2026/9/4 2:14:36
FEATURED · 精选文章 
在实际 AI 图像生成领域Stable Diffusion 的 WebUI 因其直观的图形界面而广受欢迎但对于追求更高自由度、更稳定性能和更复杂工作流构建的进阶用户而言ComfyUI 以其节点式、可编程的工作流设计脱颖而出。然而其相对陡峭的学习曲线和英文为主的界面让许多中文用户望而却步。秋叶发布的 ComfyUI 中文整合包正是为了解决这一痛点它将复杂的依赖环境、常用插件和汉化界面打包旨在为 Windows 和 macOS 用户提供一条从零到一的快速启动路径。本文面向希望快速上手 ComfyUI 进行 AI 绘画创作、工作流研究或模型测试的中文开发者与爱好者。我们将围绕秋叶整合包详细讲解其在 Windows 和 macOS 系统下的完整安装、配置流程深入解析安装后的核心目录结构、必备插件功能并提供一个从加载模型到生成图片的完整工作流示例。最后我们会梳理安装与使用过程中常见的报错及排查方法以及分享一些提升使用体验的最佳实践。通过本文你将能独立完成 ComfyUI 环境的搭建并理解其基本运作逻辑为后续探索更复杂的节点工作流打下坚实基础。1. 理解 ComfyUI 与秋叶整合包的核心价值在直接进入安装步骤前有必要先厘清几个核心概念这能帮助你理解为什么选择这个整合包以及它究竟为你解决了哪些问题。1.1 ComfyUI 是什么不仅仅是另一个 WebUIComfyUI 是一个基于节点图Node Graph的 Stable Diffusion 图形用户界面GUI实现。与 AUTOMATIC1111 的 WebUI 不同它不采用固定的“文生图”、“图生图”标签页而是将图像生成的每一个步骤如加载模型、编码提示词、采样、解码等抽象为独立的“节点”Node。用户通过连接这些节点的输入输出端口像搭积木一样构建出完整的图像生成流水线即“工作流”Workflow。这种设计带来了几个显著优势极高的灵活性与可控性你可以精确控制生成流程的每一个环节甚至实现循环、条件分支等复杂逻辑。出色的性能与内存管理节点式的工作流允许更精细的内存复用和计算优化尤其在处理高分辨率图像或复杂工作流时更为稳定。工作流的可复用与分享整个工作流可以保存为.json或.png文件他人导入后即可完全复现你的生成过程包括所有参数和模型。清晰的逻辑可视化对于理解 Stable Diffusion 的底层原理如 CLIP 文本编码、VAE 解码、采样器迭代非常有帮助。1.2 秋叶整合包解决了什么从“能用”到“易用”的桥梁原生 ComfyUI 的安装需要手动配置 Python 环境、安装 PyTorch对应正确的 CUDA 版本、克隆仓库、安装依赖等对新手极不友好。此外其界面和绝大多数插件均为英文增加了学习成本。秋叶整合包的核心价值在于“整合”与“汉化”环境整合将 Python、PyTorch、CUDA 库、Visual Studio Redistributable 等所有底层依赖打包实现一键安装免去了手动配环境的繁琐和版本冲突的困扰。插件整合预置了大量高频使用的插件如ComfyUI-Manager插件管理器、Efficiency Nodes效率节点、WD14 Tagger标签器等开箱即用。界面汉化对 ComfyUI 本体及众多插件的界面进行了中文翻译大幅降低了语言门槛。模型预置通常整合包会包含一些基础的检查点Checkpoint模型、VAE、LoRA 等方便用户安装后立即开始体验。简单来说秋叶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 整合包、插件与工作流的关系这是初学者容易混淆的三个概念理解它们有助于后续的故障排查整合包是一个软件发行版包含了运行 ComfyUI 所需的一切主程序、依赖库、汉化、预装插件。插件是功能扩展模块通过ComfyUI-Manager安装或手动放入custom_nodes文件夹。它为 ComfyUI 添加了新的节点或功能例如人脸修复、高清放大、提示词风格模板等。工作流是用户使用 ComfyUI节点构建的具体任务流程图保存为.json文件。它依赖于已安装的模型和插件节点来运行。2. 环境准备与安装部署在下载安装包之前请确保你的系统满足基本要求并选择正确的版本进行下载。2.1 系统与硬件要求项目最低要求推荐配置操作系统Windows 10/11 64位macOS 10.15Windows 11 / macOS 12处理器支持 AVX2 指令集的 CPU多核高性能 CPU如 Intel i5/R5 及以上内存8 GB RAM16 GB RAM 或更高显卡支持 DirectX 12 的显卡仅 CPU 模式NVIDIA GPU显存 6GB如 RTX 3060存储空间至少 20 GB 可用空间用于安装和基础模型50 GB 可用 SSD 空间存放多个模型网络需要下载安装包和后续的模型文件稳定的网络连接关键点说明NVIDIA 显卡用户整合包通常内置了 CUDA 版本的 PyTorch能利用 GPU 加速生成速度远快于 CPU。