在实际的 AI 图像生成领域Stable Diffusion WebUI 以其直观的图形界面成为了许多创作者的首选。然而当工作流变得复杂、需要更精细的节点化控制或追求更高的运行效率时ComfyUI 便展现出其独特的优势。它是一个基于节点式工作流的 Stable Diffusion 图形界面将图像生成的每一步都模块化、可视化让用户能够清晰地理解并控制整个生成过程。对于习惯了中文环境的国内用户来说纯英文的界面和复杂的节点连接无疑增加了学习门槛。秋叶大佬发布的 ComfyUI 中文整合包正是为了解决这一痛点。它将 ComfyUI 的核心、常用插件、模型以及最重要的中文汉化界面打包在一起并提供了一键启动脚本极大地简化了在 Windows 和 macOS 系统上的部署流程。本文的目标是引导你无论使用的是 Windows 还是 macOS都能顺利完成这个中文整合包的下载、安装和基础配置让你能立刻上手体验节点式 AI 绘画的魅力并理解其背后的关键概念。1. 理解 ComfyUI 与中文整合包的核心价值在开始动手安装之前有必要先厘清几个核心概念这能帮助你更好地理解为什么要使用这个整合包以及它为你解决了哪些问题。1.1 ComfyUI 是什么为什么选择它ComfyUI 不是一个全新的 AI 模型而是 Stable Diffusion 模型的另一个“操作面板”。与 WebUI 的线性流程不同ComfyUI 采用节点Node和连线Wire的方式来构建工作流。节点代表一个具体的功能模块例如“加载模型”、“输入提示词”、“K采样器”、“VAE解码”等。连线定义了数据如图像、潜空间变量、条件信息在各个节点之间的流动路径。这种设计带来了几个显著优势流程透明化你可以清晰地看到一张图片从文本到潜空间再到最终解码的完整路径对于学习和理解 Stable Diffusion 的内部机制非常有帮助。高度可定制你可以像搭积木一样自由组合、复用和保存复杂的工作流实现 WebUI 难以完成的精细控制。性能与内存优化ComfyUI 通常被认为比 WebUI 更节省显存运行效率更高尤其是在处理复杂工作流或批量生成时。可复现性将整个工作流保存为一个 JSON 文件可以在任何安装了相同节点的 ComfyUI 环境中精确复现结果。1.2 秋叶中文整合包解决了什么原始的 ComfyUI 是一个开源项目需要用户自行配置 Python 环境、安装依赖、下载模型并且界面是全英文的。秋叶的整合包将这些步骤全部打包处理环境集成内置了适配的 Python 解释器和必要的 PyTorch 等深度学习库无需用户单独安装复杂的 CUDA 环境。汉化界面集成了社区汉化插件将节点名称、菜单、提示词输入框等关键界面元素翻译为中文大幅降低学习成本。预装插件打包了如ComfyUI-Manager插件管理器、efficiency-nodes效率节点等一批实用插件开箱即用。内置模型通常包含基础的 Stable Diffusion 1.5 或 SDXL 检查点模型、VAE、常用 LoRA 等让你安装后即可开始生成。一键启动提供run_nvidia_gpu.batWindows或启动脚本双击即可运行屏蔽了底层命令行操作的复杂性。简单来说这个整合包的目标是让用户专注于学习和使用 ComfyUI 本身而不是浪费在环境配置和语言障碍上。1.3 安装前的关键准备与确认在下载安装包之前请先确认你的系统环境这能避免后续很多兼容性问题。操作系统确认是 Windows 10/11 还是 macOSIntel 或 Apple Silicon。整合包通常提供针对不同系统的版本。显卡与驱动Windows (NVIDIA)这是最理想的情况。确保已安装较新的 NVIDIA 显卡驱动程序。整合包通常内置了 CUDA 版本的 PyTorch。Windows (AMD/Intel 核显)支持情况较为复杂可能需要依赖 DirectML 等后端性能可能不及 NVIDIA。整合包可能提供run_cpu.bat或run_amd.bat等脚本。macOS (Apple Silicon)ComfyUI 支持通过 MPS 后端在 Apple Silicon Mac 上运行速度尚可。需要确认整合包是否包含了 MPS 支持的 PyTorch。磁盘空间预留至少 15-20 GB 的可用空间。这包括了整合包本身约 5-10 GB、基础模型以及未来你自行下载的更多模型和插件。网络环境首次启动时部分插件或管理器可能需要从 GitHub 等源检查更新或下载节点定义需要稳定的网络连接。