ComfyUI 从零到熟练
纯新手保姆级教程

第零章 · ComfyUI 到底是什么

先建立心智模型，后面每一步才不会迷路。

一句话定义

ComfyUI 是一个“节点式”的 AI 图像生成工作流工具。你不再面对一个挤满滑块的网页，而是像搭积木一样，把一个个“节点”（加载模型、写提示词、采样、保存图片）用线连起来，组成一条流水线，它替你跑完并出图。

为什么新手更应该学它（而不是老牌 WebUI）

你可能会担心的几件事（先打消顾虑）

• “要会编程吗？” 不需要。连线操作是鼠标拖拽，和流程图一样。真正要学的不是代码，是“图像是怎么被生成出来的”。
• “要懂 AI / 深度学习吗？” 不需要。本教程会把每个参数用大白话讲清楚，不懂原理也能出好图。
• “节点图看起来好吓人。” 官方已经内置了 App Mode（简化视图）：怕节点的人可以一键切到“只填提示词和按钮”的极简界面。学到后面自然就不怕了。

三个最常见的误解

第一章 · 硬件认知与术语扫盲

花 5 分钟看懂硬件门槛，能帮你少踩 80% 的坑。

1.1 显卡：决定你能不能跑、跑多快

1.2 显存（VRAM）：决定你能用多大的模型

这是最关键的硬件指标。模型越大，吃显存越多。对照下表选模型：

查看自己显存：Windows 打开“任务管理器 → 性能 → GPU”看“专用 GPU 内存”；macOS 点左上角 → 关于本机。

1.3 硬盘与内存

• 硬盘： 至少留 15–30 GB 空闲。一个 SDXL 底模约 6–7 GB，Flux 约 12–23 GB，加上一堆 LoRA/ControlNet，很容易上百 GB。强烈建议装在 SSD 上，模型加载快很多。
• 内存（RAM）： 16 GB 起步，32 GB 更舒服。

1.4 术语扫盲（这一节建议反复回看）

第二章 · 三种安装方式（一步一步）

选一种照做即可。绝大多数新手直接看 2.1 桌面版。

2.1 方式 A：Comfy Desktop 官方桌面版（★ 首选）

2.2 方式 B：Portable 便携版（Windows 绿色包）

2.3 方式 C：手动 Git 安装（macOS / 进阶）

# 1) 安装 Git、Python 3.12（略，按系统装好）
# 2) 克隆仓库
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
# 3) 建虚拟环境并激活
python3 -m venv venv
source venv/bin/activate        # Windows 用 venv\Scripts\activate
# 4) 装 PyTorch（N 卡 CUDA 示例，Apple 芯片用 MPS 版）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124
# 5) 装依赖
pip install -r requirements.txt
# 6) 启动
python main.py

启动后浏览器打开 http://127.0.0.1:8188。自定义节点装到 ComfyUI/custom_nodes/ 目录下。

2.4 补充：云端方案（不想装、没显卡）

如果本地电脑带不动，可用 Comfy Cloud（官方）或国内 RunningHub 等云端 ComfyUI，浏览器里直接跑，按使用时长付费。适合先体验界面和社区工作流，不适合长期高频使用（费钱、且访问海外云不稳定）。

✅ 安装后初次启动检查清单

• 浏览器打开且地址栏显示 127.0.0.1:8188。
• 右侧有 Queue Prompt（生成）按钮。
• Load Checkpoint 节点能看到你放进去的模型（若显示 null/空，去刷新或检查路径）。
• 左侧/顶部能找到 ComfyUI-Manager 入口（桌面版通常已自带）。

第三章 · 界面与核心概念

第一次看到节点图别慌，把它当成“流程图”就行。

3.1 界面总览

3.2 节点与连线：记住这 3 条规则

1. 每个节点是一个“功能块”。 顶部是标题，中间是参数，底部带小圆点的叫端口。
2. 端口颜色代表数据类型： 常见有 MODEL（模型）、CLIP（文本编码器）、VAE、CONDITIONING（条件/提示词）、LATENT（潜图像）、IMAGE（图片）。颜色对上了才能连。
3. 连线方向 = 数据流向： 从输出端口（通常在下/右）拖到输入端口（上/左）。拖错就点线中间的小圆点删掉重连。

