还在为 ComfyUI 复杂的环境配置和插件依赖而头疼吗特别是对于刚接触 AI 绘画的开发者或创作者从零搭建一个稳定、功能齐全的 ComfyUI 环境往往需要耗费大量时间在 Python 版本、CUDA 驱动、PyTorch 适配以及各种插件的版本冲突上。秋叶大佬最新发布的 ComfyUI V9.5 整合包正是为了解决这一痛点而生。它实现了真正的“解压即用”不仅支持从 50 系到 30 系的 NVIDIA 显卡还同时兼容 Windows 和 macOS 系统将繁琐的安装过程简化到极致。本文将为你带来这份整合包的详细使用指南、核心功能解析以及从入门到进阶的完整工作流实战无论你是想快速体验 Stable Diffusion 的威力还是希望深入研究节点式编程的灵活性都能在这里找到答案。1. ComfyUI 与秋叶整合包为什么是更好的起点在深入实操之前我们有必要厘清几个核心概念这能帮助你理解为什么选择这个整合包以及它到底解决了什么问题。1.1 什么是 ComfyUI节点式工作流的优势ComfyUI 是一个基于节点Node和流程Workflow的 Stable Diffusion WebUI。与大家熟悉的 A1111 WebUIAutomatic1111的线性操作界面不同ComfyUI 将图像生成的每一个步骤——如加载模型、输入提示词、设置采样器、解码图像等——都抽象为一个个可连接、可复用的节点。这种设计带来了几个显著优势极高的灵活性与可控性你可以像搭积木一样自由组合节点实现复杂、定制化的生成流程例如多条件控制、图像到图像的多重处理等。流程的可视化与可复用性整个生成流程以图像工作流图的形式保存分享给他人后可以完全复现极大方便了技术交流和协作。更优的资源利用与性能节点式执行逻辑清晰在某些情况下能更高效地利用显存和计算资源对于复杂工作流和批量生成尤其友好。更适合研究与开发清晰的模块化结构让开发者可以更容易地理解底层过程并插入自定义的节点或逻辑。然而强大的灵活性也带来了更高的上手门槛。原生 ComfyUI 只是一个“骨架”需要用户自行配置 Python 环境、安装 PyTorch、下载模型以及寻找安装各种功能插件。1.2 秋叶整合包的核心价值开箱即用的完整生态“秋叶整合包”在 AI 绘画社区早已是口碑的代名词其之前的 Stable Diffusion WebUI 整合包帮助了无数用户轻松入门。这次的 ComfyUI V9.5 整合包延续了这一理念并针对 ComfyUI 的特点进行了深度优化。它不仅仅是一个 ComfyUI 的安装程序而是一个预配置好的完整生态系统预置完备环境整合包内已包含适配的 Python 解释器、PyTorchCUDA 版或 CPU 版、以及所有必需的依赖库。你无需关心版本冲突解压后即可运行。内置主流模型与插件整合包预置了常用的基础模型如 SD 1.5, SDXL、VAE、LoRA 以及一批精选且兼容性良好的插件如ComfyUI-Manager插件管理器、Impact Pack功能增强节点包等让你起步就能使用丰富功能。全显卡支持与自动配置无论是较新的 RTX 40/50 系列还是主流的 RTX 30 系列整合包都通过内置的启动脚本自动检测并配置合适的运行参数。对于 macOSApple Silicon也提供了对应的优化启动方案。简化更新与管理通过内置的ComfyUI-Manager你可以像在应用商店里一样一键更新 ComfyUI 本体、安装或更新社区插件管理变得异常简单。解决中文路径与网络问题对中文用户友好的路径支持以及内置的模型下载加速渠道如国内镜像解决了常见的下载慢和路径错误问题。简单来说使用秋叶整合包你的核心任务从“搭建环境”变成了“学习和创作”可以将全部精力投入到工作流的设计与 AI 艺术的探索中。2. 环境准备与整合包部署在开始激动人心的创作之前我们需要确保基础环境就绪并完成整合包的部署。2.1 系统与硬件要求请对照下表检查你的设备是否符合基本要求项目最低要求推荐配置操作系统Windows 10/11 64位或 macOS 12 (Apple Silicon)Windows 11 / macOS 最新版处理器支持 AVX2 指令集的 CPU多核高性能 CPU (如 Intel i7/R7 以上)内存8 GB RAM16 GB RAM 或更高显卡NVIDIA GPU, 4GB 显存 (如 GTX 1650)NVIDIA GPU, 8GB 显存 (如 RTX 3060/4060)存储空间至少 20 GB 可用空间 (用于安装)50 GB SSD 空间 (用于存放模型)网络可访问互联网 (用于下载模型/插件)稳定的网络连接关键说明NVIDIA 显卡需要安装较新的显卡驱动。建议通过 NVIDIA GeForce Experience 或官网更新到最新版驱动以确保 CUDA 兼容性。macOS 用户整合包针对 Apple Silicon (M1/M2/M3) 芯片进行了优化使用 CPUGPU 统一内存架构运行效率很高。显存不足处理如果显存较低如 4GB在启动时或运行复杂工作流时可能遇到CUDA Out Of Memory错误。整合包启动器通常提供--lowvram等参数选项后续会介绍如何调整。2.2 下载与解压整合包获取整合包从秋叶大佬指定的发布渠道如网盘下载ComfyUI_V9.5_秋叶整合包.7z或类似名称的压缩文件。请务必注意文件完整性下载后核对文件大小和 MD5 值如果提供。