最近总有人拿着 WebUI 里画出来的图来找我问是不是该换 ComfyUI 了。我的回答基本一直没变如果你还想继续在 AI 绘画这条路上走远一点早晚要转到 ComfyUI 上而大多数人的第一道坎不是我一开始以为的节点太复杂看不懂反而是在环境搭建这一步。ComfyUI 环境搭建说难吧其实捋顺了也就几件事说简单吧我亲眼见过不少人卡在 GPU 用不上、模型不显示、启动报错这些问题上一卡就是一下午。这篇内容就基于我自己的实操经验把从零开始的完整路子写清楚包括方案怎么选、显卡和版本怎么匹配、官方手动搭建和整合包两条路分别怎么走、模型该往哪里放、爆内存和下载失败这些高频问题怎么排查。不管你是第一次接触 ComfyUI 的新手还是已经在用 WebUI 想换过来的老玩家这套流程应该都能直接照着抄。1. ComfyUI 是什么为什么人人都卡在环境搭建这一步先简单说下 ComfyUI 是干嘛的。它是 Stable Diffusion 生态里一套基于节点的图形化工作流工具。和 WebUI 那种填框框、点生成的交互不同ComfyUI 把整个出图过程拆成一个个节点模型加载是节点、提示词编码是节点、采样器是节点、图像解码也是节点节点之间用连线把数据串起来整个生成链路完全透明可控。这种设计带来两个特别实在的好处一是可复现性极强别人分享一个工作流文件给你拖进来就能用同样的参数和流程跑出类似结果二是灵活度极高你可以随时在链路中间插一个节点比如控制构图、混合模型、批量处理不必像 WebUI 那样等作者更新功能。那为什么这么多人在环境搭建这一步就被劝退我拆解下来主要有三个原因。第一ComfyUI 不是一个装完双击就完事的软件它依赖 Python、PyTorch、CUDA、模型文件这一整条链条任何一个环节版本对不上启动的时候就会给你颜色看。第二大部分教程只告诉你执行这几条命令但没解释为什么这几条命令要这样配一旦报错你完全不知道从哪里排查。第三模型文件特别大动不动几个 GB下载失败、下到一半断了、放错目录都是家常便饭。所以别怀疑自己环境搭建卡住太正常了。1.1 环境搭建到底难在哪你可以把 ComfyUI 想成一辆电动车PyTorch 是发动机CUDA 是让发动机和 GPU 配合工作的驱动系统Python 是底盘模型文件是电池。任何一个环节型号不对车就开不动。WebUI 之所以让你感觉省心是因为它把很多环节帮你预配好了而 ComfyUI 官方版默认只给源代码需要你自己把这些零件组装起来。组装的过程里最容易翻车的就是版本问题。Python 大版本不同、PyTorch 版本和显卡驱动不匹配、CUDA 计算能力太老任何一个都会导致你满怀期待地启动结果控制台里蹦出一串红字。所以环境搭建真正难的不是执行命令而是理解这堆零件各自是什么、为什么需要这样配。1.2 先搞清楚三条路线再动手别急着敲命令先花两分钟选路线。我总结了目前实战中主流的三条路各有利弊方案适合人群优点缺点官方手动搭建想搞清楚原理、愿意折腾的人完全可控、更新及时、能学到真东西上手门槛高每一步都要自己配社区一键整合包绝大多数新手下载解压就能用自带启动器和管理工具黑盒出问题不容易定位更新依赖制作者云 GPU 服务器本地显卡太弱或临时使用不占本地资源显存可以选很大按小时计费需要一点服务器操作基础我的建议很直接如果你是第一次接触 ComfyUI、本地有 N 卡且显存不低于 6G先走整合包路线跑通一遍建立信心如果你喜欢折腾、后面打算长期稳定使用或者想在 Linux 环境里部署服务那就走官方手动搭建。两条路我会在后面分别给出完整实操过程。2. 硬件与版本显卡、CUDA、PyTorch 三件套为什么总打架在动手装之前必须先搞清楚硬件和软件之间的关系。我遇到过好几个人装完所有东西结果生成图片的时候提示 CPU 运行、慢得离谱或者干脆报错CUDA not available问题几乎都出在这个环节。2.1 显存是硬门槛ComfyUI 出图靠的是 GPU 上的显存不是内存也不是硬盘空间。