在实际的AI绘画和图像生成领域Stable Diffusion WebUI如Automatic1111因其直观的交互方式而广为人知。然而当工作流变得复杂、需要精细控制生成步骤、或希望实现可复现的自动化流程时节点式UI的优越性便凸显出来。ComfyUI正是这样一个基于节点图Node Graph的Stable Diffusion GUI和后台它将文生图、图生图、ControlNet、LoRA等每一个处理步骤都抽象为独立的节点通过连线来定义数据流向。这种设计不仅让整个生成过程变得透明、可调试更便于构建、保存和分享复杂的工作流。对于刚接触ComfyUI的新手而言最大的障碍往往不是节点逻辑本身而是繁琐的环境配置和依赖安装。Python版本冲突、PyTorch与CUDA不匹配、插件依赖缺失等问题足以让学习热情在第一步就消耗殆尽。因此一个整合了核心环境、常用插件和基础工作流的“整合包”成为了快速入门的最佳选择。本文将围绕“秋叶整合包”这一流行方案手把手带你完成在Windows和macOS系统上从零安装、配置到运行第一个工作流的全过程。无论你是完全没有编程基础的AI绘画爱好者还是希望将Stable Diffusion集成到更稳定工作流中的开发者都能通过本文获得一个即开即用的ComfyUI环境并理解其背后的运行机制。1. 理解ComfyUI与整合包为什么选择节点式工作流在深入安装步骤之前有必要先厘清几个核心概念这能帮助你理解后续操作的目的而不仅仅是机械地执行命令。1.1 ComfyUI的核心优势可视化编程与确定性ComfyUI将Stable Diffusion的生成过程拆解为一个个功能单一的节点Node。例如一个最简单的文生图流程可能包含以下节点CLIP Text Encode提示词编码器负责将你输入的正向、负向提示词转换为模型能理解的向量。Empty Latent Image空潜空间图像根据你设定的宽高和批次大小生成一个随机的噪声矩阵作为生成的起点。KSampler采样器这是核心生成节点它加载你指定的模型Checkpoint结合提示词向量和噪声通过多次迭代采样Steps去噪最终输出潜空间特征。VAE DecodeVAE解码器负责将KSampler输出的潜空间特征解码成我们可以看见的RGB像素图像。这些节点通过“连线”传递数据如潜空间特征、提示词向量等。这种设计带来了几个关键优势流程透明你可以清晰地看到图像是如何一步步被“计算”出来的便于理解每个参数的作用。高度可控你可以轻松地在流程的任何环节插入其他处理节点如使用ControlNet节点接入姿势图或使用LoRA加载器节点改变画风。可复现与可分享整个节点图可以保存为一个JSON文件工作流。分享这个文件他人就能完全复现你的生成过程和结果这对于团队协作和流程标准化至关重要。资源效率相比于WebUIComfyUI通常被认为内存管理更高效在生成复杂工作流或批量任务时更稳定。1.2 “整合包”解决了什么痛点原始的ComfyUI只是一个纯净的界面和框架它需要你自行准备Python环境特定版本。PyTorch与你的显卡CUDA版本匹配。Stable Diffusion基础模型.ckpt或.safetensors文件。各种插件Custom Nodes及其依赖。“整合包”将这些繁琐的步骤打包。以“秋叶整合包”为例它通常包含便携版Python内置了兼容的Python解释器无需用户自己安装配置。预配置的依赖已经安装好了PyTorch、torchvision等核心科学计算库。封装好的启动器提供图形化界面一键启动自动处理环境变量。常用插件合集预装了如ComfyUI Manager插件管理器、ControlNet预处理器节点等一大批实用工具。基础模型和示例工作流可能包含一个基础的SD1.5或SDXL模型以及几个示例工作流文件帮助用户快速上手。对于绝大多数用户尤其是Windows用户使用整合包是避免陷入“环境配置地狱”的最快路径。1.3 版本选择V9.5、V95与“秋叶整合包”在搜索材料中你可能会看到comfyui秋叶整合包v95、comfyui整合包v9.5等表述。这里的“v9.5”或“v95”通常指的是整合包发布者定义的版本号并非ComfyUI官方的版本。不同版本的整合包可能集成了不同版本的ComfyUI核心、不同的插件集合以及不同的优化。对于新手建议选择发布时间相对较新、社区讨论热度高的版本其兼容性和稳定性通常更好。