AMD/Intel 显卡或 Mac 用户整合包会使用 DirectMLWin或 MPSMac等后端也能获得加速但性能和兼容性可能不如 NVIDIA CUDA。显存VRAM是决定能生成多大分辨率图像的关键因素。6GB 显存可以较流畅地运行 512x512 的基础模型8GB 以上可以尝试 768x768 或使用高清修复Hi-Res Fix等功能。2.2 下载与安装步骤Windows获取安装包从秋叶发布的可靠渠道如百度网盘、夸克网盘等下载最新的整合包。文件通常是一个较大的压缩包如ComfyUI_秋叶整合包_vX.X.7z。解压文件使用7-Zip或Bandizip等工具将压缩包解压到一个路径中不含中文和特殊字符的目录。例如D:\AI_Tools\ComfyUI。这是避免后续各种奇怪错误的黄金法则。运行启动器解压后进入目录找到启动器.exe或run.bat文件。秋叶整合包通常会提供一个图形化的启动器。一键启动双击启动器.exe。首次运行可能会进行一些初始化操作如安装 VC 运行库、配置虚拟环境等。等待其完成后启动器界面通常会有“一键启动”按钮。访问 WebUI点击启动后命令行窗口会开始加载。当看到类似“Running on local URL: http://127.0.0.1:8188”的信息时表示启动成功。此时打开浏览器访问http://127.0.0.1:8188即可进入 ComfyUI 的汉化界面。2.3 下载与安装步骤macOSmacOS 的安装流程与 Windows 类似但有一些细节差异。获取安装包同样从发布渠道下载 macOS 版本的整合包压缩文件。解压与移动使用系统自带的归档实用工具或The Unarchiver解压。建议将解压后的文件夹移动到应用程序Applications文件夹或你的用户目录下如/Users/YourName/ComfyUI。终端权限设置由于需要运行脚本可能需要为终端赋予“完全磁盘访问权限”。进入系统设置 - 隐私与安全性 - 完全磁盘访问权限添加“终端”或“iTerm”等应用。运行启动脚本在 Finder 中进入 ComfyUI 目录找到run.sh或start_macos.command文件。不要直接双击建议先按住Control键点击文件选择“打开”系统会提示是否打开点击“打开”。或者打开终端Terminal使用cd命令切换到 ComfyUI 目录然后执行./run.sh。处理常见问题如果提示“无法打开因为无法验证开发者”需要进入系统设置 - 隐私与安全性在“安全性”部分找到相关提示点击“仍要打开”。首次运行可能会自动创建 Python 虚拟环境并安装依赖请保持网络通畅。访问 WebUI启动成功后终端会输出本地访问地址通常是http://127.0.0.1:8188用浏览器Safari/Chrome访问即可。注意无论是 Windows 还是 macOS首次启动时间可能较长因为需要加载模型和初始化插件。请耐心等待命令行窗口不再有大量滚动输出后再访问网页。3. 安装后配置与核心目录解析成功启动并打开界面只是第一步。理解整合包的目录结构知道模型和插件放在哪里是高效使用和自主管理的基础。3.1 核心目录结构说明以下是一个典型的秋叶整合包目录结构以 Windows 为例ComfyUI_windows_秋叶整合包_vX.X/ ├── ComfyUI/ # ComfyUI 主程序目录 │ ├── models/ # **核心模型存放目录** │ │ ├── checkpoints/ # 放置大模型 (.safetensors, .ckpt) │ │ ├── vae/ # 放置 VAE 模型 │ │ ├── loras/ # 放置 LoRA 模型 │ │ ├── embeddings/ # 放置 Textual Inversion 嵌入模型 │ │ └── controlnet/ # 放置 ControlNet 模型 │ ├── custom_nodes/ # **插件自定义节点目录** │ ├── output/ # 生成图片的默认输出目录 │ ├── input/ # 默认输入目录用于图生图等 │ ├── web/ # Web 界面相关文件 │ └── ... (其他配置和脚本文件) ├── python_embeded/ # 内置的 Python 环境 ├── 启动器.exe # 图形化启动器 └── 其他说明文档和工具关键目录操作添加大模型将下载的.safetensors或.ckpt文件放入ComfyUI/models/checkpoints/。