3.3 App Mode：给“怕节点”的人

ComfyUI 从前端 1.41.13 起内置 App Mode。点左上角图标 → Enter app mode，节点图会变成一个极简界面：只显示你（或作者）选定的输入框（如提示词、模型选择）和一个 Run 按钮。

你可以把自己的工作流做成 App 分享给别人（生成专属链接，需 Comfy Cloud），对方完全不用懂节点。学完本教程后，这是“交付成果”的优雅方式。

3.4 第一个动作：加载默认工作流

菜单 Workflow → Open 或直接启动时若已带默认图，你会看到一串预连好的节点（文生图模板）。先别改，跟着第四章跑通一次，你就真正“会”了。

第四章 · 你的第一次出图（文生图）

目标：照着连出一条“文生图”流水线，点一下，得到第一张图。

4.1 默认工作流由这 7 个节点组成

4.2 连线关系（数据流）

Load Checkpoint ──MODEL──▶ KSampler
       ├─CLIP─▶ CLIP Text Encode(正) ──CONDITIONING─▶ KSampler
       ├─CLIP─▶ CLIP Text Encode(负) ──CONDITIONING─▶ KSampler
       └─VAE──▶ VAE Decode
Empty Latent Image ──LATENT─▶ KSampler
KSampler ──LATENT─▶ VAE Decode ──IMAGE─▶ Save Image

4.3 手把手设置每个节点

① Load Checkpoint

点节点里的下拉框，选你放进去的底模（如 sd_xl_base_1.0.safetensors）。选中有模型名即成功。

② / ③ 正向 & 负向提示词

在对应文本框里输入：

正向：a photo of a cute cat sitting on a desk, soft lighting, high quality, sharp focus
负向：blurry, low quality, extra fingers, deformed, watermark

④ Empty Latent Image

设 width=1024, height=1024, batch_size=1。（SDXL 用 1024 左右；SD1.5 用 512。）

⑤ KSampler（核心，先照填）

• seed：随便填一个数（如 123456789），或点旁边小骰子随机。
• control_after_generate：选 randomize（每次出图换种子，得到不同图）。
• steps：25（步数）。
• cfg：7（提示词遵循强度）。
• sampler_name：dpmpp_2m（常用好用的采样器）。
• scheduler：karras。
• denoise：1（文生图保持 1；图生图才调低）。

⑥ VAE Decode / ⑦ Save Image

通常已连好且无需改。Save Image 的“前缀”可改文件名。

4.4 点生成！

点右侧 Queue Prompt。底部进度条走完，图片出现在 Save Image 节点下方，并自动存到 ComfyUI/output/（桌面版在共享目录的 output）。🎉 你的第一张图出来了。

4.5 如果节点是红色 / 报错

• 红色节点多数因为模型没加载到：检查 checkpoints 文件夹、点节点刷新（小圆环图标）重选。
• 报错含 CUDA out of memory：显存不够，看第十章。
• 生成全黑/全灰：提示词或底模不匹配，先换官方示例底模重试。

第五章 · 吃透核心参数（从“会点”到“懂调”）

5.1 KSampler 参数全解

5.2 提示词怎么写才出好图

• 自然语言优先（尤其 Flux）： 直接写句子，如 a woman in red dress walking in rain, cinematic lighting。
• SD/SDXL 常用“标签式”： 用逗号分隔关键词，质量词放前：masterpiece, best quality, 8k, detailed。
• 权重调节： 用括号加权重，(red dress:1.3) 加强，(blurry:0.8) 减弱。
• 负向提示词： 放“不要的东西”，如 worst quality, low quality, extra fingers, deformed hands, text, watermark。
• LoRA 触发词： 很多 LoRA 需要特定词才激活，去模型页面抄它的触发词。

5.3 分辨率与底模原生尺寸

每个底模有“舒服”的出生分辨率（训练尺寸）：

• SD 1.5：512×512（或 512×768 竖图）→ 超出易出双头怪。
• SDXL：1024×1024 左右（864×1152、1344×768 等也行）。
• Flux：1–1.5 MP 左右（如 1024×1024、880×1168）。