本文将基于一个通用的“秋叶整合包”结构进行讲解其核心步骤在不同版本间是相通的。2. 环境准备与整合包获取在开始安装前请根据你的操作系统完成以下准备工作。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 / macOS 10.15Windows 11 / macOS 12处理器支持AVX指令集的64位CPU多核现代CPU如Intel i5/R5及以上内存8 GB RAM16 GB RAM 或更高显卡支持DirectX 12的显卡WinNVIDIA显卡强烈推荐显存≥4GBSD1.5或≥8GBSDXL存储空间至少20GB可用空间50GB以上SSD剩余空间用于存放模型备注无独立显卡可使用CPU模式但速度极慢。macOS系统需为Intel或Apple Silicon芯片。显存越大能处理的图像分辨率越高批量生成效率也越高。注意对于使用AMD显卡或Intel Arc显卡的用户虽然可以通过ROCm或OpenCL支持运行但配置过程复杂且性能可能不及NVIDIA显卡稳定。整合包通常为NVIDIA CUDA环境优化。2.2 获取整合包资源由于网络环境差异获取整合包的途径有多种。请务必从可信的渠道下载以避免安全风险。国内社区平台在相关论坛、视频教程的简介或评论区作者通常会提供网盘链接如百度网盘、123云盘。这是最常见的获取方式。开源仓库镜像一些维护者会在GitHub、Gitee等平台发布整合包的下载链接或安装脚本。关键文件确认下载完成后你应该得到一个压缩包文件名称可能类似于ComfyUI_windows_portable_v9.5.7z或ComfyUI_macos_v9.5.zip。请核对文件大小通常应在几个GB左右过小的文件可能不完整。2.3 安装必要的支持软件Windows对于Windows用户在解压整合包之前建议先安装两个系统级支持软件7-Zip或Bandizip整合包通常是.7z格式的高压缩率文件系统自带的解压工具可能无法识别。安装一款支持7z格式的解压软件是必须的。Git虽然整合包已包含大部分内容但后续更新ComfyUI核心或安装新插件时可能会用到Git。你可以从Git官网下载安装安装时记得勾选“Git from the command line and also from 3rd-party software”选项以便在任意位置使用git命令。macOS用户通常无需额外准备系统自带的归档实用工具可以解压zip文件并已内置Git。3. 在Windows系统上安装与配置Windows是ComfyUI最主要的使用平台以下步骤以常见的“秋叶整合包”为例。3.1 解压与目录结构在你希望安装ComfyUI的磁盘上建议是非系统盘且剩余空间较大的位置如D:\创建一个新文件夹例如AI_Painting。将下载好的整合包压缩文件如.7z文件移动到这个文件夹内。使用7-Zip等软件右键点击压缩文件选择“解压到当前文件夹”或“解压到ComfyUI...”。请确保解压过程顺利完成没有报错。解压完成后你会得到一个名为ComfyUI_windows_portable或类似的文件夹。进入该文件夹你会看到如下关键内容ComfyUI_windows_portable/ ├── ComfyUI/ # ComfyUI核心程序目录 ├── python_embeded/ # 便携版Python环境 ├── update/ # 更新脚本目录 ├── 启动器.exe # 图形化启动器关键 └── 其他说明文档.txt3.2 通过启动器进行首次配置与运行整合包的精髓就在于这个“启动器.exe”它极大地简化了配置流程。双击运行启动器首次运行时可能会弹出Windows Defender SmartScreen提示选择“更多信息”-“仍要运行”。杀毒软件也可能报警请将本目录添加到信任区。配置启动参数启动器界面通常包含几个关键设置选择版本在“高级选项”或类似标签页中你可以选择要启动的ComfyUI版本如官方版、Forge版等。初次使用保持默认即可。安装VC运行库如果首次启动提示缺少DLL启动器通常会提供一键安装VC运行库的按钮点击安装。疑难解答如果启动失败启动器可能提供“修复虚拟环境”、“重新安装Pytorch”等选项。一键启动在主界面直接点击“一键启动”或“启动ComfyUI”按钮。启动器会依次完成以下工作激活便携Python环境。安装或检查PyTorch等依赖。启动ComfyUI后台服务。