添加 LoRA将.safetensors格式的 LoRA 文件放入ComfyUI/models/loras/。安装新插件可以通过ComfyUI-Manager在线安装或手动将插件文件夹克隆/解压到ComfyUI/custom_nodes/下。查找生成图片图片默认保存在ComfyUI/output/下按日期分文件夹。3.2 必备插件介绍与安装秋叶整合包已预装许多插件但了解它们的功能至关重要。你可以通过点击界面右侧的齿轮图标设置找到ComfyUI Manager来管理插件。ComfyUI-Manager插件管理器。可以浏览、安装、更新、卸载社区插件。是扩展 ComfyUI 能力的核心工具。Efficiency Nodes效率节点包。提供了一系列能优化工作流、节省显存的节点如“K采样器高效”等。WD14 Tagger图像标签反推。可以上传图片自动识别其内容并生成描述性提示词。Impact Pack功能强大的综合插件包包含大量实用节点如预览图像、条件筛选、模块化子工作流等。ComfyUI-Impact-SubpackImpact Pack 的补充。如果需要安装新插件在ComfyUI Manager的Install Custom Nodes标签页中搜索名称点击安装即可。安装后通常需要重启 ComfyUI。3.3 基础工作流搭建与运行让我们构建一个最简单的文生图工作流来验证安装是否成功并理解基本操作。清空画布打开界面后如果画布上有默认节点可以按CtrlA全选然后按Delete键删除。加载检查点模型在画布空白处右键选择“加载器” - “加载检查点”。点击该节点上的“ckpt_name”下拉框你应该能看到之前放入checkpoints文件夹的模型。选择一个例如v1-5-pruned.safetensors。添加提示词节点右键选择“条件” - “CLIP 文本编码器”。需要添加两个一个用于正面提示词positive一个用于负面提示词negative。将“加载检查点”节点的CLIP输出分别连接到两个CLIP 文本编码器节点的CLIP输入。在text输入框内填写提示词例如正面填“masterpiece, best quality, 1girl, white hair”负面填“worst quality, low quality”。添加采样器右键选择“采样” - “K采样器”。进行以下连接模型- 连接加载检查点节点的MODEL输出。正面条件- 连接正面CLIP文本编码器节点的CONDITIONING输出。负面条件- 连接负面CLIP文本编码器节点的CONDITIONING输出。潜在图像- 我们需要一个初始的随机噪声。右键选择“潜在” - “空潜在图像”并将其samples输出连接到 K采样器的潜在图像输入。在空潜在图像节点上设置宽度和高度如 512x512。解码生成图片右键选择“加载器” - “VAE 解码”。将加载检查点节点的VAE输出连接到VAE 解码节点的VAE输入。将K采样器节点的LATENT输出连接到VAE 解码节点的samples输入。预览与保存右键选择“图像” - “保存图像”。将VAE 解码节点的IMAGE输出连接到保存图像节点的images输入。执行工作流点击界面右侧的“添加提示队列”按钮或按CtrlEnter。观察下方的进度条完成后生成的图片会显示在保存图像节点上并同时保存到output文件夹。这个流程涵盖了从加载模型、编码文本、采样生成到解码保存的核心步骤。成功运行并得到图片说明你的 ComfyUI 环境已经完全就绪。4. 常见问题排查与解决方案即使使用整合包在安装和运行过程中也可能遇到问题。以下是按排查顺序整理的常见问题及解决方法。4.1 启动阶段问题问题现象可能原因检查与解决步骤双击启动器无反应1. 路径包含中文/特殊字符。2. 杀毒软件拦截。3. 运行库缺失。1. 将整个文件夹移动到纯英文路径下。2. 暂时关闭杀毒软件或添加信任。3. 尝试以管理员身份运行。命令行窗口闪退1. Python 环境或依赖损坏。2. 端口被占用。3. 显卡驱动不兼容。1. 查看logs文件夹下的错误日志如果有。2. 检查是否有其他程序占用了8188端口可在启动器设置中更改端口。3. 更新显卡驱动至最新稳定版。启动时提示“Torch not compiled with CUDA enabled”整合包内的 PyTorch 是 CPU 版本或 CUDA 环境未正确识别。1. 确认你的显卡是 NVIDIA 且支持 CUDA。2. 在启动器或run.bat的启动参数中确认已选择 GPU 模式。