一般来说用 SD1.5 系列的模型6GB 显存可以比较舒服地跑8GB 更稳跑 SDXL 系列建议 8GB 起步12GB 以上体验较好你要是想玩视频生成比如 AnimateDiff 之类的节点最好有 12GB 以上。显存不够也不是完全不能玩后面我会讲怎么用低显存模式硬撑着跑但体验肯定打折。怎么看自己的显存和驱动支持能力Windows 下打开命令行输入nvidia-smi第一行会显示显卡型号右上角会显示CUDA Version: xx.x。这个数值很重要它表示你的显卡驱动最高支持到哪个 CUDA 版本后续装 PyTorch 时要参考它。我见过不少人在这一步就开始踩坑——驱动是旧版本却硬去装要求新版 CUDA 的 PyTorch结果自然是装上了用不了。注意nvidia-smi显示的 CUDA 版本是驱动支持的上限不是说你必须装那个版本的 CUDA Toolkit。实际上我们一般不需要单独装 CUDA ToolkitPyTorch 安装包自带运行时关键是 PyTorch 版本依赖的 CUDA 版本不能超过驱动支持的上限。2.2 驱动、CUDA、PyTorch 与 Python 的匹配关系这一串名词很多新手容易混我用比较生活化的方式捋一下。显卡驱动是底层相当于操作系统和 GPU 之间的翻译官CUDA 是一套并行计算框架相当于 GPU 的工作语言PyTorch 是深度学习的框架它内部会根据你装的 CUDA 版本来调用 GPU 干活Python 则是所有这些东西之上的脚本环境。四者之间是这么个依赖链驱动版本 CUDA 版本 PyTorch 里指定的 CUDA 版本Python 版本则要兼容 PyTorch。所以判断流程很简单先看nvidia-smi的 CUDA 版本上限再选一个不超过它的 PyTorch 版本。大部分情况下只要你的驱动不是那种很多年前的远古版本装cu121或cu118的 PyTorch 都问题不大如果驱动太老优先去把显卡驱动更新到最新版这比在软件层面反复试错省事得多。Python 版本我建议直接装 3.10 或 3.11。ComfyUI 官方对 Python 的兼容范围比较宽但 3.10 和 3.11 是社区验证最充分的版本到了 3.12 偶尔会在一些插件依赖上踩坑。别一上来就追最新环境稳定比版本新重要。2.3 我推荐的环境组合直接把我在三台不同配置的机器上都验证过的组合写出来你可以照抄Windows 10/11 或者 LinuxUbuntu 20.04 均可NVIDIA 显卡驱动确保能支持 CUDA 12.1 及以上Python 3.10 或 3.1164 位PyTorch 2.xCUDA 版本选 cu121 或 cu118ComfyUI 官方最新代码这套组合出问题的概率最小。核显或者 A 卡能不能跑理论上能但会折腾得多我不建议新手拿这个当第一条路。3. 官方路线实操从克隆仓库到跑出第一张图如果你决定走官方手动搭建这条路下面每一步我都尽量说清楚是什么、为什么、怎么做。整个过程预计 30 到 60 分钟取决于你的网络下载速度。3.1 安装 Git 和 PythonGit 是用来拉取 ComfyUI 源码的工具。Windows 用户去 Git 官网下载安装包一路下一步就行注意安装过程中保持默认选项不需要改。Python 去官网下载 3.10 或 3.11 的 64 位安装包这里有一个非常重要的细节安装时一定要勾选Add Python to PATH否则后面命令行里执行python会提示找不到命令。装完之后打开命令行分别执行git --version和python --version能正常输出版本号就说明这两个工具没问题。3.2 克隆 ComfyUI 项目ComfyUI 的源代码托管在 GitHub这个你应该知道。