选择解压位置路径原则选择一个磁盘空间充足且路径中不含中文和特殊字符如空格、括号的目录。例如D:\AI_Projects\ComfyUI或/Users/YourName/Applications/ComfyUI。为什么这是为了避免 Python 和某些底层库在读取文件时出现编码错误这是许多奇怪问题的根源。解压文件使用解压软件如 7-Zip, Bandizip将下载的压缩包解压到你选择的目录。解压后你会看到一个包含多个文件和文件夹的根目录。2.3 目录结构初窥解压后主要目录和文件的作用如下了解它们有助于后续的问题排查和自定义ComfyUI_windows/ # 或 ComfyUI_macos 根目录 ├── ComfyUI/ # ComfyUI 主程序核心目录 ├── python_embeded/ # 内置的 Python 环境 (Windows) ├── ComfyUI启动器.exe # Windows 图形化启动器 (关键) ├── run_nvidia_gpu.bat # Windows NVIDIA GPU 启动脚本 ├── run_cpu.bat # Windows CPU 模式启动脚本 ├── run_macos.sh # macOS 启动脚本 ├── 模型/ # 预置及后续存放模型的文件夹 │ ├── checkpoints/ # 放置大模型 (.safetensors, .ckpt) │ ├── loras/ # 放置 LoRA 模型 │ ├── vae/ # 放置 VAE 模型 │ └── ...其他分类 └── 其他说明文档.txt核心提示后续你自己下载的模型请严格按照对应的文件夹分类放置ComfyUI 和插件会默认在这些路径下查找模型。3. 首次启动与基础配置万事俱备现在让我们启动 ComfyUI并进行必要的基础配置。3.1 Windows 系统启动对于 Windows 用户最简单的方式是使用图形化启动器。双击启动器在整合包根目录找到ComfyUI启动器.exe双击运行。选择运行配置启动器界面通常会提供几个选项一键启动使用默认配置通常针对 NVIDIA GPU启动。高级选项允许你选择 GPU/CPU 模式、设置监听端口、自定义启动参数等。疑难解答提供修复虚拟环境、更新依赖等工具。首次启动点击“一键启动”。首次运行会进行一些初始化控制台窗口会滚动日志。请耐心等待直到出现类似“Running on local URL: http://127.0.0.1:8188”的信息。访问 WebUI打开你的浏览器Chrome/Firefox/Edge 等在地址栏输入http://127.0.0.1:8188或启动器提示的 URL即可进入 ComfyUI 的空白工作台界面。备用启动方式命令行 如果启动器遇到问题你可以直接运行根目录下的批处理脚本run_nvidia_gpu.bat使用 NVIDIA 显卡加速。run_cpu.bat仅使用 CPU 运行速度很慢仅用于调试或无机显卡。3.2 macOS 系统启动对于 macOS 用户需要通过终端Terminal运行脚本。打开终端通过 Spotlight 搜索Terminal并打开。导航到整合包目录使用cd命令。例如如果你的整合包解压在Applications文件夹cd /Applications/ComfyUI_macos赋予执行权限并运行chmod x run_macos.sh # 第一次运行需要此命令赋予脚本执行权限 ./run_macos.sh等待启动终端会输出启动日志。同样等待出现“Running on local URL: http://127.0.0.1:8188”的信息。访问 WebUI在浏览器中访问http://127.0.0.1:8188。3.3 基础界面与设置成功进入界面后你会看到一个空白的画布。我们先进行几项关键设置。设置中文界面可选但推荐在画布空白处右键选择Add Node-utils-Load Language (zh_CN)。添加该节点后点击右侧的Queue Prompt按钮执行。界面会刷新并变为中文。此设置会保存在浏览器本地。配置模型路径重要点击画布右侧的设置齿轮图标或按ShiftM打开管理器。在管理器中选择“模型”标签页。这里列出了 ComfyUI 搜索模型的默认路径。秋叶整合包已经预设好了模型/目录下的各个子文件夹。你只需确认这些路径指向你解压的目录即可一般无需修改。未来安装新模型就放到对应的文件夹里。安装 ComfyUI Manager秋叶整合包通常已预装此插件。你可以在右侧管理器区域看到Manager标签页。如果没有你可以通过以下方式安装在画布右键 -Add Node-utils-Install Custom Node输入插件仓库地址https://github.com/ltdrdata/ComfyUI-Manager进行安装并重启。Manager 是插件的管理中心你可以在这里浏览、安装、更新、禁用社区节点是扩展 ComfyUI 功能的门户。4. 你的第一个工作流从文本生成图像现在让我们构建一个最基础的文本生成图像Text-to-Image工作流来熟悉节点的连接逻辑。4.1 清空与准备如果画布上有之前残留的节点可以按CtrlA全选然后按Delete键清空。我们从零开始搭建。4.2 添加核心节点我们将按以下顺序添加并连接节点这也是一个标准文生图流程的内在逻辑加载模型右键画布 -添加节点-加载器-Checkpoint加载器。