ComfyUI 是一款基于节点式工作流（Node-based Workflow）的开源 AI 图像生成工具，专为 Stable Diffusion 等扩散模型设计。ComfyUI 是一款基于 节点式工作流（Node-based Workflow） 的 Stable Diffusion 图形用户界面（GUI），它通过将图像生成流程拆解为可自由连接和配置的模块化节点，为用户提供了前所未有的灵活性、可控性和可复现性。
它允许用户通过拖拽和连接不同的功能模块（节点）来构建可视化的图像生成流程，实现了高度定制化和灵活可控的 AI 创作体验。下面我将从多个角度为你系统介绍 ComfyUI。ComfyUI 的核心在于其模块化和可视化的工作流设计，这与传统的 WebUI（如 AUTOMATIC1111）的表单式操作有根本区别。
🧠 一、核心特点与设计理念
ComfyUI 的核心在于其模块化和可视化的工作流设计：
- •高度灵活与可控：用户可以直接调整每个生成步骤的参数，精确控制图像生成的各个环节，甚至构建非常复杂或特殊的工作流。
- •强大的扩展性：支持丰富的插件和自定义脚本（如 ControlNet、LoRA、IP-Adapter等），社区不断贡献新节点和功能。
- •节点式操作（Node-Based）：所有功能被拆解为独立节点（如加载模型、输入提示词、设置采样器等），用户通过拖拽和连接这些节点来构建完整流程。这种方式让整个生成过程变得透明，易于理解和调试。
- •高性能与低显存占用：ComfyUI 进行了多项优化，例如懒加载（Lazy Evaluation），即只有工作流中发生变化的节点才会被重新执行，这大大节省了计算资源和时间。其显存需求通常低于同类工具，使得显存≥8GB的消费级显卡也能获得良好体验。
- •强大的扩展性：支持丰富的自定义节点（Custom Nodes）和插件，社区不断贡献新功能（如 ControlNet、IP-Adapter、AnimateDiff等），使其能力边界持续扩展。
- •工作流的可复现与共享：任何生成流程都可以保存为
.json文件或直接嵌入输出图片的元数据中。这意味着你可以轻松分享你的完整创作流程，他人导入后可以完全复现你的结果，这对于协作和研究至关重要。 - •活跃的开源社区：拥有一个由开发者和爱好者组成的活跃社区，不断推动其发展，分享工作流、教程和资源。
🔄 二、ComfyUI 与 Stable Diffusion WebUI 的对比
了解 ComfyUI 时，常会将其与 AUTOMATIC1111 的 Stable Diffusion WebUI 进行比较：
| 对比维度 | ComfyUI | Stable Diffusion WebUI (AUTOMATIC1111) |
|---|---|---|
| 界面与交互 | 节点式流程图，类似编程，学习曲线稍陡峭 | 传统网页布局，按钮与表单操作，对新手更友好 |
| 灵活性与控制力 | 极高，可自由构建和调整复杂工作流 | 相对固定，灵活性较低 |
| 硬件需求（显存） | 相对较低（例如6GB显存可运行基础模型） | 相对较高（推荐12GB+显存） |
| 功能扩展 | 插件生态快速增长 | 插件生态非常成熟和丰富 |
| 适用场景 | 技术研究、流程自动化、批量生成、追求极致控制 | 快速创作、单次生成、初学者入门 |
🛠️ 三、核心概念与工作流原理
要理解 ComfyUI，需要了解其几个核心概念：
- •节点（Nodes）：构成工作流的基本单元，每个节点执行特定任务（如
KSampler采样器,CLIPTextEncode文本编码器,VAEDecode解码器等）。 - •工作流（Workflow）：由节点通过输入输出接口连接而成的有向无环图（DAG），定义了图像生成的完整管道7。工作流可以保存为
.json文件，方便分享和复用。 - •潜空间（Latent Space）：Stable Diffusion 的核心工作原理之一。大部分计算在低维的潜空间中完成，最后由 VAE 解码器转换为像素空间的高清图像。这大大节省了计算资源和内存。
一个典型的文生图（txt2img）工作流逻辑通常从左向右执行：
加载模型-> CLIP文本编码器（处理提示词）-> 生成初始潜在噪声-> 采样器（在潜空间中去噪）-> VAE解码器（潜空间转像素空间）-> 保存图像。
📥 四、安装与入门指南
ComfyUI 的安装方式多样，以下是常见方法：
- 通过 Git 克隆（推荐）：这种方式便于后续更新。
# 克隆官方仓库
git clone https://github.com/comfyanonymous/ComfyUI.git[4,7](@ref)