选择一个磁盘空间充足的目录至少留出 10GB 以上模型文件都很占地方执行下面的命令git clone https://github.com/comfyanonymous/ComfyUI.git等它下载完你会看到一个叫ComfyUI的文件夹。如果网络比较慢clone 到一半失败可以重试几次也可以用一些国内的开源镜像站来加速这属于常规的下载优化手段我不会具体推荐某个工具你自己根据网络情况处理。3.3 创建 Python 虚拟环境这一步很多人会跳过但我强烈建议不要跳。虚拟环境相当于给 ComfyUI 单独隔离一个 Python 房间这样你机器上其他项目用的 Python 包不会和它打架。CD 到克隆下来的目录里执行cd ComfyUI python -m venv venv然后激活这个环境。Windows 下的激活命令是venv\Scripts\activateLinux 下是source venv/bin/activate激活后命令行前面会出现(venv)前缀说明你现在已经在虚拟环境里了。后续所有 pip 安装的命令都要在这个状态下执行。3.4 安装 PyTorch装 PyTorch 是环境搭建里最容易翻车的一步。先看你的驱动支持情况然后从 PyTorch 官网或者对应的 pip 源选择命令行。如果你用的是兼容 CUDA 12.1 的驱动推荐这条pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121如果你想要更稳一点的 cu118 版本把最后面的cu121改成cu118即可。装完之后验证一下 GPU 是否可用执行python -c import torch; print(torch.__version__, torch.cuda.is_available())如果输出True说明 PyTorch 能正常调起 GPU恭喜你这一步最大的坑已经过去了。如果输出False先回去检查驱动版本或者重新装一个匹配的 PyTorch 版本。3.5 安装依赖并启动PyTorch 装好后继续安装 ComfyUI 自身的依赖。在虚拟环境激活状态下执行pip install -r requirements.txt这一步会装一批常用的 Python 库耐心等它跑完。之后就可以启动 ComfyUI 了python main.py --auto-launch--auto-launch的意思是启动成功后自动打开浏览器。看到终端里出现To see the GUI go to: http://127.0.0.1:8188这样的输出就说明服务已经起来了。浏览器里打开那个地址你会看到一张空的工作流画布这就是 ComfyUI 的主界面。3.6 跑第一张图的验证界面打开不代表能直接出图——你还需要至少一个模型文件这个我在后面第五章详细讲。这里先记住一个验证思路界面上默认会有一个基础的文生图工作流如果你在Load Checkpoint节点里能看到模型列表且选好模型后点击右侧的Queue Prompt按钮能正常开始生成就说明环境搭建已经彻底跑通了。有几点实操心得值得提醒启动报错里八成以上是 PyTorch 版本和驱动不匹配或者依赖没装完别慌着乱改代码先看完整报错信息重点看关键词是torch还是model。另外虚拟环境激活状态在关闭命令行窗口后会失效下次启动前要先重新激活再执行python main.py。4. 整合包路线优劣势与使用心得如果你不想折腾命令行整合包确实是另一个很现实的选择。社区里常说的秋叶一键整合包就是这种思路它把 Python、PyTorch、ComfyUI 主程序、常用模型、启动器打包在一起理论上你只要下载、解压、双击启动器就能用。很多第一次玩 ComfyUI 的朋友都从这条路线入门。4.1 整合包具体有什么整合包里通常包含了几件事一套内置的 Python 运行时不需要你提前装 Python、精心匹配过版本的 PyTorch 和 CUDA 依赖、ComfyUI 主程序、启动器管理工具以及若干已经放进模型目录的常用模型。