作用选择要使用的大模型。操作点击ckpt_name下拉框选择整合包预置的一个模型例如v1-5-pruned-emaonly.safetensors。CLIP 文本编码右键画布 -添加节点-条件-CLIP文本编码器。需要添加两个。作用将你的正面提示词Prompt和负面提示词Negative Prompt转换为模型能理解的数值向量。操作将第一个节点的文本输入框填入正面描述如“masterpiece, best quality, a beautiful landscape”。第二个节点的文本输入框填入负面描述如“worst quality, low quality, blurry”。空潜变量右键画布 -添加节点-潜在空间-空潜变量。作用生成一个初始的、随机的噪声图像在潜空间内这是生成的起点。操作设置宽度和高度例如 512 和 512。批次大小保持为 1。K采样器右键画布 -添加节点-采样-K采样器。作用这是图像生成的核心通过迭代去噪过程将噪声逐步转化为符合提示词的图像。操作需要连接多个输入。VAE 解码右键画布 -添加节点-潜在空间-VAE解码。作用将 K采样器 输出的“潜变量”解码成我们可以看到的 RGB 像素图像。保存图像右键画布 -添加节点-图像-保存图像。作用将最终生成的图像保存到硬盘。操作可以设置一个文件名前缀。4.3 连接节点现在像连接电路图一样用鼠标从节点的输出端口右侧小圆点拖拽到另一个节点的输入端口左侧小圆点。连接顺序如下Checkpoint加载器的模型输出 - 连接到K采样器的模型输入。Checkpoint加载器的CLIP输出 - 分别连接到两个CLIP文本编码器的CLIP输入。Checkpoint加载器的VAE输出 - 连接到VAE解码的VAE输入。正面CLIP文本编码器的条件输出 - 连接到K采样器的正面条件输入。负面CLIP文本编码器的条件输出 - 连接到K采样器的负面条件输入。空潜变量的潜在输出 - 连接到K采样器的潜在图像输入。K采样器的潜在输出 - 连接到VAE解码的样本输入。VAE解码的图像输出 - 连接到保存图像的图像输入。4.4 配置 K采样器并生成点击K采样器节点配置关键参数种子保持 -1 为随机种子或输入一个固定数字以便复现。步数采样迭代次数例如 20。步数越多细节可能越好但耗时越长。CFG提示词相关性例如 7.5。值越高越遵循提示词但过高可能导致图像色彩饱和或失真。采样器选择一种采样算法例如euler速度快或dpmpp_2m质量高。调度器选择与采样器配合的调度器例如normal。最终生成点击画布右侧巨大的队列提示按钮或按CtrlEnter。你会看到右下角有进度条。完成后生成的图片会显示在保存图像节点上并自动保存到ComfyUI/output目录下。恭喜你已经成功运行了第一个 ComfyUI 工作流。你可以尝试修改提示词、尺寸、采样器观察生成结果的变化。5. 进阶技巧与插件生态探索掌握了基础流程后ComfyUI 真正的威力在于其插件生态和节点组合的无限可能性。5.1 使用 ComfyUI Manager 管理插件点击右侧的Manager标签页这里是插件的“应用商店”。更新所有在更新子标签页可以一键更新 ComfyUI 本体和所有已安装的自定义节点。安装新节点切换到安装节点子标签页。你可以通过搜索框查找插件如ControlNetIPAdapter找到后点击安装按钮即可。安装后通常需要重启 ComfyUI关闭服务器重新运行启动脚本。管理已安装在已安装子标签页可以查看、禁用或卸载插件。5.2 导入与导出工作流社区分享的工作流.json或.png文件是快速学习高级技巧的捷径。导入工作流对于.json文件点击画布左上角的加载按钮选择文件。对于.png文件直接将图片拖拽到 ComfyUI 画布上它会自动解析嵌入的工作流数据。这是最常用的分享方式。导出工作流点击画布左上角的保存按钮可以保存为.json文件。点击保存包含预览图会生成一个嵌入了工作流数据的.png图片方便分享和存档。5.3 常用高级节点与工作流思路加载图像(加载图像节点)用于图生图img2img、局部重绘、ControlNet 等需要输入图片的流程。VAE 编码(VAE编码节点)将输入的真实图像编码为潜变量用于图生图。ControlNet 应用安装ControlNet系列节点后你可以添加ControlNet加载器和应用ControlNet节点。将预处理后的边缘、深度、姿态等控制图输入可以精确控制图像的构图、姿势和结构。LoRA 应用使用Lora加载器节点将其连接到Checkpoint加载器和CLIP节点之间可以融合特定风格或角色的 LoRA 模型。图像缩放/裁剪(图像缩放、图像裁剪节点)对图像进行预处理或后处理。批量生成通过设置空潜变量的批次大小大于 1或使用专门的批量提示词节点可以一次性生成多张图片。一个简单的图生流工作流思路加载图像-VAE编码- 连接至K采样器的潜在图像输入替代空潜变量并降低去噪强度如 0.5-0.8即可在原有图像基础上进行变化。6. 常见问题排查与优化即使使用整合包在探索过程中也可能遇到一些问题。以下是常见问题的排查思路。6.1 启动与运行问题问题现象可能原因解决方案双击启动器无反应/闪退1. 路径包含中文或特殊字符。2. 被杀毒软件拦截。3. 运行库缺失。1. 将整合包移动到纯英文路径。2. 将整合包目录添加到杀毒软件白名单。