ComfyUI入门教程：2026年从安装到出图，含硬件需求对照表与模型推荐
ComfyUI是什么？为什么要用它？
ComfyUI是一款基于节点的Stable Diffusion图形界面工具，由开发者comfyanonymous维护。与传统的Stable Diffusion WebUI（通常称为AUTOMATIC1111）不同，ComfyUI采用可视化节点连接的方式构建图像生成工作流——每个功能模块（模型加载、提示词、采样器、图像输出等）都是独立的节点，通过连线组合成完整的生成流程。
这种设计带来的核心优势是灵活性。WebUI的界面固定，功能扩展依赖插件；而ComfyUI可以自由组合任意节点，实现从简单文生图到复杂的ControlNet+LoRA+多模型融合工作流。2025年以来，随着Flux、SD3.5、视频生成模型等新模型的涌现，ComfyUI凭借其快速适配新模型的能力，已经成为AI绘画社区的主流工具之一。
在决定安装之前，先看这张对比表，确认ComfyUI是否适合你：
| 维度 | ComfyUI | Stable Diffusion WebUI | 在线平台（LiblibAI等） |
|---|---|---|---|
| 学习曲线 | 较陡（需理解节点概念） | 中等 | 低 |
| 灵活性 | 极高，任意组合工作流 | 中等，依赖插件 | 低，固定功能 |
| 新模型支持速度 | 快（通常1-3天内） | 慢（需等插件适配） | 取决于平台 |
| 运行环境 | 本地/云部署 | 本地 | 浏览器访问 |
| 成本 | 免费（需硬件） | 免费（需硬件） | 按次/包月收费 |
| 适合人群 | 有技术基础、追求定制化 | 新手入门、简单出图 | 不想折腾硬件的用户 |
如果你只是想快速生成几张AI图片，在线平台更合适。如果你希望深度定制工作流、使用最新模型、实现自动化批处理，ComfyUI值得投入时间学习。
硬件需求对照表
ComfyUI的硬件需求主要取决于你使用的模型。不同模型对显存（VRAM）的要求差异很大，以下是详细的需求对照表：
| 模型类型 | 最低显存 | 推荐显存 | 最低内存 | 出图速度参考（RTX 3060） |
|---|---|---|---|---|
| SD 1.5（512×512） | 4GB | 6GB | 8GB | 2-4秒/张 |
| SDXL（1024×1024） | 6GB | 8GB | 16GB | 8-15秒/张 |
| Flux.1 [schnell] | 8GB | 12GB | 16GB | 5-10秒/张 |
| Flux.1 [dev] | 12GB | 16GB | 32GB | 15-30秒/张 |
| SD3.5 Medium | 8GB | 12GB | 16GB | 10-20秒/张 |
| SD3.5 Large | 12GB | 24GB | 32GB | 20-40秒/张 |
| 视频模型（可灵等） | 16GB | 24GB | 32GB | 1-5分钟/3秒片段 |
关键说明：以上速度为参考值，实际速度受显卡型号、驱动版本、系统配置影响。NVIDIA显卡是首选（CUDA生态最成熟），AMD显卡也可以通过ROCm运行但性能和兼容性有折扣。没有独立显卡的Mac用户可以通过MPS加速使用ComfyUI，M系列芯片（M1 Pro及以上）运行SD1.5和SDXL效果不错，但Flux等大模型仍然困难。
显存不够怎么办？两个方案：一是使用xFormers或Split交叉注意力降低显存占用（SDXL可以在6GB显存上勉强运行）；二是使用云GPU服务，按小时计费，适合偶尔使用的场景。
安装教程：三种方案详解
方案一：ComfyUI Desktop（推荐新手）
2025年ComfyUI官方发布了Desktop桌面版，是新手最友好的安装方式。内置Python环境和依赖管理，下载后双击即可运行。
- 访问 comfy.org/download 下载对应系统版本
- Windows用户下载.exe安装包，Mac用户下载.dmg
- 安装完成后启动ComfyUI Desktop
- 首次启动会自动下载默认模型（约4GB），等待完成
- 浏览器自动打开
http://127.0.0.1:8188，看到节点界面即安装成功
ComfyUI Desktop的模型目录默认在用户目录下的ComfyUI文件夹中。你可以直接将下载的模型文件放入对应目录，无需额外配置。
方案二：秋叶整合包（国内用户首选）
秋叶（B站UP主”秋葉aaaki”）维护的ComfyUI整合包是国内最流行的安装方式。整合包预装了常用插件和模型管理工具，解压即可使用。
- 从秋叶的GitHub Release页面或B站动态获取最新整合包下载链接
- 下载后解压到非中文路径（如 D:\ComfyUI）
- 运行启动器（run.bat），等待初始化完成
- 浏览器打开
http://127.0.0.1:8188
秋叶整合包的优势在于预装了中文界面翻译、模型管理器、常用自定义节点等，开箱即用。版本更新也较快，通常新模型发布后1-2天内整合包就会跟进更新。
方案三：手动安装（适合开发者）
- 安装Python 3.10+（确保勾选”Add to PATH”）
- 安装Git
- 打开终端执行：
git clone https://github.com/comfyanonymous/ComfyUI.git - 进入目录：
cd ComfyUI - 安装依赖：
pip install -r requirements.txt - 启动：
python main.py
手动安装的好处是完全掌控环境，方便后续自定义开发。如果你有使用Conda管理Python环境的习惯，建议创建独立的ComfyUI虚拟环境，避免依赖冲突。