3. 对于整合包可能需要重新运行安装目录下的环境修复脚本。Mac 启动提示“无法验证开发者”macOS 安全策略限制。参考 2.3 节步骤在系统隐私与安全性设置中允许运行。4.2 运行阶段问题问题现象可能原因检查与解决步骤加载模型时卡住或报错1. 模型文件损坏。2. 模型类型放错了目录。3. 显存不足。1. 重新下载模型文件确保其完整。2. 确认模型放入了正确的models子目录。3. 尝试使用显存较小的模型或在启动参数中添加--lowvram。生成图片全黑或全灰1. 未连接 VAE 或连接了错误的 VAE。2. 采样步数steps设置为 0。1. 检查VAE 解码节点是否正确连接了模型的VAE输出。尝试在加载检查点节点后显式连接一个VAE 加载器节点。2. 确保K采样器中的steps参数大于 0如 20。提示词似乎不起作用1.CLIP 文本编码器节点未正确连接到采样器。2. 使用了不支持的语法。1. 仔细检查正面条件和负面条件的连线是否正确。2. ComfyUI 原生不支持(word:1.3)这种权重语法需要安装如ComfyUI-Custom-Scripts等插件来支持。安装新插件后报错或找不到节点1. 插件依赖未安装。2. 插件版本与 ComfyUI 不兼容。3. 需要重启。1. 查看命令行窗口的红色错误信息通常会提示缺失的库手动安装pip install xxxx。2. 在ComfyUI Manager中检查插件更新或回退到旧版本。3.安装任何插件后务必重启 ComfyUI。4.3 性能与优化问题生成速度慢检查后端确认正在使用 GPUCUDA/DirectML/MPS而非 CPU。命令行启动时应能看到Using device: cuda类似信息。调整参数降低生成分辨率、减少采样步数steps、使用更高效的采样器如DPM 2M Karras。使用优化节点尝试使用Efficiency Nodes插件中的高效采样器节点。显存不足Out of Memory启用--lowvram模式在启动器参数或run.bat脚本中添加此参数会以速度为代价节省显存。使用--medvram模式折中方案。清理工作流断开不必要的预览节点复杂的预览如分步预览会占用额外显存。使用 CPU 卸载某些插件如ComfyUI-Impact-Pack提供了将部分模块卸载到 CPU 的节点。5. 最佳实践与进阶方向当你熟悉了基本操作后遵循一些最佳实践能让你的 ComfyUI 使用体验更顺畅、更高效。5.1 工作流管理善用保存与加载任何有效的工作流都应及时保存.json。你可以将不同用途的工作流如文生图、图生图、高清修复、特定风格分类保存。模块化与子工作流对于复杂且重复的部分可以将其构建为“组”Group或使用支持子工作流的插件将常用逻辑封装起来使主工作流更清晰。添加注释右键画布可以添加注释框用来说明工作流某一部分的功能或参数设置方便日后回顾或与他人分享。5.2 模型与插件管理模型分类存放严格按照models下的子目录分类存放模型避免混乱。可以建立子文件夹进一步分类如checkpoints/2.5D/。定期更新插件通过ComfyUI Manager定期检查插件更新但更新前最好备份当前可用的工作流因为新版本可能引入不兼容变更。谨慎安装未知插件只从ComfyUI Manager的列表或作者官方仓库安装插件以减少安全风险。5.3 性能与稳定性备份custom_nodes文件夹在尝试大量新插件前备份此文件夹。如果新插件导致无法启动可以将其移除以恢复。监控资源使用在生成时使用任务管理器Win或活动监视器Mac观察 GPU 和内存的使用情况有助于定位性能瓶颈。为 ComfyUI 分配固定 GPU如果你有多块 GPU可以通过环境变量CUDA_VISIBLE_DEVICES0在启动脚本中设置来指定使用哪一块。5.4 下一步学习路径深入理解节点不要满足于套用别人的工作流。尝试右键菜单中的每一个节点类别了解其输入输出阅读官方 Wiki 或节点悬浮提示。学习优秀工作流从Civitai等平台下载别人分享的.json或.png工作流文件在 ComfyUI 中加载并研究其结构这是最快的学习方式。探索高级插件逐步尝试ControlNet姿势控制、IP-Adapter图像风格融合、AnimateDiff视频生成等强大插件扩展创作边界。关注更新ComfyUI 及其生态发展迅速关注秋叶的发布页或官方 GitHub及时获取新版本和重要插件更新。秋叶的 ComfyUI 整合包极大地降低了入门门槛但 ComfyUI 真正的魅力在于其无限的可能性。从成功运行第一个简单工作流开始逐步拆解、模仿、重构复杂工作流最终创造出属于你自己的自动化图像生成管线这个过程本身就是一次充满乐趣的技术探索。
