ComfyUI 这几年从一个小众节点工具一路变成了 AI 绘画圈的硬通货。作为把 Stable Diffusion 工作流玩到极致的工作台它和传统 WebUI 最大的区别就是一切都是节点。写提示词是一个节点选采样器是一个节点加载模型是一个节点你把这些节点像搭积木一样连起来一条完整的出图流水线就出来了。最近来问ComfyUI 安装和配置要求的人特别多尤其是从 WebUI 转过来、或者纯零基础想入坑的朋友几乎都卡在第一步——不是装不上就是装完跑不起来再就是显存不够动不动崩。这篇文章不绕弯子就把安装和配置这两件事讲透硬件到底要多高的门槛、三种主流安装方式怎么选、装完之后模型放哪里、启动参数怎么调、还有我这些年实测里遇到的典型问题。不管你是刚摸电脑的新手还是已经在 WebUI 里跑图想切换过来的老玩家照着这篇文章走一遍至少能把能跑起来这四个字落到实处。1. 安装前先把概念理清ComfyUI 的底层逻辑与配置要求的由来1.1 节点式工作台到底牛在哪安装难度和它有什么关系很多人第一次打开 ComfyUI 的界面看到一堆节点和连线第一反应是这什么鬼。其实它的设计思路特别直白把原本黑盒一样的 Stable Diffusion 生成过程拆成一个个可视化的小模块。你不需要理解底层代码只需要知道文本编码器输出的是条件采样器负责去噪VAE 负责解码成图然后把这些模块接起来就行。这个设计带来的直接好处有两个。第一流程完全透明任何一个环节出了问题都能一眼定位是提示词问题、模型问题还是采样参数问题不会像 WebUI 那样只能对着一个按钮干瞪眼。第二灵活性极高你可以自由组合 Div 分支、ControlNet 条件控制、LoRA 叠加、多模型融合甚至连 ComfyUI 里最出圈的工作流分享也因此变得很有意义——别人画好一张图的完整节点图你只需要拖进去加载就能复现几乎一模一样的生成过程。但也正因为这种自由ComfyUI 的安装门槛被很多人误解了。实际上它的核心安装逻辑和 WebUI 是类似的要有 Python 环境、要有对应版本的 PyTorch、要把大模型文件放到指定目录。区别在于 ComfyUI 对依赖项的版本更敏感Python 版本不对、torch 版本不对、显卡驱动太老都可能出现能启动但生成报错这种让人抓狂的情况。所以安装前先搞懂它的运行原理后面能省下大量排查时间。1.2 硬件配置要求显存、内存、硬盘怎么配才不白花钱先聊最受关注的硬件。网上对 ComfyUI 配置要求的说法五花八门有说 4GB 显存就能跑的也有说必须 4090 的其实都对关键是看你要干什么。如果只是玩 SD1.5 系列的文生图、图生图6GB 显存确实能跑但建议开启低显存模式出图速度会慢一点。到 SDXL 这个级别8GB 显存是起步12GB 以上才能比较从容地跑高分辨率或者叠加多个插件。如果你还想碰当前最热的视频生成比如各种基于 DiT 架构的视频模型、Flux 这类大模型16GB 显存算及格线24GB 的 4090 才能真正放开手脚。这不是玄学是模型参数量和中间激活值决定的显存不够的时候系统会强制把计算数据往内存里搬运速度骤降还是小事直接崩溃才让人崩溃。内存方面我建议至少 16GB玩视频生成强烈建议 32GB。很多人以为内存不重要实测下来 ComfyUI 在加载多个模型、批量出图、跑视频工作流的时候内存占用轻松就能吃到 20GB 以上。硬盘也不能忽略SD1.5 模型普遍 2-4GBSDXL 六七个 GBFlux 的完整版甚至接近 24GB再加上各种 LoRA、ControlNet、VAE你至少预留 100GB 空间才比较安心。系统盘空间尤其要留意因为虚拟内存默认在 C 盘C 盘红了系统会变得极其卡顿。项目最低门槛推荐配置适用场景显卡GTX 1060 6GBRTX 4060 Ti 16GB 或以上显存决定能跑什么模型内存16GB32GB视频生成、多模型加载硬盘40GB 空闲100GB模型文件普遍很大系统Win10 21H2 以上Win11Linux、macOS 也可用1.3 软件环境Python、Git、显卡驱动一个都不能少硬件之外软件环境是三块Python、Git、显卡驱动。先说 PythonComfyUI 官方推荐 3.10 或 3.11这两个版本对 PyTorch 的兼容性最稳。3.12 能用一部分但不少插件还没跟上3.13 就别想了。