目录结构说明
无论使用哪种安装方式，ComfyUI的核心目录结构是一致的：
models/checkpoints/— 主模型（Checkpoint），如SD1.5、SDXL、Flux等models/loras/— LoRA微调模型，用于风格调整models/controlnet/— ControlNet模型，用于控制生成结构models/vae/— VAE模型，影响色彩还原models/embeddings/— 文本嵌入（Textual Inversion）custom_nodes/— 自定义节点插件output/— 生成的图片默认保存目录input/— 输入图片目录（用于图生图等）
第一个工作流：文生图
安装完成后，我们来搭建第一个工作流。ComfyUI启动后会显示一个空白画布，你需要手动添加节点并连线。以下是完整的文生图工作流搭建步骤：
步骤1：加载模型
右键画布 → Add Node → Loaders → Load Checkpoint。在节点中选择你下载的模型文件（如果没有模型，先下载一个SD1.5或SDXL模型放入models/checkpoints/目录）。
步骤2：输入提示词
右键 → Add Node → Condition → CLIP Text Encode。需要添加两个：一个用于正面提示词（Positive Prompt），一个用于负面提示词（Negative Prompt）。将Load Checkpoint节点的CLIP输出分别连接到两个提示词节点的CLIP输入。
步骤3：设置采样参数
右键 → Add Node → Sampling → KSampler。这是控制生成过程的核心节点。关键参数说明：
- Steps：采样步数，SD1.5推荐20-30步，SDXL推荐25-40步
- CFG：提示词引导强度，SD1.5推荐7-9，SDXL推荐4-7
- Sampler：采样器类型，推荐euler_ancestral或dpmpp_2m
- Scheduler：调度器类型，推荐normal或karras
步骤4：解码输出
右键 → Add Node → Latent → VAE Decode，将KSampler的LATENT输出连接到VAE Decode的samples输入，将Load Checkpoint的VAE输出连接到VAE Decode的vae输入。
步骤5：保存图片
右键 → Add Node → Image → Save Image（或Preview Image），将VAE Decode的IMAGE输出连接即可。
步骤6：运行
点击界面上的”Queue Prompt”按钮（或按Ctrl+Enter），等待生成完成。生成的图片会出现在Save Image节点中。
如果一切正常，恭喜你已经成功搭建了第一个ComfyUI工作流。接下来可以保存这个工作流（Save或Save As），方便下次直接加载使用。
模型推荐：按场景选择Checkpoint
模型的选择直接影响生成效果。以下按使用场景推荐Checkpoint，数据基于CivitAI社区的下载量和评分排序（截至2026年4月）：
| 场景 | 推荐模型 | 模型类型 | 特点 | 下载来源 |
|---|---|---|---|---|
| 写实人像 | RealVisXL V5.0 | SDXL | 皮肤质感真实，光影自然 | CivitAI |
| 二次元动漫 | AnimagineXL V3.1 | SDXL | 日系动漫风格，色彩鲜明 | CivitAI |
| 真实摄影 | Juggernaut XL V9 | SDXL | 摄影级画质，适合风景和人文 | CivitAI |
| 设计素材 | SDXL Base 1.0 | SDXL | 官方基础模型，泛化能力最强 | HuggingFace |
| 高质量通用 | Flux.1 [dev] | Flux | 文字渲染优秀，构图精准 | HuggingFace |
| 快速出图 | Flux.1 [schnell] | Flux | 4步即可出图，速度最快 | HuggingFace |
| 国风插画 | 国风3.0 | SDXL | 中国风山水、人物 | CivitAI |
| 产品摄影 | Product Design XL | SDXL | 商品展示图效果出色 | CivitAI |
常用自定义节点推荐
ComfyUI的功能扩展主要通过自定义节点实现。以下是2026年最常用的几个节点包：
- ComfyUI Manager：节点包管理器，类似WebUI的插件管理，必须安装。支持一键安装、更新、禁用节点包
- ComfyUI-Impact-Pack：辅助工具集，包含人脸修复、图像增强、语义分割等功能，使用频率最高
- ComfyUI-ControlNet：ControlNet支持节点，用于通过边缘检测、姿态检测等控制生成结构
- ComfyUI-AnimateDiff：视频生成节点，支持基于SD模型的视频生成和动画效果
- ComfyUI-IC-Light：光源控制节点，可以精确控制图片的光照方向和强度
- ComfyUI-Flux：Flux模型专用节点，优化了Flux模型的加载和推理性能
- rgthree-comfy：UI增强节点，提供了更直观的节点样式和快捷操作
安装自定义节点的方式有两种：通过ComfyUI Manager搜索安装（推荐），或手动将节点文件夹放入custom_nodes/目录后在终端执行pip install -r requirements.txt安装依赖。
从SD WebUI迁移到ComfyUI