3. 尝试以管理员身份运行。启动时报错CUDA out of memory显存不足。工作流或模型过大。1. 在启动器“高级选项”中添加--lowvram或--medvram参数启动。2. 生成时减小图像分辨率如 512x512。3. 关闭其他占用显存的程序。访问http://127.0.0.1:8188无法连接1. 服务未成功启动。2. 端口被占用。1. 检查启动控制台是否有错误日志是否出现Running on...信息。2. 在启动器高级选项中修改端口号如 8189然后访问新端口。节点显示为红色提示找不到模块自定义节点依赖缺失或安装失败。1. 在Manager-已安装中尝试更新该节点。2. 在启动器的“疑难解答”中尝试“修复依赖”。3. 手动在启动器提供的“打开命令行”窗口中进入该节点目录运行pip install -r requirements.txt。6.2 模型与生成问题问题现象可能原因解决方案下拉框里找不到下载的模型模型文件未放在正确的文件夹。确认模型文件.safetensors, .ckpt已放入模型/checkpoints/目录并刷新浏览器。生成图像全黑或全灰1. VAE 不匹配或未加载。2. 模型本身需要特定 VAE。1. 在Checkpoint加载器中显式选择一个 VAE 模型如vae-ft-mse-840000-ema-pruned.safetensors。2. 尝试使用模型作者推荐的 VAE。生成速度异常缓慢1. 使用了 CPU 模式。2. 图像分辨率设置过高。3. 采样步数过多。1. 确认使用 GPU 模式启动。2. 适当降低生成尺寸。3. 尝试步数更少的采样器如euler。提示词效果不明显CFG 值过低或提示词语义不清。1. 适当提高CFG值如 7-12。2. 使用更具体、公认有效的质量标签如masterpiece, best quality, detailed。6.3 性能优化建议使用 xFormersWindows NVIDIAxFormers 可以显著提升生成速度并降低显存占用。秋叶整合包通常已预装。确保在启动参数中启用了--xformers启动器高级选项中可勾选。启用 TensorRT 加速高级对于 RTX 系列显卡可以探索将模型转换为 TensorRT 引擎以获得极致的推理速度。这需要额外的插件和转换步骤。管理模型数量模型/目录下的模型文件过多可能会导致模型加载列表时界面卡顿。建议将不常用的模型移出该目录按需使用。合理设置图像尺寸显存占用与图像像素总数宽x高成正比。在显存有限的情况下如 8GB尝试 768x768 或 512x768 等尺寸避免直接使用 1024x1024。7. 最佳实践与资源推荐为了让你能更持久、高效地使用 ComfyUI这里有一些工程化的建议和学习资源。7.1 工作流管理最佳实践模块化与分组对于复杂工作流善用Reroute重路由节点和注释功能来整理连线。也可以将一组常用节点选中后右键选择转换为组将其折叠保持画布整洁。保存模板将调试好的、常用的基础工作流如标准的文生图、图生图流程保存为.json模板文件。新建项目时直接加载模板在此基础修改提高效率。版本化你的工作流当你对工作流进行重大修改时建议另存为一个新文件而不是覆盖旧文件。这便于你回溯到之前有效的版本。利用队列你可以将多个不同的提示词或参数组合通过Prompt节点等方式组织起来然后一次性加入队列让 ComfyUI 自动按顺序生成充分利用空闲时间。7.2 模型与资源获取模型下载Civitai全球最大的 Stable Diffusion 模型分享社区拥有海量的 Checkpoint、LoRA、Textual Inversion 模型。Hugging Face许多官方和前沿的模型会首先发布在这里。国内镜像站为加速下载可以寻找一些国内搬运的模型仓库或使用整合包可能内置的下载加速功能。工作流学习ComfyUI 官方示例在画布右键菜单的示例中有一些基础工作流。YouTube / Bilibili搜索 “ComfyUI tutorial”有大量视频教程直观易懂。开源社区在 Civitai 或 GitHub 上许多作者会分享他们精美作品的工作流文件.png这是学习高级技巧的最佳方式。7.3 保持更新与备份定期更新通过ComfyUI Manager定期更新核心和自定义节点可以获取新功能、性能提升和 Bug 修复。但更新前建议备份你的custom_nodes文件夹或整个 ComfyUI 目录以防更新导致现有工作流不兼容。备份关键配置你的ComfyUI文件夹下的user目录或ComfyUI根目录下的config.yaml可能包含你的个性化设置定期备份。模型单独存放可以考虑将庞大的模型库模型/文件夹放在另一个位置并通过符号链接Symbolic Link的方式链接到 ComfyUI 目录内。这样在重装或更新 ComfyUI 时模型数据不会丢失。秋叶 ComfyUI V9.5 整合包极大地降低了这个强大工具的使用门槛让你能跳过繁琐的环境配置直接沉浸到节点式 AI 创作的乐趣中。从今天搭建的第一个文生图工作流开始逐步尝试加载图片、应用 ControlNet、组合多个 LoRA你会发现它所能实现的创意和控制精度是惊人的。记住遇到问题多查阅日志、善用社区资源大部分难题都有解决方案。现在打开你的 ComfyUI开始构建属于你的第一个复杂工作流吧。 秋叶ComfyUI V9.5整合包：AI绘画开箱即用，节点式工作流从入门到精通
