期清理定期清理ComfyUI目录下的temp和output文件夹释放磁盘空间。output是最终保存的图片temp是中间缓存。7.3 下一步学习与扩展探索社区工作流访问 Civitai 或 OpenArt 等平台搜索“ComfyUI Workflow”下载并导入他人分享的.json或.png文件。这是学习高级技巧如面部修复、高清修复、复杂 LoRA 堆叠最快的方式。学习核心节点深入理解LatentUpscale潜空间放大、ControlNet Apply应用 ControlNet、IPAdapter等强大节点的用法。尝试自定义节点如果你有 Python 编程基础可以研究如何编写自己的自定义节点来扩展功能。关注更新通过ComfyUI-Manager定期更新核心和插件以获取新功能和性能改进。ComfyUI 的魅力在于其模块化带来的无限可能性。从秋叶整合包这个友好的起点出发通过构建、拆解、重组一个个节点你将逐渐掌握 AI 图像生成的底层逻辑从而创造出真正符合你想象的视觉作品。 ComfyUI中文整合包一键安装指南：从零部署节点式AI绘画工作流
在实际 AI 图像生成领域Stable Diffusion WebUI 以其直观的图形界面成为许多创作者的首选。然而当工作流变得复杂、需要精细控制生成步骤或追求更高性能时节点式工作流界面 ComfyUI 的优势便凸显出来。它通过将图像生成的每个步骤如加载模型、编码提示词、采样、解码等抽象为可连接的节点提供了无与伦比的灵活性和可复现性。但对于不熟悉节点编程和英文界面的用户来说从零配置 Python 环境、安装依赖、寻找插件并理解每个节点的功能是一道极高的门槛。秋叶发布的 ComfyUI 中文整合包正是为了解决这一痛点。它将 ComfyUI 核心、常用插件、汉化界面以及模型管理工具打包在一起提供了 Windows 和 macOS 系统下的一键安装体验。用户无需关心复杂的命令行和依赖冲突安装后即可获得一个全中文、功能齐全的 ComfyUI 环境直接开始创作或学习工作流。本文将带你完成从下载到运行 ComfyUI 中文整合包的全过程并深入讲解安装后的基础配置、核心界面操作以及如何排查安装和运行中可能遇到的典型问题让你能快速上手这个强大的 AI 图像生成工具。1. 理解 ComfyUI 与整合包的价值为什么选择节点式界面在深入安装步骤之前有必要先厘清 ComfyUI 的核心价值以及整合包带来的便利这有助于你在后续使用中更好地理解每个操作的意义。1.1 ComfyUI 的核心优势可控性与效率与 WebUI 的“文生图”、“图生图”等固定标签页不同ComfyUI 将 Stable Diffusion 的整个生成过程拆解为一个个功能单一的节点Node。例如一个基础的文生图流程可能包含“加载检查点模型”、“CLIP 文本编码器正向/负向提示词”、“K采样器调度器、步数等”、“VAE 解码器”、“保存图像”等节点这些节点通过线条连接线串联起来形成一条可视化的“生产线”。这种设计带来了几个关键优势极致可控你可以精确查看并干预图像生成的每一个中间步骤例如调整某个特定采样步数下的潜空间状态这对于研究和调试生成效果至关重要。工作流复用与分享整个节点布局可以保存为一个.json或.png文件。这意味着任何复杂的生成流程如特定风格的人物绘制、复杂的 LoRA 组合应用都可以被完整记录和分享他人导入后能完全复现你的结果极大地促进了社区协作。资源高效利用由于流程是静态定义的ComfyUI 在运行时可以进行更多的优化例如缓存中间结果这使得它在生成复杂工作流或批量生成时往往比 WebUI 更节省显存且速度更快。模块化扩展任何新功能如新的采样器、控制网络、图像处理算法都可以通过开发新的节点插件形式加入而不会破坏原有系统的稳定性。1.2 秋叶整合包解决了哪些痛点尽管 ComfyUI 强大但其原始安装方式对新手极不友好。秋叶整合包的核心价值在于“开箱即用”它主要解决了以下问题环境配置复杂原始 ComfyUI 需要用户自行安装 Python、Git、PyTorch匹配 CUDA 版本以及一系列依赖包版本冲突是家常便饭。界面全英文所有节点名称、参数、菜单均为英文增加了学习成本。插件管理分散高效工作流依赖大量社区插件如ComfyUI-Manager,Impact Pack等需要用户逐个查找、安装并处理兼容性问题。模型路径混乱需要手动将下载的模型大模型、VAE、LoRA、ControlNet等放入正确的目录新手容易放错位置导致节点找不到模型。整合包一次性打包了核心程序、汉化补丁、必备插件和模型管理工具并提供了清晰的启动脚本将上述所有痛点一次性解决。2. 安装前的准备工作与资源获取在开始安装前请确保你的系统满足基本要求并准备好必要的存储空间。