这里要特别提醒不要图省事去 Windows 商店装 Python那个版本路径容易出幺蛾子老老实实去官网下载安装包安装时务必勾选Add Python to PATH。Git 的主要用途是拉取代码更新和安装插件。ComfyUI 本身更新频率很高没有 Git 你就只能反复下载整合包体验很差。Git 安装没什么难度一直下一步就行唯一要注意的也是把Add to PATH勾上不然后面在命令行敲 git 命令会提示找不到。显卡驱动是很多人忽略的坑。ComfyUI 的底层 PyTorch 依赖 CUDA 运行时而 CUDA 能不能用直接看显卡驱动版本。装完驱动后在命令行输入 nvidia-smi能看到驱动版本和它支持的 CUDA 版本号。如果这个版本号太低比如低于 11.8安装新版 PyTorch 之后有可能出现 CUDA 不可用的错误。AMD 显卡用户可以走 ROCm 路线Intel 新显卡也有支持但体验和教程丰富度都不如 N 卡新手阶段还是建议用 N 卡。2. 三种主流安装方式从省事到硬核的完整路线图2.1 秋叶整合包零基础首选的一键安装路线如果让我给新手推荐一个最不容易出错的安装方式秋叶整合包排第一。这个由社区维护的整合包基本就是把 Python、Git、ComfyUI 本体、常用依赖、模型管理工具全部打包在一起解压即用不用你自己配任何环境。具体流程先去官方渠道下载整合包压缩包注意体积通常有几十 GB下载完解压到一个纯英文路径下我强烈建议不要放在桌面上更不要放在带中文、空格、特殊符号的目录里路径问题引发的报错是最鬼畜的一类。解压完成后运行启动器它会自动做一次环境自检检查有没有缺依赖第一次启动可能稍微久一点属于正常现象。整合包的优势是省心图形界面里可以直接切换模型版本、一键升级、下载缺失的模型甚至内置了针对不同显卡的启动参数预设。缺点也很明显更新节奏通常比官方原版慢遇到官方某个版本有重大更新你得等整合包跟进。另外整合包本身对系统环境的接管程度很高一旦你之后想转手动安装可能会发现自己的电脑环境被它改过一些东西。所以我的建议是新手先用整合包把流程跑通等你对 ComfyUI 的目录结构、依赖关系有概念了再考虑切换成手动方式。2.2 官方便携版干净清爽但需要自己动手如果你既想要整合包那种免安装的省事又不想用第三方维护的版本官方便携版是折中路线。官方在 GitHub Releases 页面提供了 Windows 便携包文件名通常是 ComfyUI_windows_portable_nvidia.7z 这类格式。下载后同样解压到英文路径直接运行文件夹里的 run_nvidia_gpu.bat 就能启动。这个版本的原理是自带了嵌入式 Python 环境所以不需要你预先装 Python但对于模型文件、插件安装这些事官方不会给任何图形化辅助你也没有启动器可以点击操作一切都得手来。比如要把大模型放到 models 目录下的对应子文件夹里要用命令行或者自行下载 git 客户端来装插件。说白了官方便携版适合那些刚接触但愿意看文档的人。我实际测试下来官方便携版的启动速度通常比整合包快一些因为它没有那么多元余组件。而且它没有启动器界面的钩子对自以为我应该学会手动管理的新手来说反倒是个比较好的过渡。需要注意一点官方便携包里的嵌入式 Python 和系统 Python 是隔离的装了也不影响你其他开发环境这一点比手动安装的方式要友好。2.3 手动安装想彻底掌控环境的人就选这条手动安装是自由度最高、也最容易翻车的方式但一旦你走通一次整个 ComfyUI 的架构就再也难不倒你了。我给出的流程是 N 卡 Windows 的标准路径。第一步准备好 Git 和 Python 3.10 或 3.11安装时记得把 Add to PATH 勾上。第二步打开命令行把官方仓库克隆下来git clone https://github.com/comfyanonymous/ComfyUI.git克隆完成后进入目录创建虚拟环境并激活。这一步非常关键不建虚拟环境直接装在全局的话以后搞别的 Python 项目很容易互相污染cd ComfyUI python -m venv venv venv\Scripts\activate第三步安装 PyTorch。注意一定不要直接 pip install torch那样装的是 CPU 版本跑图慢到你怀疑人生。