一、速览

入门

ComfyUI 是一个基于节点图（Node Graph）的 AI 内容生成引擎，你可以把它理解为 Stable Diffusion 的「可视化编程工具」。传统 WebUI 把参数藏在表单里，而 ComfyUI 把每一环节拆成独立节点——加载模型、编写提示词、设置采样器、解码图片——用连线把它们串成一张流程图。

graph LR
    A[Load Checkpoint] --> B[CLIP Text Encode]
    A --> C[VAE Decode]
    B --> D[KSampler]
    D --> C

它的核心价值在于可控性：流程中任意节点都可以调整、替换、组合，同一张流程图改一个节点就能得到完全不同的效果。生成图片、训练 LoRA、批量处理、视频生成，都是在同一套节点体系上完成。

项目本身是纯 Python 后端加 Web 前端，本地运行后通过浏览器访问。127k Star 的数据说明它已经是开源 AI 绘画领域的事实标准之一。如果你需要精细控制生成流程，或者想尝试最新的开源模型，ComfyUI 是绕不开的工具。

二、快速部署

入门

ComfyUI 提供两种主流部署方式：Docker 和裸机 pip 安装。Docker 适合想快速跑起来、不想折腾依赖的开发者；裸机安装则对显存利用和版本控制更灵活。

Docker 部署（推荐新手）在项目目录下创建一个 docker-compose.yml：

services:
  comfyui:
    image: comfyorg/comfyui:latest
    ports:
      - "8188:8188"
    volumes:
      - ./models:/app/ComfyUI/models
      - ./output:/app/ComfyUI/output
      - ./custom_nodes:/app/ComfyUI/custom_nodes
      - ./user:/app/ComfyUI/user
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]

启动命令同样简洁：

docker compose up -d
docker compose logs -f comfyui  # 查看启动日志

启动完成后浏览器访问 http://localhost:8188 即进入节点编辑界面。

注意：NVIDIA 显卡需要提前安装 nvidia-container-toolkit，否则容器无法调用 GPU。AMD 用户需要额外设置 HSA_OVERRIDE_GFX_VERSION=11.0.0 环境变量（仅 RDNA3 架构）。

裸机安装适合已有 Python 3.10+ 环境的情况。官方推荐的安装器是 comfy-cli：

pip install comfy-cli
comfy install

安装器会引导你选择 PyTorch 版本和模型路径。如果你习惯直接跑源码，也可以手动克隆并安装依赖：

git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
pip install -r requirements.txt
python main.py

main.py 启动后同样监听 8188 端口。两种方式的效果没有差别，区别只在于依赖管理的方式。

三、配置详解

进阶 · 推荐细读

ComfyUI 的配置集中在启动参数、环境变量和 extra_model_paths.yaml 三个层面。理解它们能帮你解决「模型放哪」「怎么换路径」「多模型如何管理」等高频问题。

3.1 环境变量

CLI_ARGS 是最常用的一个。通过它可以把启动参数写进 Docker Compose 或 systemd 服务文件，不用手动敲命令。例如：

services:
  comfyui:
    environment:
      - CLI_ARGS=--listen 0.0.0.0 --port 8188 --disable-auto-launch

3.2 模型目录结构

默认模型目录在项目根目录的 models 文件夹下，内部结构有约定：

models/
├── checkpoints/    # 主模型（SD1.5 / SDXL / Flux）
├── loras/          # LoRA 微调模型
├── vae/            # VAE 模型
├── controlnet/     # ControlNet 模型
├── clip/           # CLIP 文本编码器
├── unet/           # UNet 组件（Flux 等新架构需要）
└── diffusion_models/

放错目录会导致节点加载模型时报「文件不存在」。如果你希望模型放在其他磁盘（比如 SSD 空间有限），需要在 extra_model_paths.yaml 中声明额外路径。

3.3 extra_model_paths.yaml 多路径配置

项目提供了 extra_model_paths.yaml.example 模板。把模板复制为 extra_model_paths.yaml 后，可以追加多个模型根目录：

other_models:
  base_path: /mnt/ssd2/comfy_models
  checkpoints: checkpoints
  loras: loras
  vae: vae
  controlnet: controlnet

base_path 指向外部目录，后面的键表示该目录下对应模型的子文件夹名。配置后重启服务生效。注意本机有多个 ComfyUI 实例或想共享模型时，这是最推荐的方案。