2.1 系统与硬件要求项目最低要求推荐配置操作系统Windows 10/11 64位 或 macOS 10.15Windows 10/11 或 macOS 12处理器支持 AVX2 指令集的 CPU多核高性能 CPU如 Intel i5/R5 及以上内存8 GB RAM16 GB RAM 或更高显卡支持 DirectX 12 的 GPU仅用于基础显示NVIDIA GPU显存 ≥ 4 GB用于 CUDA 加速存储空间至少 20 GB 可用空间仅安装包和基础模型50 GB 或更多用于存放多个大模型和插件网络需要稳定网络以下载安装包和后续模型稳定的网络环境注意虽然整合包也支持纯 CPU 运行但生成速度会非常缓慢仅适用于体验流程。对于 macOS 用户M系列芯片M1, M2, M3的 GPU 统一内存架构也能获得不错的加速效果。2.2 获取整合包安装文件由于整合包文件较大通常超过 10GB请务必通过秋叶或其他可信发布者提供的官方网盘链接或种子文件下载。常见的存放位置包括百度网盘、阿里云盘等。下载时请注意文件完整性Windows 版本通常是一个大型的压缩包文件如ComfyUI_秋叶整合包_v17_Win.7z或.zip。macOS 版本可能是一个.dmg镜像文件或.zip压缩包。下载完成后建议核对文件的 MD5 或 SHA256 校验码如果发布者提供了以确保文件在下载过程中未损坏。2.3 预留模型存放空间整合包本身可能只包含一个轻量化的基础模型。你需要为后续下载的各类模型预留充足空间。建议在非系统盘如 D 盘创建一个专门的文件夹例如AI_Models并在其下建立子文件夹以便分类管理AI_Models/ ├── checkpoints/ # 存放大模型 (.safetensors, .ckpt) ├── loras/ # 存放 LoRA 模型 ├── vae/ # 存放 VAE 模型 ├── controlnet/ # 存放 ControlNet 模型 └── embeddings/ # 存放 Textual Inversion 嵌入模型整合包内部通常已经预设了指向这些目录的路径你只需将下载的模型文件放入对应文件夹即可被识别。3. Windows 系统安装与配置详解Windows 是 ComfyUI 的主要运行平台整合包的安装过程已经极大简化。3.1 解压与目录结构将下载好的整合包压缩文件如.7z文件解压到你希望安装的目录。路径中请避免包含中文或特殊字符例如可以解压到D:\ComfyUI。解压完成后进入D:\ComfyUI目录你会看到类似如下的结构ComfyUI_windows/ ├── ComfyUI/ # ComfyUI 核心程序目录 ├── python_embeded/ # 内置的 Python 环境无需单独安装 ├── 启动器/ # 秋叶开发的图形化启动管理工具 ├── 一键启动.bat # 传统的命令行启动脚本 └── 模型管理/ # 用于下载和管理模型的工具这个结构是整合包的核心它包含了运行所需的一切。3.2 使用启动器进行首次配置与运行强烈推荐使用启动器文件夹内的图形化工具它提供了更友好的配置界面。双击打开启动器文件夹运行启动器.exe。配置模型路径关键步骤在启动器界面通常会有“设置”或“路径配置”选项。你需要将“模型路径”指向你之前创建的AI_Models目录或者整合包内自带的models文件夹。确保checkpoints,loras等子目录被正确识别。检查依赖与更新启动器通常提供“环境检查”和“更新”功能。首次运行时可以点击“检查”以确保所有内置组件如 Python, Git正常。也可以使用“更新”功能来获取 ComfyUI 核心或插件的最新版本。启动 ComfyUI在启动器主界面点击“一键启动”按钮。程序会依次启动后台服务并最终在你的默认浏览器中打开 ComfyUI 的本地网页界面通常是http://127.0.0.1:8188。3.3 使用传统批处理脚本启动如果你习惯命令行或者启动器遇到问题可以使用根目录下的一键启动.bat文件。右键点击一键启动.bat选择“以管理员身份运行”非必须但有时能解决权限问题。命令行窗口会弹出自动激活 Python 虚拟环境并启动 ComfyUI 服务。你会看到类似以下的输出D:\ComfyUI .\python_embeded\python.exe -s ComfyUI\main.py --port 8188 ... [启动成功] 服务运行在: http://127.0.0.1:8188此时打开浏览器访问http://127.0.0.1:8188即可进入 ComfyUI 界面。4. macOS 系统安装与配置详解macOS 下的安装流程与 Windows 类似但需要注意 Apple Silicon (M1/M2/M3) 和 Intel 芯片在 Python 环境上的细微差异。整合包通常会做好适配。