要用 PyTorch 官方指定的源以 CUDA 12.1 为例pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121装完可以跑一段代码验证 CUDA 是否可用import torch 后打印 torch.cuda.is_available()返回 True 说明 GPU 环境没问题。第四步安装核心依赖pip install -r requirements.txt最后启动python main.py --auto-launch浏览器会自动打开 127.0.0.1:8188看到节点画布就是成功了。手动安装的好处是所有环节都清清楚楚之后升级只要 git pull装插件也就一条命令的事坏处是环境踩坑概率高新手照着教程敲也能因为一个符号打错卡半天。3. 首次启动后的核心配置模型目录、启动参数和插件生态3.1 模型目录结构文件该放哪一张表说清楚ComfyUI 安装完成只是第一步没有模型它什么都干不了。它的模型目录在安装根目录下的 models 文件夹里你下载的各种文件必须放到正确位置节点运行时才会找到它们。很多新手把模型一股脑全丢进 checkpoints甚至直接丢到根目录结果在节点里根本选不到文件然后回头怀疑自己装错了。模型类型放置目录说明Checkpoint 大模型models/checkpoints最常用的完整模型后缀为 .safetensorsLoRAmodels/loras风格、角色微调模型VAEmodels/vae负责解码异常可单独替换ControlNetmodels/controlnet姿态、线稿、景深等控制条件CLIPmodels/clip文本编码器Flux 等模型常用UNETmodels/unet部分新模型拆分的去噪网络视频相关模型models/checkpoints 或专用目录视具体节点而定放置模型的路径不能有中文文件名最好也不要带空格这是省心的小习惯。模型下载平台的地址千奇百怪有些下载慢、有些要注册我个人的做法是先下到下载目录统一校验完再复制进对应文件夹避免下到一半断掉产生损坏文件导致加载报错。safetensors 格式的模型加载比 ckpt 格式更安全现在主流平台的默认下载格式也基本都是 safetensors优先选这个没什么坏处。3.2 启动参数详解低显存怎么调、远程怎么开ComfyUI 的启动参数藏在启动脚本或者命令行里。默认直接跑 python main.py只会监听本地 8188 端口参数按需追加即可。我这里把实战中常用的几个拎出来讲每个都给到适用场景。最常用的是 --auto-launch启动后自动打开浏览器省得手动输入地址。如果你想让同一局域网内的其他设备访问这台机器比如平板或者另一台电脑需要加 --listen 0.0.0.0不加这个参数外部设备怎么都连不上。端口可以用 --port 8188 自定义如果你 8188 被其他程序占了换一个就行。显存有限的用户重点看这几个--lowvram 会限制显存占用让模型偏好在内存和显存之间切换适合 6GB 左右显卡显存再低到 4GB 可以考虑 --novram但速度会明显下滑。如果你的显卡支持 bfloat16可以加 --bf16-unet部分新模型的精度和速度会有改善。还有一个技巧是设定环境变量 PYTORCH_CUDA_ALLOC_CONFexpandable_segments:True这能缓解长时间生成导致的显存碎片化实测对跑久了突然 OOM的情况有一定帮助。这些参数在整合包启动器里通常有对应的图形化选项官方便携版和手动安装则要自己拼在命令行。我的建议是一开始不要堆太多参数逐步加每加一个参数跑一次图看效果和速度这样你才能理解每个参数到底影响什么。盲目抄网上的万能参数很可能适得其反。3.3 装上 ComfyUI Manager插件生态从这里开始ComfyUI 之所以能扩展到视频生成、音频驱动、工作流增强等领域靠的全是插件。而安装插件的最优解是先装一个叫 ComfyUI Manager 的管理器。它本质上是一个节点放在 ComfyUI/custom_nodes 目录下即可。手动安装的方式很简单cd ComfyUI/custom_nodes git clone https://github.com/ltdrdata/ComfyUI-Manager.git重启以后界面上会多出一个 Management 菜单。通过它可以一键浏览、安装、更新、卸载社区节点插件也可以扫描当前缺失的自定义节点并批量补齐。很多从别人那里下载的工作流打开后显示一堆红色缺失节点它的Install Missing Custom Nodes功能能帮你一键处理大部分情况。