还在为 ComfyUI 复杂的环境配置和插件依赖而头疼吗特别是对于刚接触 AI 绘画的开发者或创作者从零搭建一个稳定、功能齐全的 ComfyUI 环境往往需要耗费大量时间在 Python 版本、CUDA 驱动、PyTorch 适配以及各种插件的版本冲突上。秋叶大佬最新发布的 ComfyUI V9.5 整合包正是为了解决这一痛点而生。它实现了真正的“解压即用”不仅支持从 50 系到 30 系的 NVIDIA 显卡还同时兼容 Windows 和 macOS 系统将繁琐的安装过程简化到极致。本文将为你带来这份整合包的详细使用指南、核心功能解析以及从入门到进阶的完整工作流实战无论你是想快速体验 Stable Diffusion 的威力还是希望深入研究节点式编程的灵活性都能在这里找到答案。1. ComfyUI 与秋叶整合包为什么是更好的起点在深入实操之前我们有必要厘清几个核心概念这能帮助你理解为什么选择这个整合包以及它到底解决了什么问题。1.1 什么是 ComfyUI节点式工作流的优势ComfyUI 是一个基于节点Node和流程Workflow的 Stable Diffusion WebUI。与大家熟悉的 A1111 WebUIAutomatic1111的线性操作界面不同ComfyUI 将图像生成的每一个步骤——如加载模型、输入提示词、设置采样器、解码图像等——都抽象为一个个可连接、可复用的节点。这种设计带来了几个显著优势极高的灵活性与可控性你可以像搭积木一样自由组合节点实现复杂、定制化的生成流程例如多条件控制、图像到图像的多重处理等。流程的可视化与可复用性整个生成流程以图像工作流图的形式保存分享给他人后可以完全复现极大方便了技术交流和协作。更优的资源利用与性能节点式执行逻辑清晰在某些情况下能更高效地利用显存和计算资源对于复杂工作流和批量生成尤其友好。更适合研究与开发清晰的模块化结构让开发者可以更容易地理解底层过程并插入自定义的节点或逻辑。然而强大的灵活性也带来了更高的上手门槛。原生 ComfyUI 只是一个“骨架”需要用户自行配置 Python 环境、安装 PyTorch、下载模型以及寻找安装各种功能插件。1.2 秋叶整合包的核心价值开箱即用的完整生态“秋叶整合包”在 AI 绘画社区早已是口碑的代名词其之前的 Stable Diffusion WebUI 整合包帮助了无数用户轻松入门。这次的 ComfyUI V9.5 整合包延续了这一理念并针对 ComfyUI 的特点进行了深度优化。它不仅仅是一个 ComfyUI 的安装程序而是一个预配置好的完整生态系统预置完备环境整合包内已包含适配的 Python 解释器、PyTorchCUDA 版或 CPU 版、以及所有必需的依赖库。你无需关心版本冲突解压后即可运行。内置主流模型与插件整合包预置了常用的基础模型如 SD 1.5, SDXL、VAE、LoRA 以及一批精选且兼容性良好的插件如ComfyUI-Manager插件管理器、Impact Pack功能增强节点包等让你起步就能使用丰富功能。全显卡支持与自动配置无论是较新的 RTX 40/50 系列还是主流的 RTX 30 系列整合包都通过内置的启动脚本自动检测并配置合适的运行参数。对于 macOSApple Silicon也提供了对应的优化启动方案。简化更新与管理通过内置的ComfyUI-Manager你可以像在应用商店里一样一键更新 ComfyUI 本体、安装或更新社区插件管理变得异常简单。解决中文路径与网络问题对中文用户友好的路径支持以及内置的模型下载加速渠道如国内镜像解决了常见的下载慢和路径错误问题。简单来说使用秋叶整合包你的核心任务从“搭建环境”变成了“学习和创作”可以将全部精力投入到工作流的设计与 AI 艺术的探索中。2. 环境准备与整合包部署在开始激动人心的创作之前我们需要确保基础环境就绪并完成整合包的部署。2.1 系统与硬件要求请对照下表检查你的设备是否符合基本要求项目最低要求推荐配置操作系统Windows 10/11 64位或 macOS 12 (Apple Silicon)Windows 11 / macOS 最新版处理器支持 AVX2 指令集的 CPU多核高性能 CPU (如 Intel i7/R7 以上)内存8 GB RAM16 GB RAM 或更高显卡NVIDIA GPU, 4GB 显存 (如 GTX 1650)NVIDIA GPU, 8GB 显存 (如 RTX 3060/4060)存储空间至少 20 GB 可用空间 (用于安装)50 GB SSD 空间 (用于存放模型)网络可访问互联网 (用于下载模型/插件)稳定的网络连接关键说明NVIDIA 显卡需要安装较新的显卡驱动。建议通过 NVIDIA GeForce Experience 或官网更新到最新版驱动以确保 CUDA 兼容性。macOS 用户整合包针对 Apple Silicon (M1/M2/M3) 芯片进行了优化使用 CPUGPU 统一内存架构运行效率很高。显存不足处理如果显存较低如 4GB在启动时或运行复杂工作流时可能遇到CUDA Out Of Memory错误。整合包启动器通常提供--lowvram等参数选项后续会介绍如何调整。2.2 下载与解压整合包获取整合包从秋叶大佬指定的发布渠道如网盘下载ComfyUI_V9.5_秋叶整合包.7z或类似名称的压缩文件。