ComfyUI 完全指南：Stable Diffusion的节点式工作流神器

为什么选择 ComfyUI？

如果你用过 AUTOMATIC1111 WebUI，可能会觉得它功能虽多但界面臃肿。ComfyUI 完全不同——它用节点图（类似虚幻引擎蓝图）的方式组织工作流，让你能精确控制每一步。

ComfyUI 的优势：

• 极致性能：显存占用比 WebUI 低，同样显卡能跑更大模型
• 无限可能：节点自由组合，实现任何你能想到的工作流
• 一键复用：保存工作流为 JSON 文件，分享给他人一键导入
• 批量生成：一次生成几百张图，自动变化参数

安装配置

推荐使用 ComfyUI 的整合包（如 ComfyUI Portable），解压即用。如果你熟悉 Python，也可以手动安装：

1. 安装 Python 3.10（不要用3.11或3.12）
2. 克隆仓库：git clone https://github.com/comfyanonymous/ComfyUI
3. 安装依赖：pip install -r requirements.txt
4. 下载模型放到 models/checkpoints/ 目录
5. 运行：python main.py

浏览器访问 http://127.0.0.1:8188 即可使用。

基础操作

加载模型

第一个节点永远是 Load Checkpoint。右键 → Add Node → loaders → Load Checkpoint，选择你的模型文件。

输入提示词

添加 CLIP Text Encode 节点，一个写正向提示词，一个写负向提示词。连接到 KSampler 的 positive 和 negative 输入。

生成图片

KSampler 是核心节点：设置步数（steps，建议20-30）、CFG（提示词权重，建议7-8）、采样器（推荐 dpmpp_2m）。连接 Empty Latent Image 设置图片尺寸，最后用 VAE Decode 解码，Save Image 保存。

进阶工作流

图生图

用 Load Image 节点加载参考图，连接到 KSampler 的 latent_image 输入（需要 VAE Encode 先转成 latent）。调整 denoise 参数控制变化程度（1.0=完全重画，0.0=原图不变）。

ControlNet

ComfyUI 对 ControlNet 支持完美。加载 ControlNet 模型，用预处理器提取参考图的特征（如边缘、姿态、深度），连接到 KSampler。这样就能精确控制生成结果的姿势、构图。

LoRA

在 Load Checkpoint 后添加 LoRA Loader 节点，可以叠加多个 LoRA。每个 LoRA 可以单独设置权重，实现风格融合。

批量生成

用 Primitive 节点创建变量，或使用 Batch Manager 插件。可以让某个参数（如 seed、提示词）自动变化，批量产出不同版本。

常用自定义节点

ComfyUI 的生态非常活跃，安装 ComfyUI Manager 后可以一键安装各种插件：

• ComfyUI-Manager：插件商店，必装
• IPAdapter：类似 Midjourney 的图生图风格迁移
• AnimateDiff：生成动态图片/短视频
• ComfyUI-Impact-Pack：局部重绘、面部修复
• Ultimate SD Upscale：高清放大

性能优化技巧

• 使用 xformers：大幅降低显存占用
• 低显存模式：启动时加 --lowvram 参数
• fp16 精度：几乎无损，速度更快
• 清理显存：生成完成后右键菜单有清理选项

常见问题

Q: 节点连错了怎么办？
A: 拖动连线可以重连，右键连线可以删除。

Q: 怎么保存工作流？
A: 右侧面板点击 Save，下载 JSON 文件。下次点击 Load 导入。

Q: 为什么生成速度很慢？
A: 检查是否用了过于复杂的模型（如 SDXL），或步数设置太高。

总结

ComfyUI 是 Stable Diffusion 的终极形态。它有一定学习曲线，但一旦掌握，你会发现它的强大远超其他界面。推荐从简单工作流开始，逐步添加高级功能。