引言：为什么选择ComfyUI？
在Stable Diffusion生态中，ComfyUI已经成为最受欢迎的节点式工作流编辑器。凭借85000+的GitHub Star数，它不仅是最活跃的开源AI绘画项目之一，更是专业创作者构建复杂生成流程的首选工具。与Automatic1111 WebUI相比，ComfyUI的优势在于：更灵活的节点连接方式、更低的内存占用、更强的扩展性，以及更接近”可视化编程”的工作流理念。
本教程将从零开始，带你完成ComfyUI的安装、配置、基础使用到高级工作流搭建的全过程。
一、环境准备与安装
1.1 硬件要求
ComfyUI的硬件需求取决于你使用的模型和输出分辨率。以SD3.5为例：
| 配置级别 | 显卡 | 显存 | 可运行内容 | 1024px生成速度 |
|---|---|---|---|---|
| 最低配置 | RTX 3060/4060 | 8GB | SD3.5基础生成 | 约8-10秒 |
| 推荐配置 | RTX 4070 Ti | 12GB | SD3.5 + ControlNet + LoRA | 约5-6秒 |
| 理想配置 | RTX 4090 | 24GB | SD3.5 + 全套插件 + 视频生成 | 约4.5秒 |
如果你的显卡只有4GB显存，仍然可以通过FP8量化或启动时添加--lowvram参数来运行SD3.5，但生成速度会明显下降。
1.2 一键安装（推荐新手）
最简单的方式是使用ComfyUI官方的整合安装包：
# 步骤1：下载整合包
# 访问 https://github.com/comfyanonymous/ComfyUI/releases
# 下载最新的 ComfyUI_windows_portable.zip
# 步骤2：解压到目标目录
# 建议路径：D:\ComfyUI\ （避免中文路径）
# 步骤3：双击运行
run_nvidia_gpu.bat # NVIDIA显卡用户
run_cpu.bat # 仅CPU用户（速度极慢，不推荐）
# 步骤4：浏览器访问
# http://127.0.0.1:81881.3 手动安装（推荐高级用户）
# 步骤1：安装Python 3.10（必须3.10.x）
# 下载：https://www.python.org/downloads/release/python-31011/
# 安装时勾选 "Add Python to PATH"
# 步骤2：安装PyTorch（CUDA 12.1版本）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
# 步骤3：克隆ComfyUI仓库
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
# 步骤4：安装依赖
pip install -r requirements.txt
# 步骤5：启动
python main.py --lowvram # 4GB显存用户
python main.py # 8GB+显存用户
python main.py --preview-method auto # 启用预览1.4 低显存优化配置
对于4GB显存的显卡，以下启动参数组合可以将显存占用降至最低：
# 4GB显存优化启动命令
python main.py --lowvram --fp8-vae --force-fp16
# 参数说明：
# --lowvram: 启用低显存模式，模型分块加载
# --fp8-vae: VAE使用FP8精度，节省约50%显存
# --force-fp16: 强制使用FP16精度（而非FP32）二、SD3.5模型配置
2.1 模型下载与放置
SD3.5支持原生运行在ComfyUI中，无需额外适配。下载模型后放置到正确目录即可：
# 目录结构
ComfyUI/
├── models/
│ ├── checkpoints/ # 主模型文件
│ │ └── sd3.5_medium.safetensors # SD3.5 Medium（8B参数）
│ ├── loras/ # LoRA微调模型
│ ├── embeddings/ # Textual Inversion
│ ├── controlnet/ # ControlNet模型
│ └── ip-adapter/ # IP-Adapter模型
├── input/ # 输入图片
├── output/ # 输出图片
└── custom_nodes/ # 自定义节点2.2 SD3.5原生节点工作流
ComfyUI已内置SD3.5的原生支持节点。一个基础的SD3.5生成工作流需要以下节点：
# SD3.5 基础工作流节点连接
1. Load Checkpoint (加载SD3.5模型)
└─→ model, clip, vae 三路输出
2. CLIP Text Encode (Prompt) × 2
├─ 正向Prompt: "a beautiful sunset over mountains, cinematic"
└─ 负向Prompt: "blurry, low quality, distorted"
3. Empty Latent Image
└─ Width: 1024, Height: 1024, Batch: 1
4. KSampler
├─ model ← Load Checkpoint
├─ positive ← CLIP Text Encode (正向)
├─ negative ← CLIP Text Encode (负向)
├─ latent_image ← Empty Latent Image
├─ Sampler: DPM++ 2M Karras SDE
├─ Steps: 30
└─ CFG: 5.0 # SD3.5推荐较低CFG值
5. VAE Decode
└─ samples ← KSampler
6. Save Image / Preview Image