自动在默认浏览器中打开ComfyUI的Web界面通常是http://127.0.0.1:8188。3.3 验证安装与界面初识如果一切顺利你的浏览器将打开ComfyUI的界面。一个最简单的验证方法是加载示例工作流在浏览器界面中点击右侧的“Load”加载按钮。在弹出的对话框中整合包通常会在ComfyUI/example/workflows/目录下提供一些.json或.png文件。选择其中一个如simple_vae.json加载。加载后画布上会出现一系列已连接好的节点。点击右下角的“Queue Prompt”排队提示按钮。如果看到节点开始闪烁表示正在执行并在最终图像预览节点处生成一张图片恭喜你ComfyUI已经成功运行。3.4 安装与切换模型整合包可能自带一个基础模型但为了生成想要的图片你需要自己添加模型。准备模型文件从可信来源下载Stable Diffusion模型.ckpt或.safetensors格式、VAE、LoRA等并记住它们的存放位置。定位模型目录回到你的ComfyUI文件夹找到ComfyUI/models/目录。其下有若干子文件夹checkpoints/存放主模型大模型。loras/存放LoRA模型。vae/存放VAE模型。controlnet/存放ControlNet模型。upscale_models/存放超分辨率模型。放入模型将下载的模型文件放入对应的文件夹。例如将revAnimated_v122.safetensors放入checkpoints/文件夹。刷新节点返回ComfyUI Web界面。对于主模型和VAE你需要使用对应的“Load Checkpoint”加载检查点和“VAE Loader”VAE加载器节点。放入新模型后需要重启ComfyUI服务在启动器点击“重启”或者在Web界面按F5刷新页面新模型才会出现在节点的下拉列表中。4. 在macOS系统上安装与配置macOS下的安装过程与Windows类似但由于系统架构Intel/Apple Silicon和图形接口Metal的不同细节上有差异。4.1 解压与权限设置将下载的ComfyUI_macos_xxx.zip文件解压到你常用的应用程序目录或用户目录下例如~/Applications/或~/Documents/ComfyUI/。macOS可能会阻止运行来自未识别开发者的应用。如果遇到提示需要进入“系统设置”-“隐私与安全性”在下方允许运行该应用。打开终端Terminal进入解压后的目录。例如cd ~/Documents/ComfyUI_macos_portable4.2 使用终端脚本启动macOS整合包通常不提供图形化启动器而是通过Shell脚本启动。在终端中查找目录下的启动脚本通常名为run.sh或start_comfyui.sh。赋予脚本执行权限并运行它chmod x run.sh # 只需执行一次赋予脚本可执行权限 ./run.sh # 每次启动ComfyUI时执行此命令脚本会自动激活Python虚拟环境安装依赖并启动服务。当终端输出类似“* Running on http://127.0.0.1:8188”的信息时表示启动成功。打开Safari或Chrome浏览器访问http://127.0.0.1:8188。4.3 macOS特定注意事项Apple Silicon (M1/M2/M3) 优化确保你使用的整合包或安装说明明确支持Apple Silicon。PyTorch已原生支持MPSMetal Performance Shaders后端这能显著提升在Apple芯片上的性能。启动脚本或配置中应有相关设置如--force-fp16和指定设备为mps。模型存放模型文件的存放路径与Windows一致都在ComfyUI/models/下的对应子文件夹中。性能管理在Apple Silicon Mac上图像生成速度可能仍不及同价位NVIDIA显卡但足以学习和创作。注意监控内存压力同时运行多个大型工作流可能导致内存交换影响速度。5. 核心操作你的第一个自定义工作流现在你已经成功启动了ComfyUI。让我们抛开示例从头构建一个最基础的文生图工作流以理解节点的连接逻辑。5.1 清空画布与添加节点在Web界面中如果画布上有示例节点可以按CtrlA全选然后按Delete键清空。在画布空白处右键点击选择“Add Node”添加节点。