ComfyUI 图像生成入门¶

一句话说明：ComfyUI 是一个基于节点（Node）的 Stable Diffusion 图像生成界面，把"文字变图片"的每一步都拆成可拖拽的积木块，让你像搭乐高一样控制 AI 画图的全过程。

一、为什么要学 AI 图像生成 / ComfyUI¶

1.1 AI 图像生成能做什么¶

1.2 为什么选 ComfyUI 而不是其他工具¶

结论：如果你只是想体验一下，Fooocus 最快；如果你想真正理解并掌控 AI 画图流程，ComfyUI 是 2024-2025 年的主流选择。

二、核心概念白话版¶

2.1 Stable Diffusion 是什么¶

白话：Stable Diffusion（SD）是一个开源的"AI 画师大脑"。你给它一句话描述（prompt），它就能画出对应的图片。

它不是一个软件，而是一个模型（一组训练好的参数），需要有个界面来使用它——ComfyUI 就是这个界面。

类比：SD 是发动机，ComfyUI 是驾驶舱。

2.2 扩散模型原理（白话版）¶

想象你拿一张清晰的照片，往上面撒噪点（像电视雪花），撒 1000 次之后就变成一张纯噪音图片。

扩散模型做的事情正好相反： 1. 从一张纯噪音开始 2. 一步步"去噪"（denoise），每一步让图片清晰一点 3. 去噪的方向由你的文字描述（prompt）引导 4. 经过 20-30 步去噪后，一张清晰的图片就出来了

纯噪音 → 模糊轮廓 → 粗略图形 → 细节浮现 → 清晰图片
 (step 1)   (step 5)    (step 10)   (step 20)   (step 30)

这就是为什么生成图片时你能看到参数 steps（步数）和 denoise（去噪强度）。

2.3 ComfyUI 是什么（节点式工作流）¶

ComfyUI 把 AI 画图的每一步都变成一个节点（Node），你用线把节点连起来就是一个工作流（Workflow）。

[加载模型] → [输入提示词] → [采样器(去噪)] → [VAE解码] → [保存图片]

白话理解： - 节点 = 一个功能积木块（比如"加载模型""写提示词""去噪""保存图片"） - 连线 = 数据的流向（上一步的输出接到下一步的输入） - 工作流 = 一整套积木搭好的流水线

好处：你可以随时在中间插入新节点、换模型、加 ControlNet，不需要重新配置。

2.4 关键术语速查¶

三、环境安装（Windows + 8G 显存）¶

3.1 硬件确认¶

你的 8G 显存 GPU 足够跑 SD 1.5 和 SDXL（优化后）。先确认显卡型号：

# 在 PowerShell 中执行
nvidia-smi

确保安装了 NVIDIA 驱动 >= 525 版本。

3.2 下载 ComfyUI 便携版（推荐）¶

便携版自带 Python 和依赖，不需要自己配环境，解压就能用。

1. 去 GitHub 下载：https://github.com/comfyanonymous/ComfyUI/releases
2. 找最新的 ComfyUI_windows_portable_xxx.7z

3. 或者去国内镜像站（秋叶整合包也可以，但建议先用官方便携版理解原理）

4. 解压到一个路径不含中文的目录，比如：

   D:\ComfyUI_windows_portable\
   

5. 目录结构：

   ComfyUI_windows_portable/
   ├── ComfyUI/
   │   ├── models/          ← 放模型的地方
   │   │   ├── checkpoints/
   │   │   ├── loras/
   │   │   ├── vae/
   │   │   ├── controlnet/
   │   │   └── embeddings/
   │   ├── input/            ← 放输入图片
   │   ├── output/           ← 生成的图片在这
   │   └── custom_nodes/     ← 插件目录
   ├── python_embeded/       ← 内置 Python
   └── run_nvidia_gpu.bat    ← 双击启动
   

6. 双击 run_nvidia_gpu.bat 启动，浏览器访问 http://127.0.0.1:8188

3.3 模型下载¶

必须下载至少一个 Checkpoint 才能出图。

推荐下载源： - Civitai：https://civitai.com（最大的 SD 模型社区，需注册） - HuggingFace：https://huggingface.co（官方模型仓库） - 国内镜像：https://hf-mirror.com（HuggingFace 国内镜像，速度快）