2. Windows 系统详细安装与配置指南对于 Windows 用户安装过程相对标准化。请严格按照步骤操作并注意区分不同显卡的启动方式。2.1 下载与解压整合包获取整合包从秋叶大佬指定的发布渠道如网盘下载最新的 ComfyUI 中文整合包。文件通常是一个较大的压缩包如.7z或.zip格式。选择解压位置选择一个路径中不含中文或特殊字符的目录例如D:\AI_Tools\。这是很多深度学习相关工具的通用要求可以避免潜在的编码错误。使用解压软件如 7-Zip, Bandizip将下载的压缩包解压到此目录。解压后会得到一个名为ComfyUI_windows_portable或类似的文件夹。2.2 目录结构与首次启动进入解压后的文件夹你会看到类似如下的结构ComfyUI_windows_portable/ ├── ComfyUI/ # ComfyUI 主程序目录 ├── python_embeded/ # 内置的 Python 环境 ├── models/ # 模型存放目录 (checkpoints, loras, vae等) ├── run_nvidia_gpu.bat # NVIDIA显卡启动脚本 ├── run_cpu.bat # CPU模式启动脚本 ├── run_amd.bat # AMD显卡启动脚本 (如支持) └── ...其他配置文件首次启动步骤根据显卡选择脚本如果你使用的是NVIDIA 显卡直接双击run_nvidia_gpu.bat。如果没有独立显卡或想测试可以尝试双击run_cpu.bat速度会非常慢。对于 AMD 显卡如果提供了run_amd.bat则使用它。观察启动过程会弹出一个命令行窗口开始加载环境、依赖和模型。这个过程可能会持续几分钟请耐心等待。你会在窗口中看到大量日志输出。完成启动当看到类似“To see the GUI go to: http://127.0.0.1:8188”的提示时表示启动成功。访问界面打开你的浏览器推荐 Chrome 或 Edge在地址栏输入http://127.0.0.1:8188并访问即可看到 ComfyUI 的中文界面。2.3 基础配置与模型管理成功进入界面后可以进行一些基础设置。设置中文界面确认通常整合包已默认启用汉化。如果界面仍是英文可以检查是否安装了ComfyUI-CN或AIGODLIKE-COMFYUI-TRANSLATION这类汉化插件并在设置中启用。理解模型存放位置你的所有模型都需要放在ComfyUI_windows_portable/models/下的对应子文件夹中。这是整合包预设的模型路径。checkpoints/: 存放主模型文件.safetensors或.ckpt。loras/: 存放 LoRA 模型文件。vae/: 存放 VAE 文件。controlnet/: 存放 ControlNet 模型文件。upscale_models/: 存放超分辨率模型如 ESRGAN。安装新的模型将下载的模型文件放入对应的文件夹后需要重启 ComfyUI关闭命令行窗口重新运行.bat文件新的模型才会在节点加载列表中显示。使用 ComfyUI Manager界面右侧或左上角通常有一个图标点击可以打开ComfyUI Manager。在这里你可以浏览、安装、更新社区插件和自定义节点是扩展 ComfyUI 功能的核心工具。2.4 Windows 常见问题排查首次启动和使用中可能会遇到一些问题以下是常见的排查思路。问题现象可能原因检查与解决步骤双击.bat文件后窗口闪退1. 路径包含中文/特殊字符。2. 显卡驱动不兼容或太旧。3. 端口被占用。1. 将整合包移动到纯英文路径。2. 更新 NVIDIA 显卡驱动至最新稳定版。3. 查看日志文件通常在同目录的logs文件夹内寻找错误信息。启动日志卡在 “Downloading...” 或网络错误插件管理器或节点需要从 GitHub 下载资源网络连接不畅。1. 可以尝试多次重启有时是临时网络问题。2. 如果长期无法解决可能需要检查网络设置。整合包通常已内置必要组件不影响基础功能使用。浏览器访问127.0.0.1:8188无法连接1. ComfyUI 服务未成功启动。2. 防火墙阻止了连接。1. 确认命令行窗口是否成功运行到最后并显示访问地址。2. 检查命令行窗口是否有红色错误信息。3. 暂时关闭防火墙试试。加载模型时提示 “Not a checkpoint” 或类似错误1. 模型文件损坏。2. 模型类型放错了文件夹。1. 