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：

🛠️ 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：

1. ​​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)

1. 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。
2. ​​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。
3. ​​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
  • Omnigen 2
  • Flux Kontext
  • HiDream E1.1
  • Qwen 图像编辑
• 视频模特
  • 稳定视频扩散
  • 糯米团
  • LTX-视频
  • 欢源视频
  • Wan 2.1
  • Wan 2.2
• 音频模型
  • 稳定的音频
  • ACE步骤
• 3D模型
  • Hunyuan3D 2.0
• 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：

1. 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。
2. ComfyUI桌面版
   • 使用最新的稳定核心版本构建新的发布版本。
3. 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

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。

1. 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。

1. 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。

1. 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）。
2. 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。
3. 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。.
4. 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：

1. 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。
2. 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。
3. 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。
4. 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：

1. 按照安装中针对相应平台的说明来安装Cambricon CNToolkit。
2. 接下来，按照安装中的说明安装PyTorch（torch_mlu）。
3. 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：

1. 按照安装中针对特定平台的说明来安装Iluvatar Corex工具包。
2. 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。