└─ images ← VAE Decode三、必备自定义节点安装
3.1 WAS Node Suite
WAS Node Suite是目前最全面的自定义节点包，包含超过190个自定义节点，涵盖图像处理、Mask操作、颜色调整、文本处理等方方面面。
# 安装WAS Node Suite
cd ComfyUI/custom_nodes
git clone https://github.com/WASasquatch/was-node-suite-comfyui.git
cd was-node-suite-comfyui
pip install -r requirements.txt
# 重启ComfyUI即可使用3.2 ComfyUI_smZNodes
ComfyUI_smZNodes提供了大量实用的辅助节点，特别是IP-Adapter风格控制和LoRA微调的高级选项。
# 安装ComfyUI_smZNodes
cd ComfyUI/custom_nodes
git clone https://github.com/shiimizu/ComfyUI_smZNodes.git
cd ComfyUI_smZNodes
pip install -r requirements.txt3.3 视频生成节点：LTX-Video
ComfyUI最新集成了LTX-2 / LTX2.3视频节点，支持直接在节点编辑器中完成AI视频生成。结合SD3.5的图像生成能力，你可以构建”图像→视频”的完整流水线。
四、实战：构建SD3.5 + IP-Adapter风格迁移工作流
下面我们来构建一个实用的高级工作流：将一张参考图片的风格应用到SD3.5生成的图像上。
# 完整节点连接（ComfyUI JSON格式）
# === 第一部分：模型加载 ===
# [1] Load Checkpoint
# model_name: sd3.5_medium.safetensors
# === 第二部分：IP-Adapter风格参考 ===
# [2] Load Image
# image: 你的风格参考图
# [3] IP-Adapter Apply
# ip_adapter_model: ip-adapter_sd3.5.safetensors
# image ← [2] Load Image
# weight: 0.7 # 风格强度（0-1）
# === 第三部分：Prompt编码 ===
# [4] CLIP Text Encode (正向)
# text: "a cozy cafe interior, warm lighting,
# wooden furniture, plants on windowsill"
# [5] CLIP Text Encode (负向)
# text: "low quality, blurry, distorted"
# === 第四部分：采样 ===
# [6] KSampler
# sampler_name: DPM++ 2M Karras SDE
# scheduler: normal
# steps: 30
# cfg: 5.0
# denoise: 1.0
# model ← [1] + [3] 的融合输出
# positive ← [4]
# negative ← [5]
# === 第五部分：输出 ===
# [7] VAE Decode → [8] Save Image五、高级技巧：20宫格自动化工作流
ComfyUI的一个强大功能是批量参数遍历。你可以设置多个参数值，让ComfyUI自动生成所有组合的图像，非常适合模型测试和Prompt调优。
# 20宫格批量生成配置
# 方法：使用For Loop节点或Primitive节点
# 示例：测试不同CFG值的生成效果
# 创建5个KSampler节点，CFG分别设为 3, 4, 5, 6, 7
# 每个KSampler生成4张图（Batch Size = 4）
# 最终输出 = 5 × 4 = 20张图 = 20宫格
# 实际配置建议：
# 行1: CFG=3, Steps=20
# 行2: CFG=4, Steps=25
# 行3: CFG=5, Steps=30
# 行4: CFG=6, Steps=35
# 行5: CFG=7, Steps=40
# 通过对比20张图，快速找到最优参数组合六、性能优化指南
6.1 RTX 4090性能调优
在RTX 4090上，SD3.5可以达到以下性能：
# RTX 4090 性能数据
512px: 约1.8秒/张 # 适合快速预览
768px: 约3.0秒/张 # 适合社交媒体尺寸
1024px: 约4.5秒/张 # 标准高清输出
2048px: 约12.8秒/张 # 印刷级分辨率
# 启动参数优化
python main.py --cuda-malloc --preview-method latent2rgb
# --cuda-malloc: 优化CUDA内存分配，减少碎片
# --preview-method: 实时预览生成过程6.2 工作流保存与分享
ComfyUI的工作流可以导出为JSON格式保存和分享：
# 保存工作流
# 在ComfyUI界面中：点击"Save"按钮
# 或拖拽工作流JSON文件到界面加载
# 推荐工作流文件命名规范
workflow_sd35_ipadapter_style.json
workflow_sd35_portrait_v2.json
workflow_ltx2_text2video.json结语
ComfyUI的节点式工作流虽然学习曲线比WebUI更陡，但一旦掌握，你将获得前所未有的创作自由度。从SD3.5原生支持到LTX视频生成，从IP-Adapter风格控制到20宫格自动化测试，ComfyUI已经发展为一个功能完备的AI视觉创作平台。建议新手先从官方提供的基础工作流开始，逐步添加自定义节点，在实践中构建属于自己的高效工作流。
评论0