重新下载模型文件。2. 确认模型是 Checkpoint, LoRA 还是 VAE并放入正确的文件夹。生成图片时报错提示 CUDA out of memory显存不足。1. 在run_nvidia_gpu.bat文件中找到设置命令尝试在命令后添加--lowvram或--medvram参数。2. 降低生成图片的分辨率或批处理大小。3. 关闭其他占用显存的程序。注意修改.bat启动脚本时可以用记事本打开。例如在python main.py这一行后面添加参数变成python main.py --lowvram保存后重新启动。3. macOS 系统详细安装与配置指南在 macOS 上安装 ComfyUI 整合包过程与 Windows 类似但需要注意 Apple Silicon (M1/M2/M3) 与 Intel 芯片的差异以及 macOS 特有的权限问题。3.1 下载与解压整合包获取 macOS 版本整合包确保你下载的是针对 macOS 的整合包版本。通常文件名会包含mac或apple字样。解压到应用程序文件夹或用户目录使用 macOS 自带的归档实用工具或第三方解压软件如 The Unarchiver进行解压。建议解压到应用程序文件夹或你的用户主目录/Users/你的用户名/下方便管理。3.2 首次启动与权限处理macOS 版本通常提供一个可执行的脚本文件如run.sh或直接是一个.command文件。授予执行权限首次运行前必须打开终端应用程序。使用cd命令导航到你的 ComfyUI 整合包目录。例如cd /Users/你的用户名/Downloads/ComfyUI_macos_portable为启动脚本添加执行权限chmod x run.sh如果整合包提供的是.command文件同样需要执行chmod x xxx.command。启动 ComfyUI方法一终端在终端中继续在当前目录下执行./run.sh。方法二图形界面直接双击run.command文件如果已授权。系统可能会提示“无法打开因为来自身份不明的开发者”此时需要进入系统设置 - 隐私与安全性在底部点击“仍要打开”。观察启动过程终端窗口会开始加载。对于 Apple Silicon Mac日志中应能看到Using MPS backend的提示这表明正在使用 Metal Performance Shaders 进行加速。访问界面当看到“To see the GUI go to: http://127.0.0.1:8188”时在 Safari 或 Chrome 浏览器中访问该地址。3.3 macOS 特定配置与优化模型路径与 Windows 相同模型文件需要放置在整合包目录下的models/对应子文件夹中。macOS 的访达Finder默认可能隐藏.safetensors等后缀请确保文件完整。Apple Silicon (MPS) 性能MPS 后端通常能提供不错的加速但显存统一内存管理策略与 NVIDIA CUDA 不同。如果遇到内存不足同样可以尝试在启动命令中添加--lowvram参数。修改run.sh文件在python main.py后添加参数。Intel Mac 注意事项对于 Intel 芯片的 Mac可能会使用 CPU 或旧的 GPU 后端速度会慢很多。请确认整合包是否提供了针对 Intel 的优化版本。3.4 macOS 常见问题排查问题现象可能原因检查与解决步骤提示 “Permission denied”启动脚本没有执行权限。在终端中使用chmod x命令为脚本文件添加执行权限。双击.command文件无法打开macOS 安全策略阻止了未签名的应用。在系统设置 - 隐私与安全性中找到相关提示并点击“允许”。或者始终通过终端执行。启动日志报错提及 “Python” 或 “torch”内置的 Python 环境可能损坏或与 macOS 系统版本不兼容。1. 重新下载整合包。2. 查看整合包发布页面的说明确认支持的 macOS 最低版本。生成图片速度极慢1. 可能运行在 CPU 模式。2. Apple Silicon Mac 未启用 MPS。1. 检查启动日志确认是否有Using MPS backend信息。2. 确保没有添加--cpu参数。无法下载插件或模型网络问题或 GitHub 访问限制。与 Windows 类似可能需要检查网络环境。对于 macOS还可以尝试在终端中配置临时代理如果适用。4. 核心工作流入门与关键节点解析安装成功只是第一步理解如何构建一个最基本的文生图工作流是使用 ComfyUI 的关键。