ComfyUI 工作流入门：节点式 AI 绘画

预计阅读 15 分钟 2026年8月17日环境：GPU

aicomfyuistable-diffusion工作流图像生成

ComfyUI 工作流入门：节点式 AI 绘画

写在前面

Stable Diffusion WebUI 是「按钮式」的：参数都给你摆好，点一下生成。而 ComfyUI 是「节点式」的：把模型加载、提示词编码、采样、解码、保存拆成一个个节点，你自己连线组成流水线。更灵活、显存占用更低、出图更快，还能把工作流保存成文件分享给任何人复现。

本教程带你安装 ComfyUI（Windows 便携版 / Linux 源码版），理解核心节点，跑通第一个文生图工作流，并加载一个社区工作流。

ComfyUI 与 WebUI 怎么选

对比	ComfyUI	Stable Diffusion WebUI
上手难度	较高（节点逻辑）	低（表单式）
显存占用	更低，4GB 可跑	较高
出图速度	更快	标准
可复现性	工作流文件一键复现	需截图参数
生态插件	增长最快，先进节点先支持	老牌丰富
适用人群	想精细控制、折腾进阶的	新手、快速出图

结论：先玩 WebUI 找感觉，进阶上 ComfyUI。两者可以共用一套模型文件，不冲突。

环境要求

NVIDIA 显卡，显存 ≥ 4GB（显存 3GB 以下加 --lowvram 也能跑但较慢；无 NVIDIA 显卡可用 CPU 模式，速度会明显下降）
系统内存 ≥ 8GB
磁盘预留 20GB 以上（程序 + 一个 SD 模型约 2~7GB）
Windows 10/11 或 Linux

第一步：安装

Windows：便携包（推荐）

到 ComfyUI GitHub Releases 下载 ComfyUI_windows_portable_nvidia.7z
解压到非系统盘（如 D:\ComfyUI）
双击 run_nvidia_gpu.bat，等待首次依赖安装
看到 To see the GUI go to: http://127.0.0.1:8188 即启动成功，浏览器打开该地址

Linux：源码安装

git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
python3 -m venv venv && source venv/bin/activate
pip install -r requirements.txt
python main.py

浏览器访问 http://127.0.0.1:8188。需要局域网访问加 --listen 0.0.0.0。

第二步：放置模型

模型放在 ComfyUI/models/ 下按类型分目录：

目录	放什么	大小
`checkpoints`	主模型（SD1.5 / SDXL / FLUX 的 `.safetensors`）	2~7GB
`vae`	VAE 模型（改善色彩细节，可选）	百 MB
`loras`	LoRA 微调模型	50~300MB
`controlnet`	ControlNet 控制模型（姿态/深度/边缘）	数百 MB~2GB
`upscale_models`	放大模型（ESRGAN、4x-UltraSharp）	数十~百 MB
`embeddings`	反向提示词嵌入	几十 KB

模型可去 Civitai 或 Hugging Face 下载。已经装过 WebUI？不用重复下载——见下方共享配置。

与 WebUI 共用模型

把 ComfyUI/extra_model_paths.yaml.example 复制为 extra_model_paths.yaml，改 base_path 指向你的 WebUI 目录：

stable-diffusion-webui:
  base_path: D:/stable-diffusion-webui
  checkpoints: models/Stable-diffusion
  vae: models/VAE
  loras: models/Lora
  controlnet: extensions/sd-webui-controlnet/models

保存后重启 ComfyUI，模型下拉框里就会出现 WebUI 的模型，无需复制文件。

第三步：理解核心节点（文生图最小流程）

ComfyUI 的默认工作流就是文生图，由 5 类节点组成，先看懂它们各自干什么：

CheckpointLoaderSimple（加载模型）
        │
CLIPTextEncode（正面提示词）──┐
CLIPTextEncode（负面提示词）──┼──▶ KSampler（采样生成 latent）
        │                         │
        │                         ▼
        └── LoadImage/EmptyLatent（起点图/空白画布）──▶ VAEDecode（解码成图像）
                                                           │
                                                           ▼
                                                      SaveImage（保存）