4.1 安装与启动如果下载的是.dmg文件双击打开并将ComfyUI应用拖拽到“应用程序”文件夹。如果下载的是.zip压缩包将其解压到“应用程序”文件夹或你指定的位置如~/Applications。首次运行时macOS 可能会提示“无法打开因为来自不受信任的开发者”。你需要进入系统设置 隐私与安全性在底部找到相关提示点击“仍要打开”。运行整合包内的启动程序可能名为启动ComfyUI或ComfyUI Launcher。与 Windows 启动器类似你可能需要先进行路径配置。4.2 针对 Apple Silicon 芯片的特别说明对于 M 系列芯片的 Mac整合包应该已经配置好了支持 GPU 加速的 PyTorch (MPS 后端)。你可以在 ComfyUI 运行后通过以下方式验证在 ComfyUI 网页界面点击右下角的“设置”齿轮图标。在设置面板中查看“系统信息”或“设备”相关选项。你应该能看到Device: mps或类似的字样这表明正在使用 Metal Performance Shaders 进行加速。如果发现运行速度异常慢且设备显示为cpu则可能需要检查整合包是否完整或尝试在启动命令中显式指定设备但这通常由整合包脚本自动处理。5. 初识全中文 ComfyUI 界面与基础操作成功启动并打开浏览器后你将看到一个全中文的 ComfyUI 界面。这与原版界面布局一致但所有文字均已汉化。5.1 界面主要区域介绍节点图区域画布中间最大的空白区域。你将在这里通过拖拽和连接节点来构建工作流。节点列表通常位于画布右侧。这里按类别加载器、条件、采样、图像处理等列出了所有可用的节点。你可以直接拖拽到画布上使用。队列按钮画布上方或下方有“队列提示词”按钮。当你构建好一个工作流后点击它就会开始执行当前流程。工作流管理通常有“加载”、“保存”、“导入”等按钮用于管理.json或.png格式的工作流文件。历史记录/输出生成后的图像会显示在右侧或下方的面板中方便查看和保存。5.2 构建你的第一个工作流文生图让我们创建一个最基础的文生图流程以熟悉节点操作添加模型加载器从右侧节点列表的“加载器”类别中找到“加载检查点 (Load Checkpoint)”节点拖到画布上。添加提示词编码器从“条件”类别中找到“CLIP 文本编码器 (CLIP Text Encode)”节点拖到画布上。你需要拖两个一个用于正向提示词一个用于负向提示词。添加采样器从“采样”类别中找到“K采样器 (KSampler)”节点拖到画布上。添加VAE解码器从“加载器”类别中找到“VAE 解码器 (VAE Decode)”节点拖到画布上。添加图像保存从“图像”类别中找到“保存图像 (Save Image)”节点拖到画布上。连接节点将“加载检查点”节点的MODEL输出连接到“K采样器”的model输入。将“加载检查点”节点的CLIP输出分别连接到两个“CLIP 文本编码器”节点的clip输入。将“加载检查点”节点的VAE输出连接到“VAE 解码器”节点的vae输入。将正向提示词 CLIP 文本编码器的CONDITIONING输出连接到“K采样器”的positive输入。将负向提示词 CLIP 文本编码器的CONDITIONING输出连接到“K采样器”的negative输入。将“K采样器”节点的LATENT输出连接到“VAE 解码器”节点的samples输入。将“VAE 解码器”节点的IMAGE输出连接到“保存图像”节点的images输入。配置节点参数点击“加载检查点”节点在出现的下拉菜单中选择一个你已放入checkpoints文件夹的大模型。在两个“CLIP 文本编码器”节点的text输入框中分别输入正向提示词如“一只可爱的猫”和负向提示词如“模糊丑陋”。配置“K采样器”节点设置steps采样步数如20cfg提示词相关性如7.5选择sampler_name采样器如euler和scheduler调度器如normal。seed可以随机或固定一个数字。执行并保存点击“队列提示词”按钮。稍等片刻生成的图片就会出现在历史记录中。点击图片可以查看大图并保存到本地。你可以点击“保存”按钮将当前这个节点布局保存为.json工作流文件以后可以直接加载复用。6. 安装与运行常见问题排查即使使用整合包在特定系统环境下仍可能遇到问题。以下是按优先级排序的排查路径。6.1 启动失败或浏览器无法访问问题现象可能原因检查与解决方式双击启动脚本无反应或瞬间关闭1. 路径包含中文/特殊字符。2. 防病毒软件拦截。3. 端口被占用。1. 将整合包移动到纯英文路径下。2. 暂时关闭防病毒软件或将其目录添加到信任区。3. 检查一键启动.bat或启动器配置默认端口是8188。可尝试修改为--port 8189等其他端口启动。命令行窗口提示Python相关错误Python 环境损坏或依赖缺失。尝试使用启动器内的“修复环境”或“重新安装依赖”功能。