秋叶ComfyUI中文整合包：AI绘画节点式工作流从零部署与实战指南
在实际 AI 图像生成领域Stable Diffusion 的 WebUI 因其直观的图形界面而广受欢迎但对于追求更高自由度、更稳定性能和更复杂工作流构建的进阶用户而言ComfyUI 以其节点式、可编程的工作流设计脱颖而出。然而其相对陡峭的学习曲线和英文为主的界面让许多中文用户望而却步。秋叶发布的 ComfyUI 中文整合包正是为了解决这一痛点它将复杂的依赖环境、常用插件和汉化界面打包旨在为 Windows 和 macOS 用户提供一条从零到一的快速启动路径。本文面向希望快速上手 ComfyUI 进行 AI 绘画创作、工作流研究或模型测试的中文开发者与爱好者。我们将围绕秋叶整合包详细讲解其在 Windows 和 macOS 系统下的完整安装、配置流程深入解析安装后的核心目录结构、必备插件功能并提供一个从加载模型到生成图片的完整工作流示例。最后我们会梳理安装与使用过程中常见的报错及排查方法以及分享一些提升使用体验的最佳实践。通过本文你将能独立完成 ComfyUI 环境的搭建并理解其基本运作逻辑为后续探索更复杂的节点工作流打下坚实基础。1. 理解 ComfyUI 与秋叶整合包的核心价值在直接进入安装步骤前有必要先厘清几个核心概念这能帮助你理解为什么选择这个整合包以及它究竟为你解决了哪些问题。1.1 ComfyUI 是什么不仅仅是另一个 WebUIComfyUI 是一个基于节点图Node Graph的 Stable Diffusion 图形用户界面GUI实现。与 AUTOMATIC1111 的 WebUI 不同它不采用固定的“文生图”、“图生图”标签页而是将图像生成的每一个步骤如加载模型、编码提示词、采样、解码等抽象为独立的“节点”Node。用户通过连接这些节点的输入输出端口像搭积木一样构建出完整的图像生成流水线即“工作流”Workflow。这种设计带来了几个显著优势极高的灵活性与可控性你可以精确控制生成流程的每一个环节甚至实现循环、条件分支等复杂逻辑。出色的性能与内存管理节点式的工作流允许更精细的内存复用和计算优化尤其在处理高分辨率图像或复杂工作流时更为稳定。工作流的可复用与分享整个工作流可以保存为.json或.png文件他人导入后即可完全复现你的生成过程包括所有参数和模型。清晰的逻辑可视化对于理解 Stable Diffusion 的底层原理如 CLIP 文本编码、VAE 解码、采样器迭代非常有帮助。1.2 秋叶整合包解决了什么从“能用”到“易用”的桥梁原生 ComfyUI 的安装需要手动配置 Python 环境、安装 PyTorch对应正确的 CUDA 版本、克隆仓库、安装依赖等对新手极不友好。此外其界面和绝大多数插件均为英文增加了学习成本。秋叶整合包的核心价值在于“整合”与“汉化”环境整合将 Python、PyTorch、CUDA 库、Visual Studio Redistributable 等所有底层依赖打包实现一键安装免去了手动配环境的繁琐和版本冲突的困扰。插件整合预置了大量高频使用的插件如ComfyUI-Manager插件管理器、Efficiency Nodes效率节点、WD14 Tagger标签器等开箱即用。界面汉化对 ComfyUI 本体及众多插件的界面进行了中文翻译大幅降低了语言门槛。模型预置通常整合包会包含一些基础的检查点Checkpoint模型、VAE、LoRA 等方便用户安装后立即开始体验。简单来说秋叶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 整合包、插件与工作流的关系这是初学者容易混淆的三个概念理解它们有助于后续的故障排查整合包是一个软件发行版包含了运行 ComfyUI 所需的一切主程序、依赖库、汉化、预装插件。插件是功能扩展模块通过ComfyUI-Manager安装或手动放入custom_nodes文件夹。它为 ComfyUI 添加了新的节点或功能例如人脸修复、高清放大、提示词风格模板等。工作流是用户使用 ComfyUI节点构建的具体任务流程图保存为.json文件。它依赖于已安装的模型和插件节点来运行。2. 环境准备与安装部署在下载安装包之前请确保你的系统满足基本要求并选择正确的版本进行下载。2.1 系统与硬件要求项目最低要求推荐配置操作系统Windows 10/11 64位macOS 10.15Windows 11 / macOS 12处理器支持 AVX2 指令集的 CPU多核高性能 CPU如 Intel i5/R5 及以上内存8 GB RAM16 GB RAM 或更高显卡支持 DirectX 12 的显卡仅 CPU 模式NVIDIA GPU显存 6GB如 RTX 3060存储空间至少 20 GB 可用空间用于安装和基础模型50 GB 可用 SSD 空间存放多个模型网络需要下载安装包和后续的模型文件稳定的网络连接关键点说明NVIDIA 显卡用户整合包通常内置了 CUDA 版本的 PyTorch能利用 GPU 加速生成速度远快于 CPU。