这里要提醒两类坑。第一插件装得多不代表好每个自定义节点都会增加启动时间也都有可能引入依赖冲突我见过不少人装了几十个插件后天天报错最后只能卸载重装。建议只装自己真实用得到的。第二很多工作流打开时要求特定插件版本如果缺失节点装了还是报错优先看看是不是插件版本太旧在 Manager 里更新一下通常能解决。4. 新手高频问题与排查实录都是实测踩出来的经验4.1 模型下载失败、缺失模型提示怎么办在我接触过的求助案例里出现频率最高的问题就是下载模型失败。第一步先确认是网络问题还是路径问题。如果节点报错提示找不到某个模型而你的确把文件放进去了多半是文件名对不上——工作流里写死了一个文件路径你下载的文件名和它不一致节点就找不到了。这种时候要么把文件重命名为和提示完全一样的名字要么在节点里手动重新选择。如果是下载过程本身失败多试几次或者换个镜像地址是常见解法。HuggingFace 等海外模型平台在国内的下载体验不稳定可以设置国内镜像加速地址。方法是在命令行执行setx HF_ENDPOINT https://hf-mirror.com设置后重新打开终端再执行下载速度通常会有明显改善。另外Civitai 这类社区平台的下载链接经常需要浏览器操作我个人的做法是用浏览器下载插件自动揪出直链再配合多线程下载工具提速。下好之后务必检查一下文件大小如果只有几十 KB那基本是下载出错了别浪费时间直接重下。4.2 爆显存、爆内存生成视频卡死的常见原因生成视频时爆内存这个问题最近问的人特别多。视频模型的结构比静态图复杂得多不仅要同时塞下文本编码器、UNET/DiT、VAE还要处理几十帧的时间维度张量显存和内存双双告急是常态。我在实测视频工作流时发现即便是 16GB 显存的卡跑分辨率稍高的视频也很容易 OOM。第一道防线是降低分辨率、缩短帧数、减小批次大小这看似笨办法但最有效。第二道防线是给系统开启比较大的虚拟内存我个人是把虚拟内存设置在专门一盘 SSD 上分配 100GB 以上这样即使模型在内存和显存间换入换出也不至于直接崩掉。第三道防线是用一些显存优化插件比如各种 attention 优化节点能在兼容性允许的情况下显著降低显存开销。AI 绘画有个和传统软件很不一样的地方报错往往不直接说显存不够而是给一个 python 崩溃窗口或者内核错误。当你看到这类错误别慌先打开任务管理器看显存和内存占用是不是满了再对照上面三步做减法。说句实话视频生成对消费级显卡的考验是全方位的如果预算允许24GB 显存真的会让体验完全不同预算有限就接受用时间换空间多等几分钟总比频繁崩掉强。4.3 环境启动报错Python、Git、路径三大坑启动阶段的报错九成出在这三个地方。第一个是 Python 版本不对比如你在终端运行 python main.py报错说找不到 torch或者提示module torch has no attribute _C基本可以断定是 torch 和 Python 版本不匹配或者压根把 CPU 版 torch 装进 3.12 环境了。解决方法是按 1.3 节说的用 3.10/3.11 建干净的虚拟环境重新安装 torch。第二个是 Git 相关错误常见表现为运行 git 命令提示不是内部或外部命令这就是安装 Git 时没勾 Add to PATH。解决很简单重新运行 Git 安装包选择修改安装把 PATH 选项勾上或者手动把 Git 的 bin 目录加到系统环境变量里。还有一种情况是 git clone 时仓库体积太大导致中断可以改用国内 GitHub 镜像加速或者分多次克隆。第三个是路径问题。ComfyUI 对路径里的中文字符、空格、特殊符号非常敏感解压目录带中文导致的报错五花八门有的在启动阶段就挂有的是加载模型时才爆。我的原则是安装路径就用全英文和数字C 盘一级目录或者 D 盘二级目录都行别因为文件分类命名习惯给自己埋雷。遇到上述启动错误先检查路径再查版本最后才怀疑代码这个排查顺序能省你很多时间。最后再说一个我自己的习惯每做一个重要改动前先给模型目录之外的核心配置做个备份插件列表截个图。ComfyUI 更新很频繁某个节点突然失效是家常便饭有备份就能随时回退。经验攒到一定程度后你会发现玩 ComfyUI 最宝贵的不是某一个神级工作流而是自己那套稳定的环境管理套路——这套东西一旦建立起来之后出什么问题都只是走一遍流程的事。