我们将按流程顺序添加以下节点Load Checkpoint加载检查点CLIP Text Encode (Prompt)CLIP文本编码器需要添加两个一个用于正向提示词一个用于负向提示词。Empty Latent Image空潜空间图像KSampler采样器VAE DecodeVAE解码器Save Image保存图像或Preview Image预览图像5.2 连接节点与配置参数这是最关键的一步请严格按照数据流向连接连接模型与文本编码器从Load Checkpoint节点的CLIP输出端口分别连接到两个CLIP Text Encode节点的CLIP输入端口。连接文本编码器与采样器从正向提示词CLIP Text Encode节点的CONDITIONING输出端口连接到KSampler节点的positive输入端口。负向提示词的连接到negative端口。连接模型与采样器从Load Checkpoint节点的MODEL输出端口连接到KSampler节点的model输入端口。连接潜空间与采样器从Empty Latent Image节点的LATENT输出端口连接到KSampler节点的latent_image输入端口。连接采样器与解码器从KSampler节点的LATENT输出端口连接到VAE Decode节点的samples输入端口。连接模型与解码器从Load Checkpoint节点的VAE输出端口连接到VAE Decode节点的vae输入端口。连接解码器与输出从VAE Decode节点的IMAGE输出端口连接到Save Image节点的images输入端口。接下来配置关键参数Load Checkpoint点击节点上的下拉框选择你放入checkpoints/文件夹中的模型。CLIP Text Encode在text输入框内填写提示词例如正向提示词“masterpiece, best quality, 1girl, beautiful”负向提示词“lowres, bad anatomy”。Empty Latent Image设置width宽度和height高度例如 512x512。batch_size设为1。KSamplerseed随机种子可以固定一个数字如1234以便复现。steps采样步数20-30是常用范围。cfg分类器自由引导尺度7-9是常用范围数值越高越贴近提示词。sampler_name采样器名称如eulerdpmpp_2m。scheduler调度器如normalkarras。Save Image可以设置图片保存的前缀名。5.3 执行与保存工作流点击右下角的“Queue Prompt”按钮。观察节点它们会从右向左依次变为执行状态高亮或闪烁。执行完成后Save Image节点会显示生成的图片。你可以点击图片进行预览和保存。保存你的工作流点击右侧的“Save”保存按钮给你的工作流起个名字如my_first_workflow.json。这个JSON文件包含了所有节点、连接和参数信息你可以分享给他人或在其他机器上加载。6. 进阶管理插件、模型与工作流掌握了基础流程后你可以通过以下方式扩展ComfyUI的能力。6.1 使用ComfyUI Manager管理插件整合包通常预装了ComfyUI Manager它是管理插件的核心工具。在Web界面你应该能看到一个额外的“Manager”按钮或标签页。点击进入你可以安装新插件在“Install Custom Nodes”标签页中搜索或浏览插件列表点击Install即可。安装后需要重启ComfyUI。更新插件/ComfyUI在“Update”标签页可以一键更新所有已安装的插件或ComfyUI本体。解决依赖冲突Manager能检测节点缺失的依赖并尝试自动安装。6.2 导入与分享工作流社区是ComfyUI生态的重要组成部分。导入工作流当你从网上下载或从朋友那里获得一个.json或.png工作流文件时只需点击Web界面的“Load”按钮选择文件即可加载。如果提示缺少节点ComfyUI Manager通常会提示你安装。工作流图片ComfyUI支持将工作流嵌入PNG图片的元数据中。当你加载一张这样的图片时它会自动还原出完整的工作流节点图。这是最方便的分享方式。6.3 模型文件的组织建议随着模型增多良好的文件管理习惯至关重要。分类存放严格遵守models/下的子目录分类。使用别名对于常用的LoRA可以在loras文件夹内再建立子文件夹如character/,style/进行分类。ComfyUI的节点在加载时支持路径浏览。