AMD/Intel 显卡或 Mac 用户整合包会使用 DirectMLWin或 MPSMac等后端也能获得加速但性能和兼容性可能不如 NVIDIA CUDA。显存VRAM是决定能生成多大分辨率图像的关键因素。6GB 显存可以较流畅地运行 512x512 的基础模型8GB 以上可以尝试 768x768 或使用高清修复Hi-Res Fix等功能。2.2 下载与安装步骤Windows获取安装包从秋叶发布的可靠渠道如百度网盘、夸克网盘等下载最新的整合包。文件通常是一个较大的压缩包如ComfyUI_秋叶整合包_vX.X.7z。解压文件使用7-Zip或Bandizip等工具将压缩包解压到一个路径中不含中文和特殊字符的目录。例如D:\AI_Tools\ComfyUI。这是避免后续各种奇怪错误的黄金法则。运行启动器解压后进入目录找到启动器.exe或run.bat文件。秋叶整合包通常会提供一个图形化的启动器。一键启动双击启动器.exe。首次运行可能会进行一些初始化操作如安装 VC 运行库、配置虚拟环境等。等待其完成后启动器界面通常会有“一键启动”按钮。访问 WebUI点击启动后命令行窗口会开始加载。当看到类似“Running on local URL: http://127.0.0.1:8188”的信息时表示启动成功。此时打开浏览器访问http://127.0.0.1:8188即可进入 ComfyUI 的汉化界面。2.3 下载与安装步骤macOSmacOS 的安装流程与 Windows 类似但有一些细节差异。获取安装包同样从发布渠道下载 macOS 版本的整合包压缩文件。解压与移动使用系统自带的归档实用工具或The Unarchiver解压。建议将解压后的文件夹移动到应用程序Applications文件夹或你的用户目录下如/Users/YourName/ComfyUI。终端权限设置由于需要运行脚本可能需要为终端赋予“完全磁盘访问权限”。进入系统设置 - 隐私与安全性 - 完全磁盘访问权限添加“终端”或“iTerm”等应用。运行启动脚本在 Finder 中进入 ComfyUI 目录找到run.sh或start_macos.command文件。不要直接双击建议先按住Control键点击文件选择“打开”系统会提示是否打开点击“打开”。或者打开终端Terminal使用cd命令切换到 ComfyUI 目录然后执行./run.sh。处理常见问题如果提示“无法打开因为无法验证开发者”需要进入系统设置 - 隐私与安全性在“安全性”部分找到相关提示点击“仍要打开”。首次运行可能会自动创建 Python 虚拟环境并安装依赖请保持网络通畅。访问 WebUI启动成功后终端会输出本地访问地址通常是http://127.0.0.1:8188用浏览器Safari/Chrome访问即可。注意无论是 Windows 还是 macOS首次启动时间可能较长因为需要加载模型和初始化插件。请耐心等待命令行窗口不再有大量滚动输出后再访问网页。3. 安装后配置与核心目录解析成功启动并打开界面只是第一步。理解整合包的目录结构知道模型和插件放在哪里是高效使用和自主管理的基础。3.1 核心目录结构说明以下是一个典型的秋叶整合包目录结构以 Windows 为例ComfyUI_windows_秋叶整合包_vX.X/ ├── ComfyUI/ # ComfyUI 主程序目录 │ ├── models/ # **核心模型存放目录** │ │ ├── checkpoints/ # 放置大模型 (.safetensors, .ckpt) │ │ ├── vae/ # 放置 VAE 模型 │ │ ├── loras/ # 放置 LoRA 模型 │ │ ├── embeddings/ # 放置 Textual Inversion 嵌入模型 │ │ └── controlnet/ # 放置 ControlNet 模型 │ ├── custom_nodes/ # **插件自定义节点目录** │ ├── output/ # 生成图片的默认输出目录 │ ├── input/ # 默认输入目录用于图生图等 │ ├── web/ # Web 界面相关文件 │ └── ... (其他配置和脚本文件) ├── python_embeded/ # 内置的 Python 环境 ├── 启动器.exe # 图形化启动器 └── 其他说明文档和工具关键目录操作添加大模型将下载的.safetensors或.ckpt文件放入ComfyUI/models/checkpoints/。