下面我们将创建一个最小可行的工作流并解释其中每个核心节点的作用。4.1 构建第一个文生图工作流清空画布打开 ComfyUI 界面默认可能有一个示例工作流。在空白处右键选择 “清除所有节点”或按Ctrl/Cmd A全选后删除。添加核心节点在画布空白处右键选择 “添加节点”。我们将依次添加以下节点加载器 - 加载 Checkpoint 模型条件作用 - CLIP 文本编码器(需要添加两个一个用于正面提示词一个用于负面提示词)采样器 - K采样器VAE - VAE 解码图像 - 保存图像连接节点按照数据流的方向连接节点。这是最关键的一步连接逻辑如下Checkpoint 加载器输出MODEL,CLIP,VAE三个连接点。将MODEL连接到K采样器的model输入。将CLIP分别连接到两个CLIP 文本编码器的clip输入。在CLIP 文本编码器的text输入框中一个输入正面提示词如“a beautiful landscape”一个输入负面提示词如“blurry, bad quality”。将两个CLIP 文本编码器的CONDITIONING输出分别连接到K采样器的positive和negative输入。K采样器还需要latent_image输入这里我们需要一个初始的随机潜空间。右键添加“潜在 - 空潜在图像”节点将其samples输出连接到K采样器的latent_image。将K采样器的LATENT输出连接到VAE 解码的samples输入。将VAE 解码的IMAGE输出连接到保存图像的images输入。最后将Checkpoint 加载器的VAE输出连接到VAE 解码的vae输入。连接完成后你的工作流应该形成一个清晰的链条加载模型 - 编码文本 - 采样器生成潜变量 - VAE解码为像素图像 - 保存。配置参数并生成在空潜在图像节点设置生成图像的宽高如512x512。在K采样器节点设置采样步数steps如20、CFG 值cfg如7.5并选择一个采样器sampler_name如euler_a和调度器scheduler如normal。点击界面右下角的“添加提示词队列”按钮开始生成。你可以在右下角看到生成进度。4.2 关键节点功能详解理解每个节点的作用才能灵活调整工作流。节点名称功能关键参数解释加载 Checkpoint 模型加载 Stable Diffusion 的主模型文件。ckpt_name: 选择已放入models/checkpoints/的模型。它输出模型、CLIP文本编码器、VAE三个组件。CLIP 文本编码器将文本提示词转换为模型可以理解的“条件”向量。text: 输入提示词。通常需要两个分别处理正面和负面提示词。clip: 接收来自 Checkpoint 加载器的 CLIP 模型。空潜在图像生成一个指定尺寸的、充满随机噪声的潜空间图像作为生成的起点。width,height: 决定最终输出图像的尺寸。batch_size: 一次生成多少张图。K采样器整个扩散过程的核心。它迭代地从噪声中“去噪”根据文本条件逐步生成清晰的潜空间图像。steps: 去噪步数越多通常细节越好但速度越慢。cfg: 分类器自由引导尺度值越大越遵循提示词但过高可能失真。sampler_name: 采样算法如 euler_a, dpmpp_2m。scheduler: 调度器控制噪声衰减计划如 normal, karras。VAE 解码将 K采样器 生成的潜空间低维表示解码成我们可以看到的 RGB 像素图像。samples: 输入潜空间变量。vae: 接收来自 Checkpoint 加载器的 VAE 模型。保存图像将生成的图像保存到磁盘。整合包通常配置了默认输出目录。filename_prefix: 保存图像的文件名前缀。图像会自动保存在ComfyUI/output/目录下。4.3 工作流的管理与分享保存工作流点击界面上的“保存”按钮可以将当前画布上的所有节点和连接保存为一个.json文件。这个文件非常小只包含节点逻辑和参数不包含模型。加载工作流点击“加载”按钮可以加载之前保存的.json文件快速复现整个工作流。导入他人工作流社区有很多分享的精彩工作流.json文件。下载后通过“加载”按钮导入。注意你需要拥有工作流中引用的所有模型和插件节点否则会报错。ComfyUI Manager通常可以帮你自动安装缺失的节点。5. 进阶使用插件、模型管理与生产环境考量当你熟悉基础工作流后可以通过插件和模型来扩展 ComfyUI 的能力。