入门推荐 Checkpoint：

下载后放入 ComfyUI/models/checkpoints/ 目录即可。

3.4 安装 ComfyUI Manager（必装插件）¶

ComfyUI Manager 是插件管理器，可以一键安装/更新其他插件。

安装方法：

# 进入 custom_nodes 目录
cd D:\ComfyUI_windows_portable\ComfyUI\custom_nodes

# 克隆仓库
git clone https://github.com/ltdrdata/ComfyUI-Manager.git

安装后重启 ComfyUI，界面右侧会出现 Manager 按钮。

通过 Manager 你可以： - 一键安装缺失节点 - 搜索安装新插件 - 更新所有插件 - 安装缺失的模型

四、实操教程¶

4.1 文生图（Text-to-Image）基础工作流¶

这是最基础的工作流，从文字直接生成图片。

步骤：

1. 启动 ComfyUI，默认会加载一个基础工作流
2. 如果是空白画布，点击右侧 Load Default 加载默认工作流

默认工作流包含以下节点（从左到右）：

[Load Checkpoint]     选择你下载的模型
       ↓
[CLIP Text Encode]    正面提示词（你想要什么）
[CLIP Text Encode]    负面提示词（你不想要什么）
       ↓
[KSampler]            采样器（核心去噪节点）
       ↓
[VAE Decode]          把潜空间数据解码成图片
       ↓
[Save Image]          保存到 output 目录

关键参数设置：

Load Checkpoint:
  - ckpt_name: 选择你的 checkpoint 文件

正面提示词（Positive Prompt）示例：
  "1girl, solo, long hair, blue eyes, school uniform, 
   cherry blossom, spring, masterpiece, best quality"

负面提示词（Negative Prompt）示例：
  "bad quality, worst quality, blurry, deformed hands, 
   extra fingers, ugly, watermark, text"

KSampler:
  - seed: 随机数种子（固定种子=固定构图）
  - steps: 20-30（步数越多越精细，但更慢）
  - cfg: 7.0（提示词引导强度，5-12 之间调）
  - sampler_name: euler_ancestral（入门推荐）
  - scheduler: normal
  - denoise: 1.0（文生图固定 1.0）

Empty Latent Image:
  - width: 512, height: 512（SD 1.5）
  - width: 1024, height: 1024（SDXL）
  - batch_size: 1

1. 点击 Queue Prompt（或按 Ctrl+Enter）开始生成
2. 等待 10-30 秒，图片出现在 Save Image 节点和 output/ 目录

4.2 图生图（Image-to-Image）¶

图生图 = 以一张现有图片为基础，让 AI 在上面"再创作"。

与文生图的区别： - 文生图：从纯噪音开始（denoise=1.0） - 图生图：从你提供的图片开始，加一部分噪音再去噪（denoise=0.3-0.8）

操作步骤：

1. 在画布空白处右键 → Add Node → image → Load Image
2. 添加节点 → latent → VAE Encode（把图片编码到潜空间）
3. 连线：Load Image → VAE Encode → KSampler 的 latent_image 输入
4. 删掉原来的 Empty Latent Image 节点
5. 关键：把 KSampler 的 denoise 调低：
6. 0.3-0.4：小改，保留原图大部分内容
7. 0.5-0.7：中改，改变风格但保留构图
8. 0.8-0.9：大改，只保留大致轮廓

[Load Image] → [VAE Encode] → [KSampler (denoise=0.5)] → [VAE Decode] → [Save Image]
                                     ↑
                            [CLIP Text Encode] (正面/负面提示词)

4.3 ControlNet 姿势控制¶

ControlNet 让你用一张"控制图"来约束 AI 的构图，比如用火柴人骨架图控制人物姿势。

安装： 1. 通过 Manager 安装 comfyui_controlnet_aux（预处理器节点包） 2. 下载 ControlNet 模型，放入 models/controlnet/

推荐 ControlNet 模型（SD 1.5）：

操作步骤（以 OpenPose 姿势控制为例）：

1. 准备一张人物照片
2. 添加节点：

   [Load Image] → [OpenPose Preprocessor] → [Apply ControlNet]
   

3. OpenPose Preprocessor 会自动提取骨架图
4. 添加 Load ControlNet Model 节点，选择 openpose 模型
5. 连线到 Apply ControlNet，再接入 KSampler 的条件（conditioning）

