1. 本地部署ComfyUI从零开始的完整指南作为一名长期从事AI内容创作的开发者我最近在尝试了多种AI绘图工具后发现ComfyUI以其高度模块化和可控性强的特点脱颖而出。与Stable Diffusion WebUI相比ComfyUI的工作流更加透明能够精确控制每一个生成步骤这对于追求精细创作效果的用户来说尤为重要。本文将分享我在Windows系统上部署ComfyUI的完整过程包括那些官方文档没有提及的坑和优化技巧。ComfyUI是一个基于节点的工作流界面它允许用户通过连接不同的处理模块来构建复杂的AI图像生成流程。这种设计理念使得它比传统的WebUI更加灵活但同时也带来了更高的学习门槛。在开始部署前我们需要明确几个关键点ComfyUI完全免费开源支持多种Stable Diffusion模型并且对硬件配置有一定要求。2. 部署前的系统准备2.1 硬件与系统要求在开始安装前确保你的系统满足以下最低要求操作系统Windows 10/11 64位实测Win7存在兼容性问题显卡NVIDIA显卡显存≥8GB6GB显存可运行但需调低参数存储空间至少50GB可用空间模型文件通常很大内存16GB及以上处理高分辨率图像时更流畅注意AMD显卡用户理论上可以通过ROCm支持运行但配置过程复杂且性能可能不如NVIDIA显卡稳定。如果你主要使用AMD硬件建议考虑其他兼容性更好的方案。2.2 必要软件准备在安装ComfyUI前需要先准备好以下基础软件Miniconda轻量级的Python环境管理工具Git用于从GitHub克隆ComfyUI仓库合适的代码编辑器如VSCode非必须但推荐特别提醒安装路径中不要包含中文或空格这可能导致后续依赖安装失败。我推荐使用类似D:\AI_Projects\ComfyUI这样的路径。3. 详细安装步骤3.1 Miniconda的安装与配置Miniconda是管理Python环境的理想工具以下是详细安装步骤从 Miniconda官网 下载Windows 64位安装包运行安装程序时在Advanced Installation Options界面勾选Add Miniconda3 to my PATH environment variable选择Register Miniconda3 as my default Python 3.x安装路径建议选择非系统盘如D:\Miniconda3避免占用C盘空间安装完成后重启终端并验证安装conda --version应显示类似conda 24.5.0的版本信息避坑提示虽然系统会警告不要将conda加入PATH但实际测试表明勾选此选项更方便日常使用且不会引起冲突。如果不勾选后续每次使用conda命令都需要通过开始菜单的Anaconda Prompt来操作。3.2 创建Python虚拟环境为ComfyUI创建独立的Python环境可以避免依赖冲突打开终端CMD或PowerShell创建并激活新环境conda create -n comfyui python3.10 -y conda activate comfyui这里使用Python 3.10而非最新版本因为某些依赖对3.11支持不够完善验证环境是否激活成功终端提示符前应显示(comfyui)环境名称3.3 克隆ComfyUI仓库创建项目目录并进入mkdir D:\AI_Projects\ComfyUI cd D:\AI_Projects\ComfyUI克隆官方仓库git clone https://github.com/comfyanonymous/ComfyUI.git如果遇到网络问题可以使用国内镜像git clone https://gitee.com/mirrors/ComfyUI.git3.4 安装依赖项进入ComfyUI目录安装必要依赖首先安装PyTorch根据显卡选择对应命令NVIDIA显卡CUDApip install torch torchvision torchaudio xformers --index-url https://download.pytorch.org/whl/cu118仅CPUpip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu安装其他依赖pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple性能提示xformers能显著提升生成速度并降低显存占用NVIDIA显卡用户务必安装。如果安装失败可以尝试先安装基础版本再单独安装xformers。4. 