添加 LoRA将.safetensors格式的 LoRA 文件放入ComfyUI/models/loras/。安装新插件可以通过ComfyUI-Manager在线安装或手动将插件文件夹克隆/解压到ComfyUI/custom_nodes/下。查找生成图片图片默认保存在ComfyUI/output/下按日期分文件夹。3.2 必备插件介绍与安装秋叶整合包已预装许多插件但了解它们的功能至关重要。你可以通过点击界面右侧的齿轮图标设置找到ComfyUI Manager来管理插件。ComfyUI-Manager插件管理器。可以浏览、安装、更新、卸载社区插件。是扩展 ComfyUI 能力的核心工具。Efficiency Nodes效率节点包。提供了一系列能优化工作流、节省显存的节点如“K采样器高效”等。WD14 Tagger图像标签反推。可以上传图片自动识别其内容并生成描述性提示词。Impact Pack功能强大的综合插件包包含大量实用节点如预览图像、条件筛选、模块化子工作流等。ComfyUI-Impact-SubpackImpact Pack 的补充。如果需要安装新插件在ComfyUI Manager的Install Custom Nodes标签页中搜索名称点击安装即可。安装后通常需要重启 ComfyUI。3.3 基础工作流搭建与运行让我们构建一个最简单的文生图工作流来验证安装是否成功并理解基本操作。清空画布打开界面后如果画布上有默认节点可以按CtrlA全选然后按Delete键删除。加载检查点模型在画布空白处右键选择“加载器” - “加载检查点”。点击该节点上的“ckpt_name”下拉框你应该能看到之前放入checkpoints文件夹的模型。选择一个例如v1-5-pruned.safetensors。添加提示词节点右键选择“条件” - “CLIP 文本编码器”。需要添加两个一个用于正面提示词positive一个用于负面提示词negative。将“加载检查点”节点的CLIP输出分别连接到两个CLIP 文本编码器节点的CLIP输入。在text输入框内填写提示词例如正面填“masterpiece, best quality, 1girl, white hair”负面填“worst quality, low quality”。添加采样器右键选择“采样” - “K采样器”。进行以下连接模型- 连接加载检查点节点的MODEL输出。正面条件- 连接正面CLIP文本编码器节点的CONDITIONING输出。负面条件- 连接负面CLIP文本编码器节点的CONDITIONING输出。潜在图像- 我们需要一个初始的随机噪声。右键选择“潜在” - “空潜在图像”并将其samples输出连接到 K采样器的潜在图像输入。在空潜在图像节点上设置宽度和高度如 512x512。解码生成图片右键选择“加载器” - “VAE 解码”。将加载检查点节点的VAE输出连接到VAE 解码节点的VAE输入。将K采样器节点的LATENT输出连接到VAE 解码节点的samples输入。预览与保存右键选择“图像” - “保存图像”。将VAE 解码节点的IMAGE输出连接到保存图像节点的images输入。执行工作流点击界面右侧的“添加提示队列”按钮或按CtrlEnter。观察下方的进度条完成后生成的图片会显示在保存图像节点上并同时保存到output文件夹。这个流程涵盖了从加载模型、编码文本、采样生成到解码保存的核心步骤。成功运行并得到图片说明你的 ComfyUI 环境已经完全就绪。4. 常见问题排查与解决方案即使使用整合包在安装和运行过程中也可能遇到问题。以下是按排查顺序整理的常见问题及解决方法。4.1 启动阶段问题问题现象可能原因检查与解决步骤双击启动器无反应1. 路径包含中文/特殊字符。2. 杀毒软件拦截。3. 运行库缺失。1. 将整个文件夹移动到纯英文路径下。2. 暂时关闭杀毒软件或添加信任。3. 尝试以管理员身份运行。命令行窗口闪退1. Python 环境或依赖损坏。2. 端口被占用。3. 显卡驱动不兼容。1. 查看logs文件夹下的错误日志如果有。2. 检查是否有其他程序占用了8188端口可在启动器设置中更改端口。3. 更新显卡驱动至最新稳定版。启动时提示“Torch not compiled with CUDA enabled”整合包内的 PyTorch 是 CPU 版本或 CUDA 环境未正确识别。1. 确认你的显卡是 NVIDIA 且支持 CUDA。2. 在启动器或run.bat的启动参数中确认已选择 GPU 模式。