如果你已经在使用Stable Diffusion WebUI，迁移到ComfyUI的主要工作在模型文件上。好消息是两个工具的模型文件格式兼容，不需要重新下载。
- 模型迁移：将WebUI的
models/Stable-diffusion/目录中的文件复制到ComfyUI的models/checkpoints/ - LoRA迁移：WebUI的
models/Lora/复制到ComfyUI的models/loras/ - ControlNet迁移：WebUI的
models/ControlNet/复制到ComfyUI的models/controlnet/ - Embedding迁移：WebUI的
embeddings/复制到ComfyUI的models/embeddings/ - 共用模型：也可以通过修改
extra_model_paths.yaml让ComfyUI直接读取WebUI的模型目录，避免重复存储
工作流方面，WebUI的配置参数可以对应到ComfyUI节点：采样步数→KSampler的steps参数，CFG→KSampler的cfg参数，采样器→KSampler的sampler_name，提示词→CLIP Text Encode节点。概念对应后上手会快很多。
常见报错速查
| 报错信息 | 原因 | 解决方案 |
|---|---|---|
| CUDA out of memory | 显存不足 | 降低图片分辨率、启用xFormers、减少batch size |
| ModuleNotFoundError: comfy | 未在ComfyUI目录启动 | cd到ComfyUI目录后再运行python main.py |
| Cannot find model xxx | 模型文件缺失 | 检查模型文件是否在正确的子目录中 |
| Node type not found | 自定义节点未安装 | 通过ComfyUI Manager安装对应节点包 |
| torch not compiled with CUDA | CUDA版本不匹配 | 重新安装对应CUDA版本的PyTorch |
| Unexpected key in state_dict | 模型版本不兼容 | 确认模型与ComfyUI版本兼容，更新ComfyUI |
学习路径建议
ComfyUI的学习曲线确实比WebUI陡峭，但按照以下路径循序渐进，大约1-2周就能掌握核心操作：
- 第1-2天：安装ComfyUI，加载模型，搭建基础文生图工作流，熟悉节点连线操作
- 第3-4天：学习图生图（img2img）工作流，尝试不同的采样器和调度器参数
- 第5-7天：安装ComfyUI Manager和Impact Pack，尝试LoRA加载、ControlNet使用
- 第8-10天：学习保存和加载工作流JSON，建立自己的工作流模板库
- 第11-14天：尝试Flux模型、局部重绘、图像放大等进阶功能
常见问题
没有NVIDIA显卡，可以用ComfyUI吗？
可以使用CPU运行ComfyUI，但速度非常慢（SD1.5生成一张图可能需要几分钟到十几分钟）。AMD显卡可以通过ROCm运行，性能约为同级别NVIDIA卡的60-70%。Mac M系列芯片支持MPS加速，M1 Pro运行SD1.5约10-20秒/张，体验尚可；但Flux等大模型仍然困难。综合来看，NVIDIA显卡（RTX 3060 12GB及以上）是最佳选择。
ComfyUI和WebUI可以同时安装吗？
可以，两者互不冲突。但需要注意端口占用——两个工具默认都使用8188端口。建议修改其中一个的启动端口（在main.py中添加–port参数）。更重要的是模型文件可以共用（通过extra_model_paths.yaml配置），不需要下载两份。
如何让ComfyUI生成中文字体正确显示？
ComfyUI本身不处理字体，文字渲染由模型决定。SDXL和Flux对中文文字的渲染能力有限，经常出现乱码或错别字。解决方案：一是使用专门训练的中文文字渲染模型（如Flux的中文补丁版本），二是生成后用Photoshop替换文字层。这是一个已知的行业痛点，期待后续模型版本改善。
云端运行ComfyUI哪个平台好？
国内推荐LiblibAI和RunningHub，两个平台都提供在线ComfyUI环境，预装了常用节点和模型，按次或包月计费。LiblibAI的模型库更丰富（与CivitAI合作），RunningHub的工作流分享社区更活跃。对于没有本地GPU的用户，云端方案是快速上手的最佳选择。
ComfyUI生成图片的质量怎么提高？
影响质量的关键因素排序：模型选择（权重最大）→ 提示词质量 → 采样参数 → LoRA辅助 → 后处理。新手最常犯的错误是频繁调采样参数而忽略提示词质量。建议先花时间学习提示词工程（参考CivitAI上热门作品的提示词），再逐步微调参数。使用高质量VAE（如SDXL的sdxl_vae.safetensors）也能显著改善色彩表现。
工作流JSON文件怎么分享和导入？
ComfyUI的工作流可以导出为JSON格式（Save按钮），其他用户导入后即可使用。但需要注意：JSON只保存节点结构和参数，不包含模型文件。分享工作流时需要同时说明需要哪些模型和自定义节点。社区中有很多优秀的工作流分享平台，如ComfyUI Workflows、OpenArt等，可以搜索学习。
更多AI绘画工具可以查看我们的Flux AI工具页和Adobe Firefly工具页，在线生图用户可以参考Leonardo AI和Playground AI。如果对Stable Diffusion的基础安装还有疑问，可以阅读我们的Stable Diffusion安装教程。