5.4 为什么图会“糊 / 崩”→ 排查方向

1. 底模和 LoRA/ControlNet 版本是否匹配（SD1.5 的 LoRA 不能硬套 SDXL）。
2. VAE 是否用了对应版本（SDXL 用 SDXL VAE；Flux 用自己的 ae.safetensors）。
3. CFG 是否过高（>12 容易坏）。
4. 分辨率是否远超底模原生尺寸。

第六章 · 常用工作流实操

照着搭，每个都能直接出图。加节点：双击画布 → 搜名字。

6.1 文生图（已会，略作强化）

第四章流程。进阶：把 Save Image 换成 Preview Image 可只看不存；加 Image Comparer（需自定义节点）对比不同参数。

6.2 图生图（img2img）—— 以图改图

6.3 局部重绘（Inpaint）—— 只改图中一块

6.4 高清放大（Upscale）—— 小图变大图

方法一：模型放大（最常用，补细节）

1. VAE Decode 后，加 Upscale Image 节点，选放大模型（如 4x-UltraSharp，放进 models/upscale）。
2. 再接 VAE Encode → KSampler（denoise 0.3–0.5 做“精修”）→ VAE Decode → Save。这就是“先出小图、放大、再轻微重绘”的经典两步放大。

方法二：潜空间放大（更快，适合大尺寸）

1. KSampler 输出 LATENT 后接 Latent Upscale 节点（选 nearest-exact 或模型），放大倍数 1.5–2。
2. 再接一个 KSampler（denoise 0.3–0.6）精修，最后 VAE Decode。

6.5 ControlNet —— 精确控制姿势 / 构图

ControlNet 需要 预处理图，建议先装自定义节点包 comfyui_controlnet_aux（见第八章）。流程：

1. 加 Load ControlNet Model，选一个 ControlNet（如 control_v11p_sd15_openpose 控制人体姿态）。
2. 加预处理节点（如 OpenPose Preprocessor），输入一张参考图 IMAGE，输出 IMAGE 给 ControlNet 的 image 端口。
3. 加 Apply ControlNet（或 Advanced）：把底模 MODEL、ControlNet 模型、预处理图连上，设 strength（强度，0.5–1），输出新 MODEL 回到 KSampler。

6.6 LoRA —— 加风格 / 角色

6.7 批量出图 & 队列

• Empty Latent Image 的 batch_size 设 4 = 一次出 4 张。
• 右侧 Queue 可连续排多个任务；KSampler 设 control_after_generate=increment 可批量换种子出不同图。

第七章 · 模型管理（建立你的素材库）

7.1 模型目录结构

所有模型都放在 ComfyUI/models/ 下（桌面版是共享目录的 models）。按类型分目录：

models/
├─ checkpoints/   # 底模（.safetensors / .ckpt）
├─ loras/        # LoRA
├─ vae/          # VAE
├─ controlnet/   # ControlNet
├─ upscale/      # 放大模型（4x-UltraSharp 等）
├─ embeddings/   # 文本反演（负面词包）
└─ ipadapter/    # IPAdapter 相关

7.2 各类型放哪、怎么用（速查）

7.3 去哪下载模型

7.4 多软件共享模型（省硬盘）

如果你同时用多个 AI 工具，不必每份都下载。编辑 extra_model_paths.yaml（桌面版：菜单 Help → Open folder 找配置；便携版在 ComfyUI 根目录），把别的软件的 models 路径映射进来即可共用。

7.5 显存不够怎么办

• 换小模型：12 GB 以下优先 SDXL / Flux 量化版（fp8、GGUF 量化文件更小更省显存）。
• 启动参数加 --lowvram 或 --medvram（便携版有对应的 run_nvidia_gpu_lowvram.bat）。
• 降低分辨率、减少同时叠加的 LoRA/ControlNet 数量。

第八章 · 自定义节点与 ComfyUI Manager

8.1 什么是自定义节点

ComfyUI 本体只给“基础积木”。社区贡献的“自定义节点”是额外积木包，提供 ControlNet 预处理、各种新模型支持、效率工具等。装在 ComfyUI/custom_nodes/ 目录。