提示：大模型文件通常几个 GB 到几十 GB，建议单独建目录存放，和项目代码分离。升级 ComfyUI 时不需要重新下载模型。

四、功能导览

入门

打开浏览器进入编辑界面后，你会看到三块区域：左侧是节点库（右键空白处可搜索节点），中间是画布（节点和连线），右侧是属性面板（选中节点后显示参数）。ComfyUI 已经内置了基础文生图工作流模板，新用户可以直接点菜单栏的「Load Default」加载。

4.1 文生图基础流程

默认工作流包含 6 个节点，对应一条完整的生成链路：加载模型 → 编码正向/负向提示词 → 采样器生成 → VAE 解码 → 渲染图像。需要调整的参数都集中在 KSampler 节点里：

• seed：随机种子，固定后输出可复现
• steps：采样步数，SD1.5 通常 20-30 步
• cfg：提示词引导强度，推荐 7-9
• sampler_name / scheduler：采样器和调度器组合

操作方式是双击空白处添加节点，或从左侧列表拖拽。连线时注意接口类型匹配：模型输出（紫色）接模型输入，条件向量（绿色）接条件输入。连线配错了节点不会执行，画布上会显示警告。

4.2 图生图 / 局部重绘

右键空白处搜索「Load Image」加载图片，再接入 VAE Encode 节点，就能把参考图编码成潜在空间张量喂给采样器。局部重绘需要额外加 Mask 节点来标记需要重新生成的区域。

4.3 扩展安装

ComfyUI 的生态靠自定义节点（Custom Nodes）扩展。访问 Manage 面板等内置工具安装扩展，或手动把项目克隆到 custom_nodes/ 目录后重启：

cd custom_nodes
git clone https://github.com/用户名/仓库名.git

常用扩展包括 ControlNet 辅助节点、视频生成工具链（AnimateDiff）和工作流管理插件。每次装完新扩展都要重启 Web 服务才能生效。

4.4 工作流导入导出

工作流本身就是一张 JSON 图。点界面右侧的「Save」下载 JSON 文件，分享给其他人后，对方用「Load」导入即可复用。社区分享的 .json 工作流本质上就是这种格式。

常见的问题是忘装依赖节点导致导入失败。导入后如果节点显示红色报错，优先检查对应自定义节点是否已安装。

五、运维进阶

进阶 · 推荐细读

部署跑通之后，接下来要考虑的是持续使用中的稳定性问题：如何安全暴露访问入口、如何升级不丢配置、如何备份已调好的工作流。

5.1 反向代理与 HTTPS

默认监听 127.0.0.1:8188，只允许本机访问。如果想让局域网内的其他设备访问，启动时加 --listen 0.0.0.0；暴露到公网则必须配反向代理和 HTTPS。Nginx 的推荐配置：

server {
    listen 443 ssl;
    server_name comfyui.example.com;

    ssl_certificate     /etc/nginx/ssl/comfyui.crt;
    ssl_certificate_key /etc/nginx/ssl/comfyui.key;

    location / {
        proxy_pass http://127.0.0.1:8188;
        proxy_http_version 1.1;
        proxy_set_header Host $host;
        proxy_read_timeout 600s;  # 生成任务可能耗时较长
    }
}

proxy_read_timeout 建议至少设 600 秒，否则超出 Nginx 默认超时时间会导致大图生成中断。

5.2 升级策略

ComfyUI 迭代较快：核心仓库每两周发布一个稳定版本，前端更新每两周合并入主分支。如果你用 Docker 部署，升级前先看变更说明：

docker compose pull
docker compose up -d

自定义节点和核心可能互相依赖版本，升级后如果节点报错，优先回到上一个版本并检查节点仓库的兼容性声明。常见的做法是升级前把 custom_nodes/ 目录整体备份一份。

5.3 数据备份

需要备份的数据分两部分：用户数据（user/ 目录）和输出图像（output/ 目录）。前者包含你保存的工作流、设置和快捷键配置，后者是生成的全部图片。模型文件不需要备份，丢失后重新下载即可。

可以用一个简单的 cron 任务做每日备份：

tar -czf comfyui_backup_$(date +%Y%m%d).tar.gz -C /path/to/comfyui user output

另外有几个实用的安全建议：不要无防护地把 8188 端口暴露到公网，因为 ComfyUI 默认不带认证；多人协作建议用 Tailscale 等内网穿透工具代替公网端口映射；生成任务密集的机器注意监控显存温度。

如需深入了解节点开发或 API 集成，官方文档 docs.comfy.org 提供了完整的节点协议和云端 API 说明。从图形界面入门，到节点编排进阶，再到 API 嵌入自己的应用，ComfyUI 的工具链足够覆盖不同阶段的需求。

项目信息

参考链接

• GitHub 仓库
• 项目主页