请务必注意文件完整性下载后核对文件大小和 MD5 值如果提供。选择解压位置路径原则选择一个磁盘空间充足且路径中不含中文和特殊字符如空格、括号的目录。例如D:\AI_Projects\ComfyUI或/Users/YourName/Applications/ComfyUI。为什么这是为了避免 Python 和某些底层库在读取文件时出现编码错误这是许多奇怪问题的根源。解压文件使用解压软件如 7-Zip, Bandizip将下载的压缩包解压到你选择的目录。解压后你会看到一个包含多个文件和文件夹的根目录。2.3 目录结构初窥解压后主要目录和文件的作用如下了解它们有助于后续的问题排查和自定义ComfyUI_windows/ # 或 ComfyUI_macos 根目录 ├── ComfyUI/ # ComfyUI 主程序核心目录 ├── python_embeded/ # 内置的 Python 环境 (Windows) ├── ComfyUI启动器.exe # Windows 图形化启动器 (关键) ├── run_nvidia_gpu.bat # Windows NVIDIA GPU 启动脚本 ├── run_cpu.bat # Windows CPU 模式启动脚本 ├── run_macos.sh # macOS 启动脚本 ├── 模型/ # 预置及后续存放模型的文件夹 │ ├── checkpoints/ # 放置大模型 (.safetensors, .ckpt) │ ├── loras/ # 放置 LoRA 模型 │ ├── vae/ # 放置 VAE 模型 │ └── ...其他分类 └── 其他说明文档.txt核心提示后续你自己下载的模型请严格按照对应的文件夹分类放置ComfyUI 和插件会默认在这些路径下查找模型。3. 首次启动与基础配置万事俱备现在让我们启动 ComfyUI并进行必要的基础配置。3.1 Windows 系统启动对于 Windows 用户最简单的方式是使用图形化启动器。双击启动器在整合包根目录找到ComfyUI启动器.exe双击运行。选择运行配置启动器界面通常会提供几个选项一键启动使用默认配置通常针对 NVIDIA GPU启动。高级选项允许你选择 GPU/CPU 模式、设置监听端口、自定义启动参数等。疑难解答提供修复虚拟环境、更新依赖等工具。首次启动点击“一键启动”。首次运行会进行一些初始化控制台窗口会滚动日志。请耐心等待直到出现类似“Running on local URL: http://127.0.0.1:8188”的信息。访问 WebUI打开你的浏览器Chrome/Firefox/Edge 等在地址栏输入http://127.0.0.1:8188或启动器提示的 URL即可进入 ComfyUI 的空白工作台界面。备用启动方式命令行 如果启动器遇到问题你可以直接运行根目录下的批处理脚本run_nvidia_gpu.bat使用 NVIDIA 显卡加速。run_cpu.bat仅使用 CPU 运行速度很慢仅用于调试或无机显卡。3.2 macOS 系统启动对于 macOS 用户需要通过终端Terminal运行脚本。打开终端通过 Spotlight 搜索Terminal并打开。导航到整合包目录使用cd命令。例如如果你的整合包解压在Applications文件夹cd /Applications/ComfyUI_macos赋予执行权限并运行chmod x run_macos.sh # 第一次运行需要此命令赋予脚本执行权限 ./run_macos.sh等待启动终端会输出启动日志。同样等待出现“Running on local URL: http://127.0.0.1:8188”的信息。访问 WebUI在浏览器中访问http://127.0.0.1:8188。3.3 基础界面与设置成功进入界面后你会看到一个空白的画布。我们先进行几项关键设置。设置中文界面可选但推荐在画布空白处右键选择Add Node-utils-Load Language (zh_CN)。添加该节点后点击右侧的Queue Prompt按钮执行。界面会刷新并变为中文。此设置会保存在浏览器本地。配置模型路径重要点击画布右侧的设置齿轮图标或按ShiftM打开管理器。在管理器中选择“模型”标签页。这里列出了 ComfyUI 搜索模型的默认路径。秋叶整合包已经预设好了模型/目录下的各个子文件夹。你只需确认这些路径指向你解压的目录即可一般无需修改。未来安装新模型就放到对应的文件夹里。安装 ComfyUI Manager秋叶整合包通常已预装此插件。你可以在右侧管理器区域看到Manager标签页。如果没有你可以通过以下方式安装在画布右键 -Add Node-utils-Install Custom Node输入插件仓库地址https://github.com/ltdrdata/ComfyUI-Manager进行安装并重启。Manager 是插件的管理中心你可以在这里浏览、安装、更新、禁用社区节点是扩展 ComfyUI 功能的门户。4. 你的第一个工作流从文本生成图像现在让我们构建一个最基础的文本生成图像Text-to-Image工作流来熟悉节点的连接逻辑。4.1 清空与准备如果画布上有之前残留的节点可以按CtrlA全选然后按Delete键清空。我们从零开始搭建。