启动器一般还带环境自检功能能一键提示显卡驱动版本、显存占用、依赖是否完整。这类整合包最大的价值是别人帮你把最容易翻车的版本对齐工作做完了。你不需要理解驱动和 PyTorch 的关系也不用敲命令启动器里点两下就能跑。对于就想先看看 ComfyUI 长什么样的新手这是效率最高的方式。4.2 整合包使用中的关键操作别以为解压双击就万事大吉我用整合包踩过的坑也不少这里直接给你排雷清单。第一解压路径绝对不能有中文和空格否则启动器经常会因为编码问题找不到依赖比如D:\AI\ComfyUI可以D:\AI绘画\ComfyUI就很容易出幺蛾子。第二解压后先打开启动器做一次环境配置检测它会扫描你的显卡驱动和依赖情况如果有提示就按提示处理。第三杀毒软件很可能会把整合包里的启动器或者某些文件误报为病毒建议把整合包目录加入信任区不然文件被隔离了你连问题都查不到。启动器的基本使用流程通常是选择启动模式一般默认就行、配置显存模式显存小的选低显存模式、点击一键启动。启动后同样会打开浏览器进入主界面。整合包还带模型管理界面方便你查看当前有哪些模型、缺哪些模型。4.3 整合包的局限和更新策略整合包也不是没有代价。最大的问题在于它是一个黑盒一旦哪天插件版本冲突、Python 依赖报错你很难下手排查因为很多东西被封装起来了你不清楚底层是什么版本。另外整合包的更新通常滞后于官方仓库你想用某个新插件或新特性可能得等包作者更新。我实际使用中的建议是整合包适合先跑通阶段但请把后面这两件事放在心上——一是随时关注官方仓库的更新看到新版发布后可以把整合包中手动更新出来的代码保持同步很多启动器本身就带一键更新功能二是出了问题不要急着删掉重装先看启动器日志它输出的信息比整合包界面里显示的要多得多。如果你的目标只是快速验证 ComfyUI 适不适合自己整合包足矣如果你想长期把 ComfyUI 当作生产力工具最终大概率还是会转向官方手动搭建。5. 模型放不对再好的环境也白搭很多人环境搭好了兴冲冲打开界面结果发现Load Checkpoint节点里空空如也或者点击生成报模型不存在。这一章就专门解决模型文件放哪里、怎么放、下载失败怎么办的问题。5.1 模型的目录与摆放ComfyUI 对模型的存放位置有明确的目录约定。在你的 ComfyUI 根目录下有一个models文件夹里面按类型分好了子目录目录存放内容models/checkpoints主模型Checkpoint也叫大模型models/vaeVAE 模型models/lorasLoRA 微调模型models/controlnetControlNet 控制模型models/clipCLIP 文本编码模型models/embeddings文本嵌入常用于负向提示词models/unet独立 UNet 模型部分新工作流用下载模型文件后根据类型放进对应目录回到 ComfyUI 界面点击节点右侧的刷新按钮新模型就会出现在列表里。不需要重启服务这一点好多人不知道总是在那里反复重启。5.2 各种模型文件的作用不少新手把所有模型文件都叫模型其实细分起来各有分工。Checkpoint 主模型是最核心的它包含了从文本生成图像的大部分能力常见的 SD1.5 模型文件大约 2GB 到 4GBSDXL 系列大约 6GB 到 7GB好的主模型直接决定出图质量的底子。VAE 负责把潜空间数据还原成像素图像通俗说就是画面颜色和细节的还原器有些模型默认内置 VAE有些需要单独下载如果图特别灰或者颜色发白十有八九是 VAE 没选对。LoRA 是一种轻量级的微调模块几十 MB 到两三百 MB用来给画面加入特定风格、角色或概念相当于给模型打补丁。ControlNet 用来精确控制构图、姿势、边缘等结构信息进阶阶段会大量用到。Embedding 则通常配合负向提示词使用帮助过滤一些不想要的内容。命名规范上我有一条血泪教训尽量用英文和数字给模型文件命名别带空格别带中文也别在文件名里写一堆版本号和日期否则后续工作流文件换台机器、换个人分享时经常因为路径对不上而模型找不到。