cd ComfyUI
# 创建并激活Python虚拟环境（可选但推荐）
# 安装依赖包
pip install -r requirements.txt[4](@ref)- 完成后，运行
python main.py启动，默认在浏览器中打开http://127.0.0.1:81885。 - 使用秋叶启动器等整合包：针对 Windows 用户，国内开发者秋叶等制作的整合包解压即用，内置了常用插件和依赖，对新手非常友好。请注意从可信来源获取。
- 桌面应用（Beta）：ComfyUI 团队正在开发一键安装的桌面版程序，旨在进一步降低安装门槛。
安装后，你需要下载模型文件（如 .safetensors格式的 Stable Diffusion 大模型、VAE、LoRA 等），并放置在 ComfyUI 目录下对应的 models子文件夹中（如 checkpoints, loras, vae）。
🚀 五、应用场景
ComfyUI 的灵活性使其适用于多种高级应用场景：
- •艺术创作：通过精细控制工作流，生成独特风格的艺术作品。
- •概念设计：快速生成和迭代不同风格、主题的图像，辅助创意开发。
- •图像超分辨率与修复：构建包含放大和修复节点的流程提升图像质量。
- •风格迁移：利用特定节点或模型实现图像风格转换。
- •AI研究与实验：其模块化特性非常适合研究人员设计和测试新的生成流程或算法。
- •视频生成：通过与 AnimateDiff 等插件结合，可以生成连贯的视频序列。
以下是COMFY官方在GITHUB的部分自述：
特色
- 节点/图形/流程图界面，无需编写任何代码即可实验和创建复杂的稳定扩散（Stable Diffusion）工作流程。
- 图像模型
- SD1.x、SD2.x（unCLIP）
- SDXL, SDXL Turbo
- 稳定级联效应
- SD3 和 SD3.5
- Pixart Alpha和Sigma
- AuraFlow
- 浑源帝帝
- 通量；流量；磁通量
- Lumina Image 2.0
- HiDream
- Qwen 图像
- 图像编辑模型
- 视频模特
- 音频模型
- 3D模型
- 异步队列系统
- 许多优化措施：仅重新执行工作流程中在执行过程中发生变化的部分。
- 智能内存管理：通过智能卸载技术，即使GPU的显存仅达到1GB，也能自动运行大型模型。
- 即使你没有配备具有
--cpu功能的 GPU（该功能会导致性能变慢），这种方法仍然有效。 - 可以加载检查点（ckpts）和安全张量（safetensors）：适用于一体化的检查点模型，或是独立的扩散模型、变分自编码器（VAEs）和CLIP模型。
- 安全地加载ckpt、pt、pth等文件。
- 嵌入技术/文本反转方法
- 洛拉斯（普通形态、洛肯形态和洛哈形态）
- 超网络
- 从生成的 PNG、WebP 和 FLAC 文件中加载完整的工作流程（包含种子文件）。
- 将工作流保存为/加载为 Json 文件。
- Nodes接口可用于创建复杂的工作流程，例如用于招聘流程优化的工作流程，甚至是更高级的流程。
- 区域构成
- 使用常规模型和修复模型进行图像修复。
- ControlNet与T2I适配器
- 高端模型（ESRGAN、ESRGAN的变体、SwinIR、Swin2SR等）
- 格利根
- 模型合并
- 最小公倍数（LCM）模型与洛拉斯（Loras）
- 使用TAESD的潜在预览
- 完全支持离线使用：除非你主动要求，否则核心功能永远不会下载任何内容。
- 可选的 API 节点，用于通过在线 Comfy API 使用外部提供商提供的付费模型。
- 配置文件用于设置模型的搜索路径。
工作流程示例可以在示例页面上找到。
发布流程
ComfyUI遵循每周一次的发布周期，通常在周五发布，但由于模型更新或代码库的重大修改，这一时间安排会经常发生变化。该项目有三个相互关联的代码仓库：
- ComfyUI Core
- 发布一个新的稳定版本（例如，v0.7.0）
- 这是桌面版本发布的基础。
- ComfyUI桌面版
- 使用最新的稳定核心版本构建新的发布版本。
- ComfyUI 前端
- 每周的前端更新都会合并到核心代码库中。
- 即将发布的核心版本中，各项功能将保持不变（即不会进行修改或更新）。
- 下一个发布周期的开发工作仍在继续。
快捷方式
| 按键绑定 | 解释；说明 |
|---|---|
Ctrl + Enter | 将当前图表排队以进行生成 |
Ctrl + Shift + Enter | 将当前图表排在生成序列的首位。 |
Ctrl + Alt + Enter | 取消当前一代产品 |
Ctrl + Z/Ctrl + Y | 撤销/重做 |