ComfyUI 这几年从一个小众节点工具一路变成了 AI 绘画圈的硬通货。作为把 Stable Diffusion 工作流玩到极致的工作台它和传统 WebUI 最大的区别就是一切都是节点。写提示词是一个节点选采样器是一个节点加载模型是一个节点你把这些节点像搭积木一样连起来一条完整的出图流水线就出来了。最近来问ComfyUI 安装和配置要求的人特别多尤其是从 WebUI 转过来、或者纯零基础想入坑的朋友几乎都卡在第一步——不是装不上就是装完跑不起来再就是显存不够动不动崩。这篇文章不绕弯子就把安装和配置这两件事讲透硬件到底要多高的门槛、三种主流安装方式怎么选、装完之后模型放哪里、启动参数怎么调、还有我这些年实测里遇到的典型问题。不管你是刚摸电脑的新手还是已经在 WebUI 里跑图想切换过来的老玩家照着这篇文章走一遍至少能把能跑起来这四个字落到实处。1. 安装前先把概念理清ComfyUI 的底层逻辑与配置要求的由来1.1 节点式工作台到底牛在哪安装难度和它有什么关系很多人第一次打开 ComfyUI 的界面看到一堆节点和连线第一反应是这什么鬼。其实它的设计思路特别直白把原本黑盒一样的 Stable Diffusion 生成过程拆成一个个可视化的小模块。你不需要理解底层代码只需要知道文本编码器输出的是条件采样器负责去噪VAE 负责解码成图然后把这些模块接起来就行。这个设计带来的直接好处有两个。第一流程完全透明任何一个环节出了问题都能一眼定位是提示词问题、模型问题还是采样参数问题不会像 WebUI 那样只能对着一个按钮干瞪眼。第二灵活性极高你可以自由组合 Div 分支、ControlNet 条件控制、LoRA 叠加、多模型融合甚至连 ComfyUI 里最出圈的工作流分享也因此变得很有意义——别人画好一张图的完整节点图你只需要拖进去加载就能复现几乎一模一样的生成过程。但也正因为这种自由ComfyUI 的安装门槛被很多人误解了。实际上它的核心安装逻辑和 WebUI 是类似的要有 Python 环境、要有对应版本的 PyTorch、要把大模型文件放到指定目录。区别在于 ComfyUI 对依赖项的版本更敏感Python 版本不对、torch 版本不对、显卡驱动太老都可能出现能启动但生成报错这种让人抓狂的情况。所以安装前先搞懂它的运行原理后面能省下大量排查时间。1.2 硬件配置要求显存、内存、硬盘怎么配才不白花钱先聊最受关注的硬件。网上对 ComfyUI 配置要求的说法五花八门有说 4GB 显存就能跑的也有说必须 4090 的其实都对关键是看你要干什么。如果只是玩 SD1.5 系列的文生图、图生图6GB 显存确实能跑但建议开启低显存模式出图速度会慢一点。到 SDXL 这个级别8GB 显存是起步12GB 以上才能比较从容地跑高分辨率或者叠加多个插件。如果你还想碰当前最热的视频生成比如各种基于 DiT 架构的视频模型、Flux 这类大模型16GB 显存算及格线24GB 的 4090 才能真正放开手脚。这不是玄学是模型参数量和中间激活值决定的显存不够的时候系统会强制把计算数据往内存里搬运速度骤降还是小事直接崩溃才让人崩溃。内存方面我建议至少 16GB玩视频生成强烈建议 32GB。很多人以为内存不重要实测下来 ComfyUI 在加载多个模型、批量出图、跑视频工作流的时候内存占用轻松就能吃到 20GB 以上。硬盘也不能忽略SD1.5 模型普遍 2-4GBSDXL 六七个 GBFlux 的完整版甚至接近 24GB再加上各种 LoRA、ControlNet、VAE你至少预留 100GB 空间才比较安心。系统盘空间尤其要留意因为虚拟内存默认在 C 盘C 盘红了系统会变得极其卡顿。项目最低门槛推荐配置适用场景显卡GTX 1060 6GBRTX 4060 Ti 16GB 或以上显存决定能跑什么模型内存16GB32GB视频生成、多模型加载硬盘40GB 空闲100GB模型文件普遍很大系统Win10 21H2 以上Win11Linux、macOS 也可用1.3 软件环境Python、Git、显卡驱动一个都不能少硬件之外软件环境是三块Python、Git、显卡驱动。先说 PythonComfyUI 官方推荐 3.10 或 3.11这两个版本对 PyTorch 的兼容性最稳。3.12 能用一部分但不少插件还没跟上3.13 就别想了。