[Load Checkpoint] → [CLIP Encode (正面)] → [Apply ControlNet] → [KSampler] → [VAE Decode] → [Save]
                                                   ↑
[Load Image] → [OpenPose预处理] ──────────────────┘
                                                   ↑
[Load ControlNet Model] ─────────────────────────┘

关键参数： - strength: 0.7-1.0（ControlNet 的影响力，1.0=完全遵守） - 如果姿势太僵硬，降低 strength 到 0.5-0.7

4.4 LoRA 风格微调¶

LoRA 是轻量级的"风格补丁"，可以让模型学会特定的画风或角色。

操作步骤：

1. 下载 LoRA 文件（.safetensors），放入 models/loras/
2. 在画布添加 Load LoRA 节点
3. 插入到 Checkpoint 和 CLIP Encode 之间：

[Load Checkpoint] → [Load LoRA] → [CLIP Encode (正面)] → [KSampler] → ...
                        ↑
              选择 LoRA 文件
              strength_model: 0.6-0.8
              strength_clip: 0.6-0.8

参数说明： - strength_model: LoRA 对模型的影响强度（0=无效果，1=最强） - strength_clip: LoRA 对文字理解的影响强度 - 建议从 0.6 开始，效果不够再加到 0.8 - 超过 1.0 容易"过拟合"（画面扭曲）

多个 LoRA 叠加：串联多个 Load LoRA 节点即可，但每个的 strength 要适当降低。

4.5 高清放大（Upscale）¶

SD 直接出图分辨率有限（SD1.5: 512x512），想要高清大图需要放大。

方法一：Latent Upscale（简单）

[KSampler] → [Latent Upscale (2x)] → [KSampler (denoise=0.4-0.5)] → [VAE Decode] → [Save]

在潜空间放大后再做一次低强度去噪，补充细节。

方法二：使用 Upscale 模型（推荐，效果更好）

1. 下载放大模型，放入 models/upscale_models/
2. 推荐：4x-UltraSharp.pth 或 RealESRGAN_x4plus.pth
3. 添加节点：

[VAE Decode] → [Upscale Image (Using Model)] → [Save Image]
                        ↑
            [Load Upscale Model]

方法三：两步放大法（质量最佳）

先用 Upscale 模型放大，再 VAE Encode 回潜空间，做一次低 denoise 的 KSampler 补细节：

[VAE Decode] → [Upscale Model (2x)] → [VAE Encode] → [KSampler (denoise=0.3)] → [VAE Decode] → [Save]

五、8G 显存优化技巧¶

8G 显存可以流畅跑 SD 1.5，跑 SDXL 需要以下优化：

5.1 启动参数优化¶

编辑 run_nvidia_gpu.bat，在启动命令后加参数：

.\python_embeded\python.exe -s ComfyUI\main.py --lowvram --preview-method auto

8G 显存推荐组合：--lowvram --fp16-vae --preview-method auto

5.2 推荐分辨率¶

千万别直接生成超过 1024x1024 的图，先生成小图再用 Upscale 放大。

5.3 其他省显存技巧¶

1. batch_size 保持 1：一次只生成一张
2. 关闭不用的程序：浏览器、游戏等占显存的程序关掉
3. steps 不用太高：20-25 步对大多数场景足够，30 步以上提升很小
4. 用 TAESD 替代标准 VAE：TAESD 是轻量 VAE，显存占用极低
5. 下载 taesd_decoder.pth，放入 models/vae_approx/
6. ControlNet 用完释放：不用 ControlNet 的工作流就别加载它

六、推荐模型列表¶

6.1 Checkpoint 模型¶

6.2 LoRA 模型¶

6.3 ControlNet 模型¶

七、ComfyUI vs WebUI vs Fooocus 详细对比¶

总结建议： - 纯体验 → Fooocus - 想学习原理 + 长期使用 → ComfyUI - 已经习惯 WebUI 的老用户 → WebUI Forge（A1111 的优化分支）

