如果你听说过 Stable Diffusion，但被 WebUI 的“一键生成”宠坏了，又想体验更高级的可控性，那么 ComfyUI 就是你的下一站。
一、ComfyUI 是什么？为什么选它？
简单说，ComfyUI 是 Stable Diffusion 的节点式工作流界面。
每个功能（加载模型、写提示词、采样、解码、保存）都是一个“积木块”，你用线把它们连起来，就构成了一条图片生产线（也就是人们常说的生图工作流）。
优点：
工作流可保存、可分享，复现性极强
内存占用比 WebUI 更灵活，适合低显存跑大图
出图逻辑透明，方便调试和进阶
二、第一步：下载 ComfyUI
方式一：官方原版（推荐追求纯净的用户）
访问官网 Comfy — 视觉 AI 的最强可控性（或直接去 GitHub 搜索 ComfyUI），下载适合你系统的安装包。
Windows 用户选
ComfyUI_windows_portable.7z解压后双击
run_nvidia_gpu.bat（N卡）或run_cpu.bat（无独显）
方式二：整合包（省心首选）
如果你是新手，强烈推荐使用秋叶绘世等社区整合包。它们自带常用插件、中文界面和模型管理器，一键启动。
下载后解压，双击启动器即可。
三、第二步：启动并清空默认工作流
安装完成后，双击启动脚本，稍等片刻会自动打开浏览器（通常是 http://127.0.0.1:8188）。
你会看到一个默认的示例工作流——就是那张带小美女的图。
先别急着生成，我们从头搭建自己的流程。
操作：
鼠标框选全部节点（或按
Ctrl+A）按
Delete键删除现在画布是空白的，我们从零开始！
四、第三步：搭建基础出图流水线（6 个核心节点）
任何一张图都离不开这 6 个“零件”。我按连接顺序给你讲明白：
① Checkpoint 加载器（Load Checkpoint）
作用：载入你下载的大模型（如
sd_xl_base.safetensors或realisticVision.safetensors）输出：它会吐出三个接口——
MODEL、CLIP、VAE操作：右键搜索
Checkpoint Loader，选择你的模型文件
如果列表是空的，记得把模型文件放进
ComfyUI/models/checkpoints/目录。
② 空 Latent（Empty Latent Image）
作用：创建一个“空白的画布”，指定生成图片的宽高和批次数量
注意：Latent 是潜空间里的张量，不是肉眼可见的图片，但它决定了最终输出的尺寸
操作：右键搜索
Empty Latent Image，设置宽度 512、高度 512（或 768×512）
③ CLIP 文本编码器（CLIP Text Encode）
作用：把你的文字提示词转成 CLIP 模型能理解的向量
你需要两个：一个用于正向提示词（描述你要的内容），一个用于负向提示词（描述你不要的内容）
操作：右键搜索
CLIP Text Encode，复制一份（或新建两个）。正向填：
masterpiece, best quality, a cute cat, detailed fur负向填：
worst quality, blurry, bad anatomy, ugly
④ K 采样器（KSampler）
作用：这是“画画的核心引擎”。它从空的 Latent 开始，根据提示词和模型，一步步去噪生成潜空间图像
关键参数（新手照着填）：
seed：随机种子（固定值可复现，-1 表示随机）steps：步数（20~30 够用）cfg：提示词强度（7~9）sampler_name：选euler或dpm++scheduler：选normal或karras
输入：需要连接
MODEL（来自 Checkpoint）、positive和negative（来自两个编码器）、latent_image（来自空 Latent）输出：一个
LATENT（潜空间图像）
⑤ VAE 解码器（VAE Decode）
作用：把潜空间里的 Latent 解码成我们能看的像素图像（RGB）
输入：连接 K 采样器的
LATENT和 Checkpoint 加载器输出的VAE输出：
IMAGE（像素图）
⑥ 保存图片（Save Image）
作用：把解码后的图像保存到本地文件夹（默认在
ComfyUI/output/）输入：连接 VAE 解码器的
IMAGE可选：你还可以加一个
Preview Image节点，在浏览器里实时预览（不用等保存）
五、把它们连起来
按这个顺序“接线”：
Checkpoint →
MODEL连到 KSampler 的model接口Checkpoint →
CLIP连到 两个 CLIP 文本编码器 的clip接口（两个都连同一个）Checkpoint →
VAE连到 VAE 解码器 的vae接口空 Latent →
LATENT连到 KSampler 的latent_image正向编码器 →
CONDITIONING连到 KSampler 的positive负向编码器 →
CONDITIONING连到 KSampler 的negativeKSampler →
LATENT连到 VAE 解码器 的samplesVAE 解码器 →
IMAGE连到 保存图片 的images
最后大概是这样：
六、点击“Queue Prompt”——见证奇迹
在界面右侧点击 “Queue Prompt” 按钮（或按 Ctrl+Enter）。
稍等几秒（取决于显卡），你就能在保存节点里看到生成的图片了。
七、进阶小贴士
加载已有工作流：直接把别人分享的
workflow.json拖进画布，所有节点和连线自动还原。切换模型：只需换 Checkpoint 节点里的模型文件，其余不变。
批量生成：把空 Latent 的
batch_size调大（如 4），一次出多张。报错“CUDA out of memory”：减小尺寸或步数，或者用
--lowvram启动参数。
八、结语
你现在已经掌握了 ComfyUI 最基础、最核心的 6 个节点搭建成像流水线。
是不是比想象中简单？
评论