Ctrl + S | 保存工作流程 |
Ctrl + O | 加载工作流程 |
Ctrl + A | 选择所有节点 |
Alt + C | 折叠/展开选中的节点 |
Ctrl + M | 静音/取消静音选中的节点 |
Ctrl + B | 绕过选定的节点（相当于将该节点从图中移除，然后重新连接相关线路） |
Delete/Backspace | 删除选中的节点 |
Ctrl + Backspace | 删除当前图表 |
Space | 在手持画布并移动光标时，可以调整画布的位置。 |
Ctrl/Shift + Click | 将已点击的节点添加到选择集中 |
Ctrl + C/Ctrl + V | 复制并粘贴选中的节点（但不保留与未选中节点输出的连接） |
Ctrl + C/Ctrl + Shift + V | 复制并粘贴选定的节点（同时保持未选定节点的输出与被粘贴节点的输入之间的连接） |
Shift + Drag | 同时移动多个选中的节点 |
Ctrl + D | 加载默认图表 |
Alt + + | 在画布上放大显示 |
Alt + - | 在画布上缩小显示范围 |
Ctrl + Shift + 左键鼠标 + 向下拖动 | 画布缩放（放大/缩小） |
P | 固定/取消固定选定的节点 |
Ctrl + G | 选定的节点组 |
Q | 切换队列的可见性 |
H | 切换历史记录的显示/隐藏状态 |
R | 刷新图表 |
F | 显示/隐藏菜单 |
. | 将视图调整以适应所选内容（当未选择任何内容时显示整个图表） |
| 双击左鼠标按钮 | 打开节点快速搜索调色板 |
Shift + 拖动 | 同时移动多根电线 |
Ctrl + Alt + 左键鼠标 | 将所有电线从所连接的插槽中拔出。 |
对于 macOS 用户来说，Ctrl 也可以被 Cmd 替代。
安装
Windows Portable
有一个适用于 Windows 的便携式独立版本，可以在 发布页面 上找到。该版本既可以在 Nvidia 显卡上运行，也可以仅通过 CPU 运行。
直接下载链接
只需下载文件，使用7-Zip解压后运行即可。请确保将您的Stable Diffusion检查点/模型文件（即那些庞大的ckpt/safetensors文件）放入以下路径：ComfyUI\models\checkpoints。
如果你提取文件有困难，可以右键点击该文件 -> 属性 -> 解锁。
我该如何在另一个用户界面（UI）和ComfyUI之间共享模型？
请参阅配置文件，以设置模型的搜索路径。在独立的Windows构建版本中，您可以在ComfyUI目录中找到该文件。将此文件重命名为extra_model_paths.yaml，并使用您喜欢的文本编辑器对其进行编辑。
comfy-cli
你可以使用 comfy-cli 来安装并启动 ComfyUI：
pip install comfy-cli comfy install
手动安装（Windows、Linux）
Python 3.13得到了很好的支持。如果你在某些自定义节点依赖方面遇到问题，可以尝试使用3.12版本。
使用 Git 克隆这个仓库。
将你的 SD 检查点文件（即那些庞大的 checkpoint/safetensors 文件）放在以下路径：models/checkpoints
将你的变分自编码器（VAE）放入：models/vae
AMD显卡（仅适用于Linux系统）
AMD用户如果还没有安装rocm和pytorch，可以通过pip来安装。以下是安装稳定版本的命令：
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm6.4
这是用于安装带有 ROCm 6.4 的 nightly 版本的命令，该版本可能具备一些性能提升。
pip install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/rocm6.4
英特尔显卡（适用于Windows和Linux系统）
（选项1）Intel Arc GPU用户可以使用pip安装支持torch.xpu的原生PyTorch。更多信息请参见此处。
- 要安装 PyTorch XPU，请使用以下命令：
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/xpu
这是用于安装 Pytorch xpu nightly 版本的命令，该版本可能具备一些性能提升。
pip install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/xpu