这里要特别提醒不要图省事去 Windows 商店装 Python那个版本路径容易出幺蛾子老老实实去官网下载安装包安装时务必勾选Add Python to PATH。Git 的主要用途是拉取代码更新和安装插件。ComfyUI 本身更新频率很高没有 Git 你就只能反复下载整合包体验很差。Git 安装没什么难度一直下一步就行唯一要注意的也是把Add to PATH勾上不然后面在命令行敲 git 命令会提示找不到。显卡驱动是很多人忽略的坑。ComfyUI 的底层 PyTorch 依赖 CUDA 运行时而 CUDA 能不能用直接看显卡驱动版本。装完驱动后在命令行输入 nvidia-smi能看到驱动版本和它支持的 CUDA 版本号。如果这个版本号太低比如低于 11.8安装新版 PyTorch 之后有可能出现 CUDA 不可用的错误。AMD 显卡用户可以走 ROCm 路线Intel 新显卡也有支持但体验和教程丰富度都不如 N 卡新手阶段还是建议用 N 卡。2. 三种主流安装方式从省事到硬核的完整路线图2.1 秋叶整合包零基础首选的一键安装路线如果让我给新手推荐一个最不容易出错的安装方式秋叶整合包排第一。这个由社区维护的整合包基本就是把 Python、Git、ComfyUI 本体、常用依赖、模型管理工具全部打包在一起解压即用不用你自己配任何环境。具体流程先去官方渠道下载整合包压缩包注意体积通常有几十 GB下载完解压到一个纯英文路径下我强烈建议不要放在桌面上更不要放在带中文、空格、特殊符号的目录里路径问题引发的报错是最鬼畜的一类。解压完成后运行启动器它会自动做一次环境自检检查有没有缺依赖第一次启动可能稍微久一点属于正常现象。整合包的优势是省心图形界面里可以直接切换模型版本、一键升级、下载缺失的模型甚至内置了针对不同显卡的启动参数预设。缺点也很明显更新节奏通常比官方原版慢遇到官方某个版本有重大更新你得等整合包跟进。另外整合包本身对系统环境的接管程度很高一旦你之后想转手动安装可能会发现自己的电脑环境被它改过一些东西。所以我的建议是新手先用整合包把流程跑通等你对 ComfyUI 的目录结构、依赖关系有概念了再考虑切换成手动方式。2.2 官方便携版干净清爽但需要自己动手如果你既想要整合包那种免安装的省事又不想用第三方维护的版本官方便携版是折中路线。官方在 GitHub Releases 页面提供了 Windows 便携包文件名通常是 ComfyUI_windows_portable_nvidia.7z 这类格式。下载后同样解压到英文路径直接运行文件夹里的 run_nvidia_gpu.bat 就能启动。这个版本的原理是自带了嵌入式 Python 环境所以不需要你预先装 Python但对于模型文件、插件安装这些事官方不会给任何图形化辅助你也没有启动器可以点击操作一切都得手来。比如要把大模型放到 models 目录下的对应子文件夹里要用命令行或者自行下载 git 客户端来装插件。说白了官方便携版适合那些刚接触但愿意看文档的人。我实际测试下来官方便携版的启动速度通常比整合包快一些因为它没有那么多元余组件。而且它没有启动器界面的钩子对自以为我应该学会手动管理的新手来说反倒是个比较好的过渡。需要注意一点官方便携包里的嵌入式 Python 和系统 Python 是隔离的装了也不影响你其他开发环境这一点比手动安装的方式要友好。2.3 手动安装想彻底掌控环境的人就选这条手动安装是自由度最高、也最容易翻车的方式但一旦你走通一次整个 ComfyUI 的架构就再也难不倒你了。我给出的流程是 N 卡 Windows 的标准路径。第一步准备好 Git 和 Python 3.10 或 3.11安装时记得把 Add to PATH 勾上。第二步打开命令行把官方仓库克隆下来git clone https://github.com/comfyanonymous/ComfyUI.git克隆完成后进入目录创建虚拟环境并激活。这一步非常关键不建虚拟环境直接装在全局的话以后搞别的 Python 项目很容易互相污染cd ComfyUI python -m venv venv venv\Scripts\activate第三步安装 PyTorch。注意一定不要直接 pip install torch那样装的是 CPU 版本跑图慢到你怀疑人生。