8.2 安装 ComfyUI Manager（必备）

Manager 是节点管理神器：能一键安装缺失节点、更新全部自定义节点、补全别人工作流里缺的节点。

• 桌面版： 通常已自带，左侧/菜单找 ComfyUI-Manager 即可。
• 便携版/手动版： 进入 ComfyUI/custom_nodes，执行：

  git clone https://github.com/ltdrdata/ComfyUI-Manager.git

  重启 ComfyUI 即出现。

8.3 用 Manager 的三种高频操作

1. 安装节点： 打开 Manager → Install Custom Nodes → 搜索（如 ControlNet Aux、IPAdapter）→ 点 Install。
2. 补全工作流： 导入别人 JSON 后若节点报红/缺失，点 Manager 的 Install Missing Nodes，自动装齐。
3. 更新： Update All 一键更新全部自定义节点（建议偶尔做，避免版本落后）。

8.4 新手值得先装的几个包

8.5 从社区导入现成工作流

• JSON 文件： 菜单 Workflow → Open 选 .json；或直接把 JSON 拖进画布。
• 图片导入： 很多社区图里藏着工作流（PNG 元数据），用 Workflow → Open 选那张图即可还原节点。
• 导入后缺失节点 → 用 8.3 的“Install Missing Nodes”补上。

第九章 · 从“会点”到“熟练”的进阶技巧

9.1 工作流整理（看起来就专业）

• 分组 Group： 框选多个节点 → 右键 Add Group，给一块功能命名（如“采样区”）。
• 注释 Note： 双击空白处输入文字，或加 Note 节点，标记“这里改提示词”。
• 重排 Reroute： 加 Reroute 节点整理乱线，让连线清爽。

9.2 保存 / 加载 / 收藏

• Ctrl/Cmd + S 保存当前工作流为 .json（建议建个 workflows/ 文件夹按风格归类）。
• App Mode 下可在左侧面板管理“已保存的 App 工作流”。
• 给常用工作流起好名字，比如 写实人像-SDXL.json、线稿上色-ControlNet.json。

9.3 把工作流变成“App”分享

顶部进 App Mode → Build app，四步：选输入（如提示词框、模型下拉）→ 选输出（预览图）→ 预览 → 设默认视图。别人打开就是极简界面，只填要填的。配合 Comfy Cloud 还能生成分享链接。

9.4 实用快捷键

9.5 性能与调试

• 显存优化启动参数： --lowvram、--medvram、--disable-smart-memory（按需）。
• 看日志： 启动 ComfyUI 的那个黑色命令行窗口会打印报错，红字就是原因。
• 模型刷新： 新放进模型后在节点下拉旁点小圆环“刷新”按钮。
• 种子玩法： 找到满意的图，记下它的 seed，把 control_after_generate 改 fixed 固定，调其他参数做精细变体。

第十章 · 排错手册（新手最常踩的坑）

附录 · 新手模型清单与学习资源

A.1 按用途推荐起步模型

A.2 学习资源

• 官方文档： https://docs.comfy.org（有中文，安装/界面/节点都有）。
• 官方博客： https://blog.comfy.org（App Mode、新特性解读）。
• 模型站： Civitai、Hugging Face、LiblibAI（国内）。
• 社区工作流： ComfyHub（comfy.org/workflows）、RunningHub。
• 视频： B站/YouTube 搜“ComfyUI 入门”，配合本图文教程理解更快。

A.3 速查术语表（贴墙版）

• Checkpoint = 底模（大脑）｜ LoRA = 风格补丁｜ VAE = 颜色解码器
• ControlNet = 姿势/构图控制器｜ IPAdapter = 参考图迁移
• KSampler = 核心采样器｜ Latent = 潜空间（压缩图）｜ Seed = 随机种子
• CFG = 提示词遵循强度｜ Steps = 步数｜ Denoise = 去噪程度

A.4 检查清单（跑通第一天该做的）

1. ✅ 装好 ComfyUI（桌面版最省事），浏览器能开 8188。
2. ✅ 放进去至少一个底模到 checkpoints。
3. ✅ 照第四章连出文生图，成功出第一张图。
4. ✅ 装好 ComfyUI Manager。
5. ✅ 试一次改提示词 / 换种子，得到不同图。
6. ✅ 保存这个工作流为 .json。