八、常见报错与解决¶

8.1 CUDA out of memory（显存不足）¶

原因：模型 + 图片分辨率超过显存容量。

解决： 1. 启动参数加 --lowvram 2. 降低分辨率（SD1.5 用 512x512，SDXL 用 1024x1024） 3. batch_size 改为 1 4. 关掉其他占显存的程序 5. 如果还不行，试试 --cpu-vae（VAE 解码用 CPU，慢但省显存）

8.2 Cannot find xxx model / checkpoint（找不到模型）¶

原因：模型文件没放对目录，或文件名有问题。

解决： 1. 确认文件放在 ComfyUI/models/checkpoints/ 下 2. 文件名不要有中文或特殊字符 3. 确认文件完整下载（没有中断），检查文件大小 4. 点击 Load Checkpoint 节点的刷新按钮

8.3 No module named 'xxx'（缺少 Python 包）¶

原因：某个插件需要额外的 Python 依赖。

解决：

# 进入 ComfyUI 的 Python 环境
cd D:\ComfyUI_windows_portable
.\python_embeded\python.exe -m pip install 缺少的包名

或者通过 Manager → Install Missing → 自动安装缺失依赖。

8.4 RuntimeError: Expected all tensors on same device（设备不匹配）¶

原因：部分数据在 GPU，部分在 CPU，通常是 lowvram 模式下的兼容问题。

解决： 1. 更新 ComfyUI 到最新版 2. 更新出问题的插件 3. 换用 --lowvram 或去掉 --cpu 参数 4. 检查工作流中是否混用了不同精度的模型

8.5 Connection error / 打开浏览器白屏¶

原因：ComfyUI 服务没有正常启动。

解决： 1. 检查命令行窗口是否有报错信息 2. 确认端口 8188 没被占用：netstat -ano | findstr 8188 3. 如果端口被占用，启动时加 --port 8189 4. 确认防火墙没有拦截

8.6 NaN values in output（输出中出现 NaN，图片全黑/全灰）¶

原因：数值溢出，通常是 CFG 过高或模型不兼容。

解决： 1. 把 CFG Scale 降到 5-7 2. 换一个采样器（试试 euler 或 dpmpp_2m） 3. 如果用了 LoRA，降低 LoRA strength 4. 检查 VAE 是否匹配（有些模型需要特定 VAE）

8.7 WorkflowNodeNotFound（工作流中有未安装的节点）¶

原因：导入的工作流用了你没装的插件节点。

解决： 1. 打开 Manager → Install Missing Custom Nodes 2. Manager 会自动识别缺失的节点并提供安装选项 3. 安装后重启 ComfyUI

九、常用节点速查表¶

9.1 基础节点¶

9.2 模型相关¶

9.3 图像处理¶

9.4 条件控制¶

9.5 常用快捷键¶

十、延伸学习资源¶

10.1 官方与核心文档¶

• ComfyUI GitHub：https://github.com/comfyanonymous/ComfyUI
• ComfyUI 示例工作流：https://comfyanonymous.github.io/ComfyUI_examples/
• Stable Diffusion 官方文档：https://stability.ai

10.2 工作流分享平台¶

• OpenArt：https://openart.ai/workflows（大量 ComfyUI 工作流模板）
• Civitai：https://civitai.com（模型 + 工作流社区）
• ComfyWorkflows：https://comfyworkflows.com（专门的工作流分享站）

10.3 中文学习资源¶

• B 站搜索 "ComfyUI 入门"，推荐 UP 主：赛博佛祖、Nenly、秋叶aaaki
• 知乎专栏 "Stable Diffusion 入门"
• 微信公众号：AI绘画指南

10.4 进阶方向¶

附：快速上手路线图¶

第 1 步：安装便携版 + 下载 DreamShaper 8
         ↓
第 2 步：跑通默认工作流（文生图）
         ↓
第 3 步：装 Manager，学会安装插件
         ↓
第 4 步：试图生图（调 denoise 感受变化）
         ↓
第 5 步：试 LoRA（找一个喜欢的风格加载）
         ↓
第 6 步：试 ControlNet（用 OpenPose 控制姿势）
         ↓
第 7 步：学会 Upscale 放大出高清图
         ↓
第 8 步：去 OpenArt 下载别人的工作流学习

每一步花 30 分钟到 1 小时，一个周末就能入门。

文档版本：v1.0 | 最后更新：2025年5月 | 适用 ComfyUI 版本：0.2.x+