模型文件准备与管理4.1 下载基础模型ComfyUI需要Stable Diffusion模型文件才能工作推荐下载以下模型基础模型checkpointSD 1.5v1-5-pruned-emaonly.safetensorsSDXLsd_xl_base_1.0.safetensors辅助模型VAE改善图像细节LoRA风格微调模型ControlNet控制生成结构这些模型应放置在ComfyUI/models/下的对应子目录中models/ ├── checkpoints/ # 主模型 ├── vae/ # VAE模型 ├── lora/ # LoRA模型 ├── controlnet/ # ControlNet模型 └── upscale_models/ # 超分辨率模型4.2 模型管理技巧使用符号链接管理模型如果模型文件已经存在于其他位置可以创建符号链接避免重复占用空间mklink /D D:\AI_Projects\ComfyUI\models\checkpoints E:\SD_Models\checkpoints模型命名规范建议在文件名中包含模型类型和版本如sd_xl_base_1.0.safetensors便于识别定期清理删除不再使用的模型释放空间特别是体积庞大的checkpoint文件5. 启动与优化配置5.1 基础启动命令在ComfyUI目录下运行python main.py默认会在http://127.0.0.1:8188启动服务如果端口冲突可以指定其他端口python main.py --port 88885.2 性能优化参数根据硬件情况调整启动参数低显存设备6-8GBpython main.py --medvram极低显存设备4GBpython main.py --lowvram多GPU支持python main.py --gpu-id 0,1启用xformers优化python main.py --xformers5.3 创建快捷启动脚本将以下内容保存为start_comfyui.batecho off conda activate comfyui cd /d D:\AI_Projects\ComfyUI\ComfyUI python main.py --xformers pause双击此脚本即可一键启动无需每次输入命令6. 常见问题与解决方案6.1 安装阶段问题conda命令不可用原因未正确添加PATH或未重启终端解决重新安装Miniconda并勾选Add to PATH或手动添加conda到环境变量pip安装超时或失败原因网络连接问题解决使用国内镜像源如pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simpleCUDA版本不匹配现象RuntimeError: CUDA out of memory或类似错误解决确保安装的PyTorch版本与CUDA驱动匹配使用nvidia-smi查看CUDA版本6.2 运行阶段问题界面加载缓慢优化关闭浏览器其他标签或使用--disable-xformers禁用可能冲突的优化生成图像时崩溃可能原因显存不足解决添加--medvram或--lowvram参数或降低生成分辨率节点缺失或工作流错误解决检查是否安装了必要插件或重置为默认工作流6.3 模型相关问题模型加载失败检查模型文件是否完整是否放在正确目录解决重新下载模型验证文件哈希值生成质量差可能原因模型不匹配或参数不当解决尝试不同模型调整CFG scale和采样步数7. 进阶配置与插件管理7.1 安装ComfyUI ManagerComfyUI Manager是管理插件的必备工具进入ComfyUI自定义节点目录cd ComfyUI/custom_nodes克隆Manager仓库git clone https://github.com/ltdrdata/ComfyUI-Manager.git重启ComfyUI界面将出现Manager选项7.2 推荐插件列表通过Manager安装以下实用插件Impact Pack提供大量实用节点和功能扩展WAS Node Suite增强的图像处理工具集Efficiency Nodes优化工作流执行效率ComfyUI-Impact-Pack更多预处理器和检测器7.3 自定义工作流保存ComfyUI允许保存完整工作流通过Save按钮保存为.json文件分享工作流时确保接收方有相同插件和模型对于复杂工作流添加注释节点说明各部分的用途8. 实际使用技巧与心得经过数周的深度使用我总结出以下提升效率的技巧工作流模块化将常用处理流程保存为子工作流通过Group功能组织节点参数预设为常用模型创建包含优化参数的预设避免每次手动调整资源监控使用GPU-Z或任务管理器观察资源占用找出性能瓶颈批量生成利用KSampler节点的批处理功能一次性生成多张测试图版本控制对重要工作流使用Git管理记录迭代过程性能提示生成分辨率对显存消耗影响最大。1024x1024图像需要的显存大约是512x512的4倍。当遇到显存不足时优先降低分辨率而非减少采样步数。对于初次接触节点式AI工具的用户我的建议是从简单工作流开始逐步增加复杂度善用官方示例和社区分享的工作流学习定期备份ComfyUI\output目录中的重要生成结果参与ComfyUI社区讨论许多问题已有现成解决方案通过本指南你应该已经完成了ComfyUI的本地部署并掌握了基本使用方法。这个工具的学习曲线虽然较陡但一旦熟悉节点式工作流你将获得比传统WebUI更强大的控制能力和更高的创作自由度。如果在使用过程中遇到文中未覆盖的问题建议查阅ComfyUI的GitHub Issues页面大多数常见问题都有详细讨论。