1. 先搞清楚 ComfyUI 到底解决什么问题再决定要不要装ComfyUI 是一个用节点拖拽方式搭建 AI 绘图工作流的工具和 Stable Diffusion WebUI 那种一键出图的界面不同它把生成过程的每个环节——比如加载模型、写提示词、调整参数、后处理——都拆成了可视化的节点。如果你之前用过 WebUI 但觉得功能太黑盒、参数调整不够细或者需要批量处理时控制每个环节ComfyUI 会更适合。但新人最容易踩的坑是一看到别人分享的酷炫工作流就急着安装结果连基础环境都没配好启动就报错。所以安装前先确认三点你的硬件能不能跑ComfyUI 本身不训练模型只调用已有的模型比如 Stable Diffusion 1.5、SDXL、ControlNet。如果本地跑需要显卡支持 CUDAN 卡或 MPSMac M 系列芯片。Windows 集显或老 Mac Intel 芯片也能用 CPU 模式跑但生成一张图可能几分钟到十几分钟只适合学习流程不适合日常使用。你愿不愿意花时间理解节点逻辑如果只是偶尔想快速出图WebUI 更直接但如果想深入控制生成细节、复用复杂流程、或者对接自动化脚本ComfyUI 的节点自由度更高。有没有必要装一堆插件ComfyUI 的核心功能足够完成大部分基础绘图插件自定义节点是扩展功能用的比如人脸修复、风格控制、视频生成等。新手建议先跑通基础流程再按需安装插件。我一般会建议新人先别急着装插件用最简环境把一张图跑通再决定要不要深入。下面按 Windows 和 Mac 分别说清安装时的关键注意点。2. Windows 安装重点盯住路径、权限和依赖版本Windows 环境复杂不同机器上的 Python、Git、显卡驱动状态可能差异很大。很多人卡在第一步不是因为 ComfyUI 本身复杂而是基础环境没理顺。2.1 选择安装方式便携包还是手动安装便携包推荐新手秋叶大佬的整合包是目前最省心的方式解压即用内置了常用插件和模型管理工具。下载后直接双击run_nvidia.batN 卡或run_cpu.bat集显/CPU就能启动。但便携包也有坑点默认解压路径不要带中文或空格比如D:\AI\ComfyUI可以C:\用户\桌面\ComfyUI整合包容易出权限问题。如果启动后浏览器没自动打开手动访问http://127.0.0.1:8188。如果端口被占编辑extra_model_paths.yaml改端口号。整合包里的 Python 环境是独立的如果要手动装插件需要用整合包内的python_embeded/python.exe来安装依赖而不是系统全局的 Python。手动安装适合有 Python 经验的人如果你本机已经有 Python 3.8~3.11 和 Git可以手动克隆源码安装# 克隆官方仓库 git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI # 安装依赖建议先建虚拟环境 pip install -r requirements.txt # 启动 python main.py手动安装的优势是版本可控方便跟进官方更新缺点是容易和本机其他 Python 项目冲突。如果启动时报torch版本错误或 CUDA 不可用大概率是环境问题。2.2 安装后先验证基础功能无论哪种安装方式启动后先做三件事加载检查点模型在界面里右键点击选择Load Checkpoint节点从ComfyUI/models/checkpoints目录下放一个基础模型如v1-5-pruned-emaonly.safetensors。如果节点报错“No checkpoints found”说明模型路径不对检查extra_model_paths.yaml中的路径映射。连接基础节点按Load Checkpoint→CLIP Text Encode写提示词→KSampler采样器→VAE Decode→Save Image的顺序连线这是最简工作流。跑一张测试图在CLIP Text Encode节点输入简单提示词如“a cat”点击Queue Prompt生成。如果卡住或报错看终端日志——常见问题有显存不足调小分辨率或批量数、模型文件损坏重新下载、依赖缺失缺torchvision等。注意第一次运行会下载 CLIP 模型等依赖文件网络不好时可能卡住耐心等终端日志滚动完成。3. Mac 安装M 芯片和 Intel 芯片配置差异大Mac 分为 M 系列芯片支持 MPS 加速和 Intel 芯片只能跑 CPU 模式安装步骤类似但性能差距明显。