定期清理定期清理不用的模型以节省宝贵的SSD空间。7. 常见问题排查与解决方案即使使用整合包你也可能遇到一些问题。以下是典型问题的排查路径。7.1 启动与运行问题问题现象可能原因检查与解决步骤启动器点击“一键启动”后无反应或闪退1. 路径包含中文或特殊字符。2. 防病毒软件拦截。3. 运行库缺失。1. 将整个ComfyUI文件夹移动到全英文路径下如D:\ComfyUI。2. 暂时关闭防病毒软件或将ComfyUI目录添加到白名单。3. 使用启动器内的“修复运行库”或“依赖修复”功能。浏览器打开http://127.0.0.1:8188无法连接1. ComfyUI后台服务未成功启动。2. 端口被占用。1. 检查启动器或终端窗口是否有红色错误日志。2. 尝试在启动器或启动命令中更换端口如--port 8189。生成图片时报错“CUDA out of memory”显存不足。1. 降低生成图片的width和height。2. 在KSampler节点启用“vae_decode_batch_size”或使用“VAE Encode (for tiling)”节点分块解码。3. 使用--lowvram或--medvram参数启动ComfyUI在启动器设置中调整。加载工作流时提示“Missing Nodes”缺少对应的自定义节点插件。1. 使用ComfyUI Manager根据缺失的节点名称搜索并安装对应插件。2. 重启ComfyUI后重新加载工作流。7.2 生成结果问题问题现象可能原因检查与解决步骤生成的图片全黑、全灰或色彩异常VAE模型不匹配或未加载。1. 检查VAE Decode节点是否正确连接到Load Checkpoint节点的VAE输出。2. 尝试在Load Checkpoint节点后显式连接一个VAE Loader节点并选择一个合适的VAE模型如vae-ft-mse-840000-ema-pruned.ckpt。图片质量很差有大量噪点或扭曲采样步数steps过低或提示词引导系数cfg不恰当。1. 将steps提高到20以上。2. 将cfg调整到7-9之间。3. 检查是否使用了不兼容的sampler和scheduler组合。LoRA或ControlNet效果不明显或没生效节点连接错误或强度参数设置不当。1. 确保LoRA加载器节点的输出MODEL和CLIP正确接入到后续流程通常接在Load Checkpoint之后CLIP Text Encode和KSampler之前。2. 调整LoRA节点的strength_model和strength_clip参数通常0.5-1.0。3. 确保ControlNet节点的图像预处理模型和预处理器选择正确。7.3 性能优化建议Windows NVIDIA显卡在启动器设置中确认已选择正确的CUDA版本。如果显存充足≥8GB可以尝试启用--xformers选项以加速注意力计算。macOS Apple Silicon确保PyTorch使用了MPS后端。生成时可以打开“活动监视器”观察“内存压力”和“GPU历史记录”确保系统资源充足。通用建议将模型文件放在SSD硬盘上可以大幅缩短加载时间。关闭不必要的后台程序释放内存。8. 从入门到精通下一步学习路径成功运行第一个工作流只是起点。要精通ComfyUI建议按以下路径深入掌握核心节点深入理解KSampler各个参数噪声种子、调度器对结果的影响学习CLIP Text Encode的高级用法如区域提示。玩转ControlNet学习使用OpenPose、Canny、Depth等ControlNet节点实现精准的图像构图控制。这是ComfyUI相比其他UI最强大的优势之一。探索高级工作流尝试搭建“图生图重绘”、“高清修复Hires. fix”、“多ControlNet组合”、“动画生成”等复杂工作流。从社区分享的成熟工作流开始学习是最快的方法。学习自定义节点开发如果你有Python编程基础可以研究如何开发自己的节点将特定图像处理算法或业务逻辑集成到工作流中实现真正的自动化。关注工作流管理对于商业用途或团队协作研究如何版本化管理工作流文件如何将ComfyUI作为无头服务headless通过API调用集成到更大的生产管线中。记住ComfyUI的学习是一个“搭建-测试-理解-优化”的循环过程。不要害怕复杂的节点图多拆解、多模仿社区中的优秀工作流你很快就能从新手成长为能够构建精密图像生成管道的专家。