3. 对于整合包可能需要重新运行安装目录下的环境修复脚本。Mac 启动提示“无法验证开发者”macOS 安全策略限制。参考 2.3 节步骤在系统隐私与安全性设置中允许运行。4.2 运行阶段问题问题现象可能原因检查与解决步骤加载模型时卡住或报错1. 模型文件损坏。2. 模型类型放错了目录。3. 显存不足。1. 重新下载模型文件确保其完整。2. 确认模型放入了正确的models子目录。3. 尝试使用显存较小的模型或在启动参数中添加--lowvram。生成图片全黑或全灰1. 未连接 VAE 或连接了错误的 VAE。2. 采样步数steps设置为 0。1. 检查VAE 解码节点是否正确连接了模型的VAE输出。尝试在加载检查点节点后显式连接一个VAE 加载器节点。2. 确保K采样器中的steps参数大于 0如 20。提示词似乎不起作用1.CLIP 文本编码器节点未正确连接到采样器。2. 使用了不支持的语法。1. 仔细检查正面条件和负面条件的连线是否正确。2. ComfyUI 原生不支持(word:1.3)这种权重语法需要安装如ComfyUI-Custom-Scripts等插件来支持。安装新插件后报错或找不到节点1. 插件依赖未安装。2. 插件版本与 ComfyUI 不兼容。3. 需要重启。1. 查看命令行窗口的红色错误信息通常会提示缺失的库手动安装pip install xxxx。2. 在ComfyUI Manager中检查插件更新或回退到旧版本。3.安装任何插件后务必重启 ComfyUI。4.3 性能与优化问题生成速度慢检查后端确认正在使用 GPUCUDA/DirectML/MPS而非 CPU。命令行启动时应能看到Using device: cuda类似信息。调整参数降低生成分辨率、减少采样步数steps、使用更高效的采样器如DPM 2M Karras。使用优化节点尝试使用Efficiency Nodes插件中的高效采样器节点。显存不足Out of Memory启用--lowvram模式在启动器参数或run.bat脚本中添加此参数会以速度为代价节省显存。使用--medvram模式折中方案。清理工作流断开不必要的预览节点复杂的预览如分步预览会占用额外显存。使用 CPU 卸载某些插件如ComfyUI-Impact-Pack提供了将部分模块卸载到 CPU 的节点。5. 最佳实践与进阶方向当你熟悉了基本操作后遵循一些最佳实践能让你的 ComfyUI 使用体验更顺畅、更高效。5.1 工作流管理善用保存与加载任何有效的工作流都应及时保存.json。你可以将不同用途的工作流如文生图、图生图、高清修复、特定风格分类保存。模块化与子工作流对于复杂且重复的部分可以将其构建为“组”Group或使用支持子工作流的插件将常用逻辑封装起来使主工作流更清晰。添加注释右键画布可以添加注释框用来说明工作流某一部分的功能或参数设置方便日后回顾或与他人分享。5.2 模型与插件管理模型分类存放严格按照models下的子目录分类存放模型避免混乱。可以建立子文件夹进一步分类如checkpoints/2.5D/。定期更新插件通过ComfyUI Manager定期检查插件更新但更新前最好备份当前可用的工作流因为新版本可能引入不兼容变更。谨慎安装未知插件只从ComfyUI Manager的列表或作者官方仓库安装插件以减少安全风险。5.3 性能与稳定性备份custom_nodes文件夹在尝试大量新插件前备份此文件夹。如果新插件导致无法启动可以将其移除以恢复。监控资源使用在生成时使用任务管理器Win或活动监视器Mac观察 GPU 和内存的使用情况有助于定位性能瓶颈。为 ComfyUI 分配固定 GPU如果你有多块 GPU可以通过环境变量CUDA_VISIBLE_DEVICES0在启动脚本中设置来指定使用哪一块。5.4 下一步学习路径深入理解节点不要满足于套用别人的工作流。尝试右键菜单中的每一个节点类别了解其输入输出阅读官方 Wiki 或节点悬浮提示。学习优秀工作流从Civitai等平台下载别人分享的.json或.png工作流文件在 ComfyUI 中加载并研究其结构这是最快的学习方式。探索高级插件逐步尝试ControlNet姿势控制、IP-Adapter图像风格融合、AnimateDiff视频生成等强大插件扩展创作边界。关注更新ComfyUI 及其生态发展迅速关注秋叶的发布页或官方 GitHub及时获取新版本和重要插件更新。秋叶的 ComfyUI 整合包极大地降低了入门门槛但 ComfyUI 真正的魅力在于其无限的可能性。从成功运行第一个简单工作流开始逐步拆解、模仿、重构复杂工作流最终创造出属于你自己的自动化图像生成管线这个过程本身就是一次充满乐趣的技术探索。 