同时也需要考虑更稳定、高效的使用方式。5.1 使用 ComfyUI Manager 管理插件ComfyUI Manager是整合包预装的核心插件是扩展功能的门户。打开管理器在 ComfyUI 界面找到它的图标通常像一个小齿轮或三个点并点击。安装插件在Install Custom Nodes标签页你可以搜索或浏览社区插件。找到想要的插件如ComfyUI-Impact-Pack用于高级处理was-node-suite-comfyui提供丰富工具节点点击Install按钮。应用更改安装插件后必须重启 ComfyUI服务关闭并重新运行启动脚本新安装的节点才会出现在右键菜单中。更新与问题在Manager中也可以更新已安装的插件或 ComfyUI 本身。如果某个插件导致问题可以在这里尝试禁用或卸载。5.2 模型文件的组织与管理随着使用的深入你的models文件夹会变得庞大。良好的管理习惯至关重要。分类清晰严格按照checkpoints,loras,vae,controlnet,upscale_models,embeddings(Textual Inversion) 等子文件夹存放模型。命名规范为模型文件起一个清晰的名字可以包含版本、类型、作者等信息避免使用随机字符串。例如sdXL_v1.0.safetensors比1234abcd.safetensors要好得多。使用快捷方式Windows或软链接macOS如果你的模型库特别大或者想与其他 AI 工具如 WebUI共享模型可以将模型集中存放在一个大的 SSD 分区然后在 ComfyUI 的models文件夹内创建指向它们的快捷方式Windows或符号链接macOS。这可以节省主安装目录的空间并方便统一更新模型。Windows 示例命令提示符# 在 ComfyUI 的 loras 文件夹内为 D 盘模型库中的 LoRA 创建快捷方式 mklink /J “D:\ComfyUI\models\loras\my_lora.safetensors” “E:\AI_Models\loras\my_lora.safetensors”macOS/Linux 示例终端# 在 ComfyUI 的 checkpoints 文件夹内创建指向外部模型的软链接 ln -s /Volumes/External_SSD/AI_Models/checkpoints/sdXL.safetensors /Users/you/ComfyUI/models/checkpoints/sdXL.safetensors5.3 生产环境使用建议如果你计划更严肃地使用 ComfyUI以下建议有助于提升稳定性和效率版本控制与备份定期备份你的自定义工作流.json文件。在升级整合包或大量安装新插件前最好备份整个ComfyUI目录。考虑使用 Git 来管理你的工作流文件。性能监控与优化Windows使用任务管理器或 NVIDIA GPU 工具查看显存占用。macOS使用“活动监视器”查看内存压力。根据硬件情况在启动参数中合理使用--lowvram、--medvram。对于拥有大显存的显卡可以不加这些参数以获得更好性能。故障排查方法论 当工作流出错时遵循以下顺序排查检查节点连接确认所有必要连线都已正确连接没有“悬空”的输入端口。检查模型加载确认使用的 Checkpoint、LoRA、VAE 等模型文件存在且未损坏。查看节点错误ComfyUI 界面通常会以红色高亮显示出错的节点将鼠标悬停其上可以看到具体错误信息。查看后台日志命令行窗口中的日志信息是最详细的错误来源。关注红色的错误堆栈跟踪Traceback。简化工作流如果是一个复杂工作流报错尝试先剥离大部分节点只保留最基础的文生图链条确认基础功能正常再逐步添加其他节点。探索社区与学习ComfyUI 的强大在于社区共享的工作流。在 Civitai、OpenArt、Reddit 等平台搜索 “ComfyUI workflow”可以找到实现各种特效如光影控制、人物换装、风格迁移的现成方案。导入这些工作流并“拆解”学习是快速提升技能的最佳途径。通过秋叶的 ComfyUI 中文整合包你获得了一个功能强大且易于上手的节点式 AI 绘画工具。从环境搭建到创建第一个工作流再到管理插件和模型每一步都旨在降低技术门槛。记住核心在于理解数据从“提示词”到“潜空间”再到“像素图像”的流动过程。当你熟悉了基础节点后大胆地导入并研究社区中的复杂工作流你将能解锁 Stable Diffusion 更深层次的创作潜力。