如果无效考虑重新下载整合包。浏览器访问127.0.0.1:8188连接被拒绝ComfyUI 服务未成功启动。查看启动时的命令行窗口是否有红色错误信息。常见错误是缺少模型文件即使工作流不用也请在checkpoints文件夹内至少放置一个.safetensors模型文件。启动器界面乱码或闪退系统编码或显卡驱动问题。更新显卡驱动至最新版本。对于 Windows 系统确保系统区域设置为中文中国。6.2 生成图像时报错或崩溃问题现象可能原因检查与解决方式报错OutOfMemoryError或CUDA out of memory显存不足。1. 在“K采样器”节点中降低width和height如从 1024 降到 512。2. 使用--lowvram或--medvram参数启动可在启动器设置中配置。3. 关闭其他占用显存的程序。4. 换用更小的大模型。报错找不到模型如Unable to load model config for...模型文件损坏或存放路径不对。1. 确认模型文件已下载完整。2. 确认模型文件放在了正确的文件夹内大模型在checkpoints, LoRA在loras。3. 在“加载检查点”节点点击刷新按钮看是否能列出模型。生成图像全黑或全灰VAE 模型未正确加载或配置。1. 确保“加载检查点”节点的VAE输出连接到了“VAE 解码器”。2. 有些大模型内置 VAE有些需要外挂。可以尝试在“加载检查点”节点单独选择一个 VAE 模型或使用“VAE 加载器”节点。生成过程卡住不动节点连接有循环依赖或逻辑错误。检查工作流确保连接线是从输出端口右侧连接到输入端口左侧并且没有形成闭环。从简单的官方示例工作流开始测试。6.3 插件相关问题和汉化失效问题现象可能原因检查与解决方式找不到某个预期的节点对应的插件未安装或未启用。1. 整合包通常预装了ComfyUI-Manager。在界面寻找“管理器”或“Manager”按钮在里面可以浏览、安装、更新插件。2. 安装插件后需要重启 ComfyUI 服务。界面仍然是英文汉化插件未正确加载。1. 确认整合包版本包含汉化功能。2. 在设置中查找语言选项切换为中文。有时汉化文件可能需要通过ComfyUI-Manager单独安装“Chinese Localization”插件。插件安装失败网络问题或依赖冲突。1. 检查网络连接尝试使用网络工具。2. 在ComfyUI-Manager的设置中可以切换插件的下载源如使用国内镜像。3. 查看命令行窗口的错误日志根据提示解决特定 Python 包依赖问题。7. 生产环境使用建议与进阶方向当你熟悉基础操作后为了更稳定、高效地使用 ComfyUI可以参考以下建议。7.1 模型与工作流管理最佳实践模型分类存储严格遵守checkpoints,loras,controlnet等文件夹分类。可以为不同风格的模型创建子文件夹如checkpoints/realistic/,checkpoints/anime/。工作流版本化保存工作流.json文件时使用有意义的名称并附带版本号或日期例如人物肖像_v3_20240515.json。这便于回溯和对比不同参数的效果。使用效率工具节点搜索在画布上按CtrlF可以快速搜索并添加节点。框选与编组可以框选多个节点右键选择“编组”形成逻辑模块使复杂工作流更清晰。备注节点使用“注释”节点为工作流的不同部分添加文字说明。7.2 性能与稳定性优化启动参数调整对于显存有限的用户如 6GB在启动器或一键启动.bat的额外参数中添加--medvram。对于 4GB 或更小显存使用--lowvram。这会影响速度但能运行更大的模型或分辨率。使用性能更高的采样器对于快速出图可以尝试DPM 2M Karras或UniPC等采样器它们可能在更少的步数内获得不错的效果。定期清理定期清理ComfyUI目录下的temp和output文件夹释放磁盘空间。output是最终保存的图片temp是中间缓存。7.3 下一步学习与扩展探索社区工作流访问 Civitai 或 OpenArt 等平台搜索“ComfyUI Workflow”下载并导入他人分享的.json或.png文件。这是学习高级技巧如面部修复、高清修复、复杂 LoRA 堆叠最快的方式。学习核心节点深入理解LatentUpscale潜空间放大、ControlNet Apply应用 ControlNet、IPAdapter等强大节点的用法。尝试自定义节点如果你有 Python 编程基础可以研究如何编写自己的自定义节点来扩展功能。关注更新通过ComfyUI-Manager定期更新核心和插件以获取新功能和性能改进。ComfyUI 的魅力在于其模块化带来的无限可能性。从秋叶整合包这个友好的起点出发通过构建、拆解、重组一个个节点你将逐渐掌握 AI 图像生成的底层逻辑从而创造出真正符合你想象的视觉作品。