5.3 模型下载失败怎么排查模型文件动辄好几个 GB下载失败太常见了。我总结下来主要有三种情况。第一种是下载到一半网络断了这种最容易迷惑人因为文件看起来在但实际不完整启动时要么加载失败要么报错解决办法很简单删除原文件重新完整下载不要续传凑合。第二种是下载源本身不稳定换一个社区内口碑好的下载渠道或者网盘镜像通常能解决。第三种是下载的模型文件格式和当前 ComfyUI 版本不匹配比如现在也有不少 GGUF 格式的量化模型需要额外装对应的加载节点才能识别这种情况下不是下载问题是缺少支持组件去装对应的自定义节点就好。另外提醒一点下载模型前先看大小对不对。SD1.5 的 checkpoint 一般在 2GB 上下如果你下载下来只有十几 MB那很可能是文件损坏或是假的预览文件别浪费时间折腾。6. 插件安装与工作流基础从出图到可控复现环境通了模型有了能出图了接下来才是 ComfyUI 真正的威力所在。这一章我只讲两条线怎么装插件怎么读懂一张基础工作流。6.1 插件管理器是第一个要装的插件ComfyUI 的功能扩展主要通过自定义节点插件实现插件统一放在 ComfyUI 根目录下的custom_nodes文件夹里每个插件一个子文件夹。手动安装的方式很简单在custom_nodes里执行git clone拉取插件仓库然后重启 ComfyUI 即可。不过我更推荐先装一个插件的插件——ComfyUI-Manager它能在界面里直接浏览、安装、更新、卸载社区里绝大多数插件省去手动 clone 的麻烦。装它的方式也是上面那种把它的仓库克隆到custom_nodes目录然后重启 ComfyUI。装好之后界面上会出现一个 Manager 入口之后装插件基本就是点鼠标的事了。常见插件分类大概是这么几类界面汉化类、提示词辅助类、模型管理类、视频生成类比如 AnimateDiff 相关节点、图像处理类超分、抠图、修脸还有针对特定模型的加载器。刚开始不要贪多装一个管理器 一个汉化就够了用熟了再按需添加插件装多了反而会拖慢启动速度。6.2 典型的文生图工作流拆解先看 ComfyUI 默认自带的那个基础工作流它把文生图的完整流程分成了这么几个部分Load Checkpoint加载主模型CLIP Text Encode分别编码正向和负向提示词Empty Latent Image创建空的潜空间图像设置宽高和批次大小KSampler采样器根据提示词反复迭代生成潜空间数据VAE Decode把潜空间数据解码成像素图最后Save Image保存图像。这些节点之间的关系你可以想象成一条流水线原材料是模型和提示词经过采样器这个加工车间反复打磨再由 VAE 这个质检员把半成品还原成看得见的图像。你对某个环节不满意就调整对应节点的参数比如KSampler里的steps是迭代步数cfg是提示词引导强度seed是随机种子——固定 seed 才能保证同样的参数下每次出的图一致。刚开始看到一堆参数不要慌建议只动三个地方模型换成你下载的主模型正向提示词写点你想画的内容点击Queue Prompt按钮开始生成。其余的先用默认值等你能稳定出图了再逐步理解每个参数对画面的影响。6.3 工作流保存与分享ComfyUI 最吸引人的地方就是整个工作流可以被保存成一个 JSON 文件分享给别人之后对方只要把文件拖进自己的 ComfyUI 界面就能还原出完全相同的工作流。这也是社区里大量工作流分享存在的根基。实操上有个小技巧你生成图片后那个 PNG 图片本身就内嵌了工作流信息把图片拖回 ComfyUI 窗口它就能自动还原参数。所以我看到好的作品习惯直接保存在一个专门的文件夹里而不是只存个截图这既保留了图像又留住了流程方便之后复盘。7. 常见问题速查爆内存、下载失败、局域网访问这一章把我被问得最多的问题整理成了一张速查表每个问题都附上排查思路。