CheckpointLoaderSimple：加载主模型（模型、CLIP、VAE 一体）
CLIPTextEncode：编码提示词，正面 + 负面各一个
EmptyLatentImage：设定画布宽高（默认 512×512）
KSampler：核心采样器。常用参数：steps: 20、cfg: 7~8、sampler_name: euler、scheduler: normal、denoise: 1.0（图生图时＜1）
VAEDecode：把 latent 解码为图片；SaveImage 保存到 output/ 目录

操作技巧：

双击画布空白处搜索节点
Ctrl + Enter 提交生成；Ctrl + S 保存工作流（JSON）；Ctrl + O 加载
把生成好的 PNG 拖回画布，会自动还原整个工作流（ComfyUI 的招牌功能）
报错时节点会变红，看终端日志定位

第四步：跑第一个工作流

打开 ComfyUI，默认就是文生图工作流（或菜单 Load Default）
在 CheckpointLoaderSimple 下拉框选择你放入的模型
正面提示词写英文描述，如 a cute cat, masterpiece, best quality
负面提示词常用：lowres, bad anatomy, bad hands, watermark
点右侧 Queue Prompt（或 Ctrl+Enter）生成
出图了！存到 ComfyUI/output/ 目录

中文提示词也可以，但英文效果更稳定。想汉化界面，用 ComfyUI-Manager 搜索安装 AIGODLIKE 汉化包。

第五步：安装节点管理器，加载社区工作流

ComfyUI 的精髓在社区工作流——别人搭好的复杂流水线（ControlNet 修手、换脸、视频转绘、FLUX 低显存方案等）存成 JSON，你加载就能复现。

1. 安装 ComfyUI-Manager（节点管理器，必装）：

# Linux
cd ComfyUI/custom_nodes
git clone https://github.com/ltdrdata/ComfyUI-Manager.git
# Windows：在 ComfyUI/custom_nodes 目录执行同样的 git clone 命令

重启 ComfyUI 后，顶部出现 Manager 菜单，可一键搜索安装/更新其他节点，还能备份工作流。

2. 找一个社区工作流：

OpenArt Workflows：流量大，支持在线试玩
ComfyWorkflows：按模型/用途筛选
Flowt.ai：社区分享

3. 加载：下载 JSON 文件 → 拖进 ComfyUI 画布（或 Ctrl+O 打开）→ 按提示安装缺失节点（Manager 会提示）→ 放好对应模型 → 生成。

常见坑：工作流提示缺节点 → Manager 里点 Install Custom Nodes 搜索安装；提示缺模型 → 看节点里模型文件名，去 Civitai/HF 下载放进对应目录；节点红了 → 看终端报错。

常用启动参数

在启动命令（run_nvidia_gpu.bat 或 python main.py）后追加：

参数	作用
`--lowvram`	显存＜4GB 时使用，降低占用换速度损失
`--highvram`	显存充足（12GB+）时模型常驻显存，最快
`--port 8189`	8188 被占用时换端口
`--listen 0.0.0.0`	允许局域网访问（注意防火墙）
`--force-fp16`	半精度推理，省显存（部分模型不兼容）
`--cpu`	无 NVIDIA 显卡的 CPU 模式

常见问题

生成全黑图或噪点？ 确认 KSampler 的 latent 正确连到 VAEDecode；参数恢复常用值（steps 20、cfg 7-8、euler/normal、denoise 1.0）；换一个模型验证。

CUDA out of memory？ 加 --lowvram；降低分辨率（512→384）；确认没有其他程序占用显存。

模型不显示在下拉框？ 检查模型是否放在正确的子目录（checkpoints 放主模型）；刷新页面。

节点报错 ModuleNotFoundError？ 该自定义节点缺依赖，进入 custom_nodes/该节点目录 执行 pip install -r requirements.txt。

端口被占用？ 换 --port 启动；Windows 下 taskkill /f /im python.exe 清理残留进程。

下一步

想先学会传统 WebUI 操作 → Stable Diffusion 部署
想在服务器/Docker 里跑 → Docker + GPU 容器
视频生成类工作流（AnimateDiff 等）在规划中

提示：社区工作流可能附带来源不明的模型与脚本，下载前注意文件来源与许可；涉及版权素材遵守模型与平台许可。生成内容请遵守当地法律法规。升级节点前先用 Manager 备份工作流。

评论区由 GitHub Discussions 驱动，使用 GitHub 账号即可参与讨论。