（选项2）或者，支持 Intel Extension for PyTorch（IPEX）的英特尔 GPU 可以利用 IPEX 来提升性能。
- 访问安装指南以获取更多信息。
英伟达
Nvidia用户应使用以下命令安装稳定的PyTorch版本：
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu129
这是用于安装 nightly 版 PyTorch 的命令，该版本可能在性能上有所提升。
pip install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu129
故障排除
如果你遇到“Torch未使用CUDA编译”错误，可以使用以下命令卸载torch：
pip uninstall torch
然后使用上述命令再次安装它。
依赖项
通过在 ComfyUI 文件夹内打开终端并执行以下命令来安装依赖项：
pip install -r requirements.txt
完成这些步骤后，你应该已经安装好了所有所需的内容，接下来就可以运行 ComfyUI 了。
其他：
苹果Mac电脑所使用的硅芯片
你可以在搭载苹果M1或M2芯片的Mac电脑上，使用任何最新版本的macOS来安装ComfyUI。
- 安装 nightly 版本的 PyTorch。有关说明，请阅读 在 Mac 上加速 PyTorch 训练 的 Apple 开发者指南（确保安装最新版本的 nightly PyTorch）。
- 请按照ComfyUI手动安装指南中的说明，在Windows和Linux系统上进行操作。
- 安装 ComfyUI依赖关系；从属关系如果你有另一个Stable Diffusion用户界面……你或许可以重新使用这些依赖项。.
- 通过运行
python main.py来启动 ComfyUI。
注意：请按照ComfyUI 手动安装中的说明，将您的模型、VAE、LoRAs 等文件添加到相应的 Comfy 文件夹中。
DirectML（Windows系统上的AMD显卡）
这种做法的依据非常薄弱，因此不建议使用。目前确实存在一些非官方的 PyTorch ROCm Windows 版本，它们的使用体验要比这种方法好得多。一旦官方的 PyTorch ROCm Windows 版本发布，这份说明文件将会进行更新。pip install torch-directml 然后你可以使用以下命令启动 ComfyUI：python main.py --directml
升级神经处理单元（NPU）
适用于与 PyTorch 的 Ascend Extension（torch_npu）兼容的模型。要开始使用，请确保您的环境满足 安装 页面中列出的先决条件。以下是根据您的平台和安装方法定制的分步指南：
- 首先，根据 torch-npu 的安装页面说明，如有必要，安装推荐版本或更新版本的 Linux 内核。
- 按照适用于您特定平台的说明，继续安装 Ascend Basekit。该软件包包含驱动程序、固件以及 CANN（Controlled Access Network）组件。
- 接下来，请按照安装页面上针对特定平台的说明来安装torch-npu所需的包。
- 最后，请按照ComfyUI在Linux系统上的手动安装指南进行操作。所有组件安装完成后，即可按照之前的说明运行ComfyUI。
Cambricon MLU（门阵列单元）
适用于兼容 Cambricon Extension for PyTorch (torch_mlu) 的模型。以下是根据您的平台和安装方法定制的逐步指南：
- 按照安装中针对相应平台的说明来安装Cambricon CNToolkit。
- 接下来，按照安装中的说明安装PyTorch（torch_mlu）。
- 通过运行
python main.py来启动 ComfyUI。
适用于兼容 PyTorch 的 Iluvatar 扩展的模型。以下是根据您的平台和安装方法定制的逐步指南：
- 按照安装中针对特定平台的说明来安装Iluvatar Corex工具包。
- 通过运行
python main.py来启动 ComfyUI。
💎 六、总结
ComfyUI 以其独特的节点式工作流、极高的灵活性和控制精度，在 Stable Diffusion 生态中占据了重要地位，尤其受到进阶用户和研究者的青睐。虽然学习曲线相对陡峭，但一旦掌握，它所能带来的创作自由度和效率提升是显著的。
无论你是想深入研究 AI 图像生成的奥秘，还是需要精细控制每一个生成环节，ComfyUI 都是一个非常强大且值得尝试的工具。其活跃的社区和丰富的扩展生态也在不断推动其向前发展。