3.1 环境准备Homebrew 和 Python 环境先检查本机是否有 Homebrew 和 Python 3# 检查 Homebrew brew --version # 如果没有安装 Homebrew需网络稳定 /bin/bash -c $(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh) # 检查 Python 3 python3 --version # 如果版本低于 3.8用 brew 安装新版本 brew install pythonM 芯片用户建议用 Conda 或 Venv 单独管理环境避免和系统 Python 冲突。MPS 加速在 PyTorch 2.0 支持较好但部分插件可能还不兼容 MPS。Intel 芯片用户CPU 模式也能跑但生成速度慢建议把分辨率调到 512x512 以下批量数设为 1。3.2 安装 ComfyUI 和依赖# 克隆仓库 git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI # 创建虚拟环境可选但推荐 python3 -m venv comfy_env source comfy_env/bin/activate # 安装依赖M 芯片需要装支持 MPS 的 PyTorch pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu pip3 install -r requirements.txt # 启动 python3 main.py --force-fp16 # M 芯片加 --use-mps 参数如果启动时报Library not loaded错误通常是 OpenCV 或其他库的依赖问题尝试brew install opencv或重装虚拟环境。3.3 Mac 特有坑点权限和路径格式权限问题Mac 默认禁止运行不明开发者的应用如果启动脚本报权限错误需在系统设置-隐私与安全性中允许运行。如果是源码启动给脚本加执行权限chmod x main.py。路径大小写敏感Mac 系统默认路径不区分大小写但 Python 导入模块时可能区分遇到ModuleNotFound错误时检查大小写。模型存放位置手动安装时模型默认放在ComfyUI/models/checkpoints如果从其他工具如 WebUI迁移模型注意软链接或拷贝完整文件不要只移 .safetensors 漏掉配套配置文件。4. 插件安装只装必要的按顺序测试ComfyUI 的插件自定义节点能扩展功能但也是导致启动失败、冲突崩溃的主要原因。新手最容易犯的错是一次性装太多插件出问题后不知道是哪个插件导致的。4.1 安装方式选择Manager 优先手动补漏ComfyUI Manager推荐如果用的是秋叶整合包或新版本 ComfyUI大概率内置了 Manager。在界面中点右键找Manager菜单里面可以浏览、安装、更新插件。Manager 会自动处理依赖但要注意安装时看终端日志如果有WARNING或ERROR可能是依赖版本冲突或网络超时。安装完成后必须重启 ComfyUI刷新浏览器页面才能看到新节点。如果 Manager 里搜不到某个插件说明该插件没在官方 registry 注册需手动安装。手动安装Git 或 ZIP以安装 “ComfyUI-Impact-Pack” 为例# 进入 custom_nodes 目录 cd ComfyUI/custom_nodes # 用 Git 克隆可后续更新 git clone https://github.com/ltdrdata/ComfyUI-Impact-Pack.git # 或下载 ZIP 解压到 custom_nodes 目录 # 然后安装依赖 cd ComfyUI-Impact-Pack pip install -r requirements.txt # 注意用 ComfyUI 对应的 Python 环境手动安装的插件如果启动时报ImportError检查两点依赖是否装对环境比如 ComfyUI 用的虚拟环境是comfy_env但 pip 装到了系统全局。插件是否兼容当前 ComfyUI 版本有些插件更新慢可能只支持老版本 API。4.2 插件安装后的验证顺序每装一个插件按这个顺序检查重启 ComfyUI看启动日志有没有ImportError或SyntaxError。有错误就先解决不要继续装下一个。刷新浏览器页面在节点列表里搜插件名看节点是否出现。加载插件示例工作流如果有跑通最基本功能。