要用 PyTorch 官方指定的源以 CUDA 12.1 为例pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121装完可以跑一段代码验证 CUDA 是否可用import torch 后打印 torch.cuda.is_available()返回 True 说明 GPU 环境没问题。第四步安装核心依赖pip install -r requirements.txt最后启动python main.py --auto-launch浏览器会自动打开 127.0.0.1:8188看到节点画布就是成功了。手动安装的好处是所有环节都清清楚楚之后升级只要 git pull装插件也就一条命令的事坏处是环境踩坑概率高新手照着教程敲也能因为一个符号打错卡半天。3. 首次启动后的核心配置模型目录、启动参数和插件生态3.1 模型目录结构文件该放哪一张表说清楚ComfyUI 安装完成只是第一步没有模型它什么都干不了。它的模型目录在安装根目录下的 models 文件夹里你下载的各种文件必须放到正确位置节点运行时才会找到它们。很多新手把模型一股脑全丢进 checkpoints甚至直接丢到根目录结果在节点里根本选不到文件然后回头怀疑自己装错了。模型类型放置目录说明Checkpoint 大模型models/checkpoints最常用的完整模型后缀为 .safetensorsLoRAmodels/loras风格、角色微调模型VAEmodels/vae负责解码异常可单独替换ControlNetmodels/controlnet姿态、线稿、景深等控制条件CLIPmodels/clip文本编码器Flux 等模型常用UNETmodels/unet部分新模型拆分的去噪网络视频相关模型models/checkpoints 或专用目录视具体节点而定放置模型的路径不能有中文文件名最好也不要带空格这是省心的小习惯。模型下载平台的地址千奇百怪有些下载慢、有些要注册我个人的做法是先下到下载目录统一校验完再复制进对应文件夹避免下到一半断掉产生损坏文件导致加载报错。safetensors 格式的模型加载比 ckpt 格式更安全现在主流平台的默认下载格式也基本都是 safetensors优先选这个没什么坏处。3.2 启动参数详解低显存怎么调、远程怎么开ComfyUI 的启动参数藏在启动脚本或者命令行里。默认直接跑 python main.py只会监听本地 8188 端口参数按需追加即可。我这里把实战中常用的几个拎出来讲每个都给到适用场景。最常用的是 --auto-launch启动后自动打开浏览器省得手动输入地址。如果你想让同一局域网内的其他设备访问这台机器比如平板或者另一台电脑需要加 --listen 0.0.0.0不加这个参数外部设备怎么都连不上。端口可以用 --port 8188 自定义如果你 8188 被其他程序占了换一个就行。显存有限的用户重点看这几个--lowvram 会限制显存占用让模型偏好在内存和显存之间切换适合 6GB 左右显卡显存再低到 4GB 可以考虑 --novram但速度会明显下滑。如果你的显卡支持 bfloat16可以加 --bf16-unet部分新模型的精度和速度会有改善。还有一个技巧是设定环境变量 PYTORCH_CUDA_ALLOC_CONFexpandable_segments:True这能缓解长时间生成导致的显存碎片化实测对跑久了突然 OOM的情况有一定帮助。这些参数在整合包启动器里通常有对应的图形化选项官方便携版和手动安装则要自己拼在命令行。我的建议是一开始不要堆太多参数逐步加每加一个参数跑一次图看效果和速度这样你才能理解每个参数到底影响什么。盲目抄网上的万能参数很可能适得其反。3.3 装上 ComfyUI Manager插件生态从这里开始ComfyUI 之所以能扩展到视频生成、音频驱动、工作流增强等领域靠的全是插件。而安装插件的最优解是先装一个叫 ComfyUI Manager 的管理器。它本质上是一个节点放在 ComfyUI/custom_nodes 目录下即可。手动安装的方式很简单cd ComfyUI/custom_nodes git clone https://github.com/ltdrdata/ComfyUI-Manager.git重启以后界面上会多出一个 Management 菜单。通过它可以一键浏览、安装、更新、卸载社区节点插件也可以扫描当前缺失的自定义节点并批量补齐。很多从别人那里下载的工作流打开后显示一堆红色缺失节点它的Install Missing Custom Nodes功能能帮你一键处理大部分情况。