4.2 添加核心节点我们将按以下顺序添加并连接节点这也是一个标准文生图流程的内在逻辑加载模型右键画布 -添加节点-加载器-Checkpoint加载器。作用选择要使用的大模型。操作点击ckpt_name下拉框选择整合包预置的一个模型例如v1-5-pruned-emaonly.safetensors。CLIP 文本编码右键画布 -添加节点-条件-CLIP文本编码器。需要添加两个。作用将你的正面提示词Prompt和负面提示词Negative Prompt转换为模型能理解的数值向量。操作将第一个节点的文本输入框填入正面描述如“masterpiece, best quality, a beautiful landscape”。第二个节点的文本输入框填入负面描述如“worst quality, low quality, blurry”。空潜变量右键画布 -添加节点-潜在空间-空潜变量。作用生成一个初始的、随机的噪声图像在潜空间内这是生成的起点。操作设置宽度和高度例如 512 和 512。批次大小保持为 1。K采样器右键画布 -添加节点-采样-K采样器。作用这是图像生成的核心通过迭代去噪过程将噪声逐步转化为符合提示词的图像。操作需要连接多个输入。VAE 解码右键画布 -添加节点-潜在空间-VAE解码。作用将 K采样器 输出的“潜变量”解码成我们可以看到的 RGB 像素图像。保存图像右键画布 -添加节点-图像-保存图像。作用将最终生成的图像保存到硬盘。操作可以设置一个文件名前缀。4.3 连接节点现在像连接电路图一样用鼠标从节点的输出端口右侧小圆点拖拽到另一个节点的输入端口左侧小圆点。连接顺序如下Checkpoint加载器的模型输出 - 连接到K采样器的模型输入。Checkpoint加载器的CLIP输出 - 分别连接到两个CLIP文本编码器的CLIP输入。Checkpoint加载器的VAE输出 - 连接到VAE解码的VAE输入。正面CLIP文本编码器的条件输出 - 连接到K采样器的正面条件输入。负面CLIP文本编码器的条件输出 - 连接到K采样器的负面条件输入。空潜变量的潜在输出 - 连接到K采样器的潜在图像输入。K采样器的潜在输出 - 连接到VAE解码的样本输入。VAE解码的图像输出 - 连接到保存图像的图像输入。4.4 配置 K采样器并生成点击K采样器节点配置关键参数种子保持 -1 为随机种子或输入一个固定数字以便复现。步数采样迭代次数例如 20。步数越多细节可能越好但耗时越长。CFG提示词相关性例如 7.5。值越高越遵循提示词但过高可能导致图像色彩饱和或失真。采样器选择一种采样算法例如euler速度快或dpmpp_2m质量高。调度器选择与采样器配合的调度器例如normal。最终生成点击画布右侧巨大的队列提示按钮或按CtrlEnter。你会看到右下角有进度条。完成后生成的图片会显示在保存图像节点上并自动保存到ComfyUI/output目录下。恭喜你已经成功运行了第一个 ComfyUI 工作流。你可以尝试修改提示词、尺寸、采样器观察生成结果的变化。5. 进阶技巧与插件生态探索掌握了基础流程后ComfyUI 真正的威力在于其插件生态和节点组合的无限可能性。5.1 使用 ComfyUI Manager 管理插件点击右侧的Manager标签页这里是插件的“应用商店”。更新所有在更新子标签页可以一键更新 ComfyUI 本体和所有已安装的自定义节点。安装新节点切换到安装节点子标签页。你可以通过搜索框查找插件如ControlNetIPAdapter找到后点击安装按钮即可。安装后通常需要重启 ComfyUI关闭服务器重新运行启动脚本。管理已安装在已安装子标签页可以查看、禁用或卸载插件。5.2 导入与导出工作流社区分享的工作流.json或.png文件是快速学习高级技巧的捷径。导入工作流对于.json文件点击画布左上角的加载按钮选择文件。对于.png文件直接将图片拖拽到 ComfyUI 画布上它会自动解析嵌入的工作流数据。这是最常用的分享方式。导出工作流点击画布左上角的保存按钮可以保存为.json文件。点击保存包含预览图会生成一个嵌入了工作流数据的.png图片方便分享和存档。5.3 常用高级节点与工作流思路加载图像(加载图像节点)用于图生图img2img、局部重绘、ControlNet 等需要输入图片的流程。VAE 编码(VAE编码节点)将输入的真实图像编码为潜变量用于图生图。ControlNet 应用安装ControlNet系列节点后你可以添加ControlNet加载器和应用ControlNet节点。将预处理后的边缘、深度、姿态等控制图输入可以精确控制图像的构图、姿势和结构。LoRA 应用使用Lora加载器节点将其连接到Checkpoint加载器和CLIP节点之间可以融合特定风格或角色的 LoRA 模型。图像缩放/裁剪(图像缩放、图像裁剪节点)对图像进行预处理或后处理。批量生成通过设置空潜变量的批次大小大于 1或使用专门的批量提示词节点可以一次性生成多张图片。一个简单的图生流工作流思路加载图像-VAE编码- 连接至K采样器的潜在图像输入替代空潜变量并降低去噪强度如 0.5-0.8即可在原有图像基础上进行变化。6. 常见问题排查与优化即使使用整合包在探索过程中也可能遇到一些问题。以下是常见问题的排查思路。6.1 启动与运行问题问题现象可能原因解决方案双击启动器无反应/闪退1. 路径包含中文或特殊字符。2. 被杀毒软件拦截。3. 运行库缺失。1. 