症状可能原因解决方法启动后 GPU 不工作PyTorch 版本与驱动不匹配查看nvidia-smi的 CUDA 版本重装匹配的 PyTorch显存不足、生成时崩溃模型太大或显存不够加--lowvram或--medvram参数启动模型列表为空模型没放进对应目录放到models/checkpoints后点击刷新模型加载失败文件下载不完整删除原文件重新完整下载局域网手机访问不了没开监听或防火墙拦截启动加--listen防火墙放行 8188 端口插件装了不显示版本不兼容或没重启检查插件是否放进custom_nodes重启 ComfyUI生成视频时内存暴涨视频节点占用太大降低分辨率、减少帧数批次或用低显存模式7.1 显存不足与爆内存爆内存是我被问得最多的词尤其是有人拿它去跑视频生成。先说结论ComfyUI 里显存和内存是两回事但往往同时受影响。当你显存不够的时候程序可能尝试把部分数据放在内存里中转于是内存也跟着暴涨如果内存也不够系统就卡死甚至崩溃。处理思路分三步。第一步启动时加参数降低显存压力--lowvram是在显存很低时通过不断加载卸载模块来硬撑--medvram是平衡模式一般显存小于 8GB 建议后者小于 6GB 再考虑前者。第二步如果跑视频工作流优先减小帧数、分辨率、批次大小这三个数字单帧 512 的分辨率通常比 768 少用将近一半显存。第三步给系统增加虚拟内存Windows 下把虚拟内存调到 16GB 以上虽然治标不治本但能有效避免生成直接崩掉。社区里现在也很流行把模型换成 GGUF 量化版显存需求能下降不少代价是生成速度略慢一点这个方向现在支持节点也比较成熟。7.2 模型下载失败的处理前面第五章已经说过模型目录的问题这里再单独讲一个高频场景你下载模型文件到一半失败了或者通过某个渠道下载了几次都不成功。我的经验是别反复用同一个源死磕换一个渠道往往十分钟就搞定。现在社区里模型分享的渠道五花八门不同渠道稳定程度差别很大。下载时留意文件大小是否合理下完以后可以顺手看一眼文件扩展名ComfyUI 主模型一般是.safetensors格式看到.ckpt也能用但如果是个.txt或者.bin大概率哪里出了问题。7.3 手机访问 ComfyUI这是个很有意思的问题——很多人想用手机看看自己的 ComfyUI 跑图或者在手机上远程遥控电脑出图。具体操作其实不复杂先保证手机和电脑连在同一个局域网里电脑上启动 ComfyUI 时加上--listen参数然后查一下电脑的局域网 IPWindows 下执行ipconfigLinux 下执行ifconfig找192.168.x.x或者10.x.x.x开头的地址最后在手机浏览器里输入http://电脑IP:8188就能打开 ComfyUI 界面。注意 Windows 防火墙可能会拦截 8188 端口需在防火墙规则里放行一下。手机浏览器能打开界面、能点生成但真要重度操作还是建议回电脑上毕竟屏幕尺寸摆在这里。7.4 其他容易踩的启动坑最后再列几个低概率但一踩就是大坑的情况。一是端口被占用8188 端口如果被其他程序占用了启动时会报错可以用--port 8189换个端口。二是路径问题ComfyUI 所在目录路径里不要有中文和空格这属于老生常谈但总有人忽略。三是启动时提示缺某个 Python 库就用pip install 包名补装但补装前先确认你是在虚拟环境里操作的。四是显卡太旧老显卡可能不支持新版本 PyTorch 依赖的 CUDA 计算能力这种情况只能找旧版 PyTorch 或者干脆换整合包的低配模式试试。我自己装过太多遍 ComfyUI也帮别人排查过很多问题说实话现在回头想环境搭建这一步本质上不是技术问题而是耐心问题。版本对不上就踏踏实实去查参数、换版本、查插件兼容性大多数报错背后都有一条明确的解决路径只是你手上没有那份对照表。这篇内容就是想把那份对照表递到你手里。卡住的时候别急着怀疑电脑不行也别怀疑自己不适合玩 ComfyUI按上面的顺序一步步梳理基本都能走出来。