比如装 ControlNet 插件后先试一张图能不能正常调用 ControlNet 模型。记录插件版本和 ComfyUI 版本出问题时方便回退。可以用 Manager 的“已安装”列表查看或手动记下 git commit hash。注意有些插件需要额外下载模型如 ControlNet、IP-Adapter这些模型通常不自动下载需手动放入ComfyUI/models/controlnet等对应目录。5. 工作流部署从单张测试到批量任务ComfyUI 的核心价值是工作流可复用。新手常遇到的困惑是为什么别人的工作流我加载后报错为什么批量处理时卡住5.1 工作流文件放哪里工作流文件.json可以放在任意位置但建议在ComfyUI/workflows下建分类文件夹如test、portrait、batch。加载时点界面上的Load按钮选择 .json 文件。如果加载后节点缺失或报错通常是缺插件或模型。工作流文件里只保存节点连接关系和参数不包含插件代码和模型数据。所以加载别人分享的工作流前先确认工作流用了哪些插件你是否已安装。工作流用了哪些模型检查点、LoRA、ControlNet 等你是否有对应模型文件。工作流是否依赖特定 ComfyUI 版本节点 API 可能变。5.2 批量任务配置要点ComfyUI 本身不支持图形界面的批量队列但可以通过以下方式实现批量用文本文件列表输入安装ComfyUI-CSV-Loader等插件从 CSV 或文本读取提示词列表自动依次生成。用 API 调用启动时加--listen参数开放网络接口用 Python 脚本批量发送请求。这是最稳定的批量方案适合生产环境。手动队列在界面点Queue Prompt后不中断连续提交新提示词ComfyUI 会按顺序处理。但界面关掉后任务终止不适合长时间批量。批量任务最常卡住的原因是显存泄漏或输出路径权限问题。建议每生成 10~20 张图重启一次 ComfyUI 释放显存。输出路径用英文目录避免权限拦截。批量前先用单张测试整个流程确认输出命名规则和存储位置。5.3 资源监控和稳定性调整长时间运行 ComfyUI 时资源占用会逐渐增加。建议开着系统监控工具如 Windows 任务管理器、Mac 活动监视器关注显存占用如果显存持续增长不释放可能是模型缓存或插件内存泄漏。调低分辨率、批量数或换小模型可缓解。内存占用处理多张图或高分辨率时系统内存可能爆满。ComfyUI 本身占用不大但模型加载和图片解码会吃内存。CPU 占用CPU 模式运行时ComfyUI 会吃满一个核心。如果同时做其他工作需调整进程优先级。稳定性方面如果经常崩溃按这个顺序排查卸掉最近装的插件回退到稳定状态。降低分辨率如从 1024x1024 降到 512x512和采样步数如从 50 步降到 20 步。换回官方基础工作流测试排除工作流复杂度的干扰。更新显卡驱动、PyTorch 版本到稳定版。6. 常见报错排查清单ComfyUI 的报错信息通常能在启动终端或浏览器开发者工具F12 Console里看到。遇到错误先别急着重装按这个顺序查启动时报错No module named torchPython 环境不对没装 PyTorch 或装错了环境。CUDA out of memory显存不足调小分辨率、批量数或加--lowvram参数。Address already in use端口被占改启动参数--port 8189。运行时节点报错Checkpoint not found模型路径不对检查extra_model_paths.yaml和模型文件实际位置。Invalid input image图片格式或路径问题确认图片是 RGB 模式、非空、路径无中文。Node class not found插件没装或没重启检查插件是否在custom_nodes目录下。插件相关错误ImportError: cannot import name xxx插件版本和 ComfyUI 版本不兼容回退插件或更新 ComfyUI。AttributeError: NoneType object has no attribute ...工作流节点连接不全检查连线是否断掉。性能问题生成速度慢确认用的是 GPU 模式看终端日志有无Using GPU或Using MPS不是 CPU 模式。预览图不更新浏览器缓存问题硬刷新CtrlF5或换浏览器试试。最后给新人的建议是ComfyUI 的学习曲线前期较陡但一旦熟悉节点逻辑后续控制力和效率会比传统工具高很多。不要追求一步到位装完所有插件先核心功能跑通再按实际需求扩展。遇到问题多查终端日志和社区讨论大部分坑都有现成解决方案。