将整合包移动到纯英文路径。2. 将整合包目录添加到杀毒软件白名单。3. 尝试以管理员身份运行。启动时报错CUDA out of memory显存不足。工作流或模型过大。1. 在启动器“高级选项”中添加--lowvram或--medvram参数启动。2. 生成时减小图像分辨率如 512x512。3. 关闭其他占用显存的程序。访问http://127.0.0.1:8188无法连接1. 服务未成功启动。2. 端口被占用。1. 检查启动控制台是否有错误日志是否出现Running on...信息。2. 在启动器高级选项中修改端口号如 8189然后访问新端口。节点显示为红色提示找不到模块自定义节点依赖缺失或安装失败。1. 在Manager-已安装中尝试更新该节点。2. 在启动器的“疑难解答”中尝试“修复依赖”。3. 手动在启动器提供的“打开命令行”窗口中进入该节点目录运行pip install -r requirements.txt。6.2 模型与生成问题问题现象可能原因解决方案下拉框里找不到下载的模型模型文件未放在正确的文件夹。确认模型文件.safetensors, .ckpt已放入模型/checkpoints/目录并刷新浏览器。生成图像全黑或全灰1. VAE 不匹配或未加载。2. 模型本身需要特定 VAE。1. 在Checkpoint加载器中显式选择一个 VAE 模型如vae-ft-mse-840000-ema-pruned.safetensors。2. 尝试使用模型作者推荐的 VAE。生成速度异常缓慢1. 使用了 CPU 模式。2. 图像分辨率设置过高。3. 采样步数过多。1. 确认使用 GPU 模式启动。2. 适当降低生成尺寸。3. 尝试步数更少的采样器如euler。提示词效果不明显CFG 值过低或提示词语义不清。1. 适当提高CFG值如 7-12。2. 使用更具体、公认有效的质量标签如masterpiece, best quality, detailed。6.3 性能优化建议使用 xFormersWindows NVIDIAxFormers 可以显著提升生成速度并降低显存占用。秋叶整合包通常已预装。确保在启动参数中启用了--xformers启动器高级选项中可勾选。启用 TensorRT 加速高级对于 RTX 系列显卡可以探索将模型转换为 TensorRT 引擎以获得极致的推理速度。这需要额外的插件和转换步骤。管理模型数量模型/目录下的模型文件过多可能会导致模型加载列表时界面卡顿。建议将不常用的模型移出该目录按需使用。合理设置图像尺寸显存占用与图像像素总数宽x高成正比。在显存有限的情况下如 8GB尝试 768x768 或 512x768 等尺寸避免直接使用 1024x1024。7. 最佳实践与资源推荐为了让你能更持久、高效地使用 ComfyUI这里有一些工程化的建议和学习资源。7.1 工作流管理最佳实践模块化与分组对于复杂工作流善用Reroute重路由节点和注释功能来整理连线。也可以将一组常用节点选中后右键选择转换为组将其折叠保持画布整洁。保存模板将调试好的、常用的基础工作流如标准的文生图、图生图流程保存为.json模板文件。新建项目时直接加载模板在此基础修改提高效率。版本化你的工作流当你对工作流进行重大修改时建议另存为一个新文件而不是覆盖旧文件。这便于你回溯到之前有效的版本。利用队列你可以将多个不同的提示词或参数组合通过Prompt节点等方式组织起来然后一次性加入队列让 ComfyUI 自动按顺序生成充分利用空闲时间。7.2 模型与资源获取模型下载Civitai全球最大的 Stable Diffusion 模型分享社区拥有海量的 Checkpoint、LoRA、Textual Inversion 模型。Hugging Face许多官方和前沿的模型会首先发布在这里。国内镜像站为加速下载可以寻找一些国内搬运的模型仓库或使用整合包可能内置的下载加速功能。工作流学习ComfyUI 官方示例在画布右键菜单的示例中有一些基础工作流。YouTube / Bilibili搜索 “ComfyUI tutorial”有大量视频教程直观易懂。开源社区在 Civitai 或 GitHub 上许多作者会分享他们精美作品的工作流文件.png这是学习高级技巧的最佳方式。7.3 保持更新与备份定期更新通过ComfyUI Manager定期更新核心和自定义节点可以获取新功能、性能提升和 Bug 修复。但更新前建议备份你的custom_nodes文件夹或整个 ComfyUI 目录以防更新导致现有工作流不兼容。备份关键配置你的ComfyUI文件夹下的user目录或ComfyUI根目录下的config.yaml可能包含你的个性化设置定期备份。模型单独存放可以考虑将庞大的模型库模型/文件夹放在另一个位置并通过符号链接Symbolic Link的方式链接到 ComfyUI 目录内。这样在重装或更新 ComfyUI 时模型数据不会丢失。秋叶 ComfyUI V9.5 整合包极大地降低了这个强大工具的使用门槛让你能跳过繁琐的环境配置直接沉浸到节点式 AI 创作的乐趣中。从今天搭建的第一个文生图工作流开始逐步尝试加载图片、应用 ControlNet、组合多个 LoRA你会发现它所能实现的创意和控制精度是惊人的。记住遇到问题多查阅日志、善用社区资源大部分难题都有解决方案。现在打开你的 ComfyUI开始构建属于你的第一个复杂工作流吧。