这里要提醒两类坑。第一插件装得多不代表好每个自定义节点都会增加启动时间也都有可能引入依赖冲突我见过不少人装了几十个插件后天天报错最后只能卸载重装。建议只装自己真实用得到的。第二很多工作流打开时要求特定插件版本如果缺失节点装了还是报错优先看看是不是插件版本太旧在 Manager 里更新一下通常能解决。4. 新手高频问题与排查实录都是实测踩出来的经验4.1 模型下载失败、缺失模型提示怎么办在我接触过的求助案例里出现频率最高的问题就是下载模型失败。第一步先确认是网络问题还是路径问题。如果节点报错提示找不到某个模型而你的确把文件放进去了多半是文件名对不上——工作流里写死了一个文件路径你下载的文件名和它不一致节点就找不到了。这种时候要么把文件重命名为和提示完全一样的名字要么在节点里手动重新选择。如果是下载过程本身失败多试几次或者换个镜像地址是常见解法。HuggingFace 等海外模型平台在国内的下载体验不稳定可以设置国内镜像加速地址。方法是在命令行执行setx HF_ENDPOINT https://hf-mirror.com设置后重新打开终端再执行下载速度通常会有明显改善。另外Civitai 这类社区平台的下载链接经常需要浏览器操作我个人的做法是用浏览器下载插件自动揪出直链再配合多线程下载工具提速。下好之后务必检查一下文件大小如果只有几十 KB那基本是下载出错了别浪费时间直接重下。4.2 爆显存、爆内存生成视频卡死的常见原因生成视频时爆内存这个问题最近问的人特别多。视频模型的结构比静态图复杂得多不仅要同时塞下文本编码器、UNET/DiT、VAE还要处理几十帧的时间维度张量显存和内存双双告急是常态。我在实测视频工作流时发现即便是 16GB 显存的卡跑分辨率稍高的视频也很容易 OOM。第一道防线是降低分辨率、缩短帧数、减小批次大小这看似笨办法但最有效。第二道防线是给系统开启比较大的虚拟内存我个人是把虚拟内存设置在专门一盘 SSD 上分配 100GB 以上这样即使模型在内存和显存间换入换出也不至于直接崩掉。第三道防线是用一些显存优化插件比如各种 attention 优化节点能在兼容性允许的情况下显著降低显存开销。AI 绘画有个和传统软件很不一样的地方报错往往不直接说显存不够而是给一个 python 崩溃窗口或者内核错误。当你看到这类错误别慌先打开任务管理器看显存和内存占用是不是满了再对照上面三步做减法。说句实话视频生成对消费级显卡的考验是全方位的如果预算允许24GB 显存真的会让体验完全不同预算有限就接受用时间换空间多等几分钟总比频繁崩掉强。4.3 环境启动报错Python、Git、路径三大坑启动阶段的报错九成出在这三个地方。第一个是 Python 版本不对比如你在终端运行 python main.py报错说找不到 torch或者提示module torch has no attribute _C基本可以断定是 torch 和 Python 版本不匹配或者压根把 CPU 版 torch 装进 3.12 环境了。解决方法是按 1.3 节说的用 3.10/3.11 建干净的虚拟环境重新安装 torch。第二个是 Git 相关错误常见表现为运行 git 命令提示不是内部或外部命令这就是安装 Git 时没勾 Add to PATH。解决很简单重新运行 Git 安装包选择修改安装把 PATH 选项勾上或者手动把 Git 的 bin 目录加到系统环境变量里。还有一种情况是 git clone 时仓库体积太大导致中断可以改用国内 GitHub 镜像加速或者分多次克隆。第三个是路径问题。ComfyUI 对路径里的中文字符、空格、特殊符号非常敏感解压目录带中文导致的报错五花八门有的在启动阶段就挂有的是加载模型时才爆。我的原则是安装路径就用全英文和数字C 盘一级目录或者 D 盘二级目录都行别因为文件分类命名习惯给自己埋雷。遇到上述启动错误先检查路径再查版本最后才怀疑代码这个排查顺序能省你很多时间。最后再说一个我自己的习惯每做一个重要改动前先给模型目录之外的核心配置做个备份插件列表截个图。ComfyUI 更新很频繁某个节点突然失效是家常便饭有备份就能随时回退。经验攒到一定程度后你会发现玩 ComfyUI 最宝贵的不是某一个神级工作流而是自己那套稳定的环境管理套路——这套东西一旦建立起来之后出什么问题都只是走一遍流程的事。
