ComfyUI零基础搭建AI绘画工作流：从安装到出图的全流程实战

为什么选ComfyUI而不是Midjourney

当大多数人还在每月花20美元订阅Midjourney时，AI绘画圈的老玩家已经悄悄转战ComfyUI了。原因很简单：ComfyUI免费、开源、可本地运行，最关键的是——它能让你真正理解AI绘画的底层逻辑，而不是把所有参数丢给一个黑盒。

我接触过的很多初学者对ComfyUI望而却步，觉得节点式界面太复杂。说实话，第一次打开ComfyUI看到满屏的节点连线，我也愣了五分钟。但只要搞懂了三个核心概念——模型加载、提示词输入、采样器输出——整个逻辑就通了。这篇文章就是帮你跳过那五分钟的迷茫期。

环境准备：Windows下的最低配置要求

ComfyUI本身非常轻量，占用不到200MB硬盘空间。真正吃资源的是模型文件。以下是我实测的配置建议：

硬件	最低要求	推荐配置
显卡	NVIDIA 6GB显存（GTX 1060）	12GB以上（RTX 3060 12G性价比之王）
内存	8GB	16GB
硬盘	10GB可用空间	50GB以上SSD（模型加载速度差距明显）
Python	3.10	3.10（必须用这个版本）

注意：ComfyUI对AMD显卡的支持正在改善，但截至目前，NVIDIA依然是首选。如果你只有集成显卡，也可以跑，但生成一张图可能需要几分钟。

安装步骤：三步搞定

第一步：安装Python和Git

去Python官网下载3.10.x版本（不要装3.11或3.12，很多依赖库不兼容）。安装时勾选"Add Python to PATH"。Git安装直接下一步就行。

第二步：克隆ComfyUI

打开命令行，执行：

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

如果下载速度慢，把requirements.txt里的源换成清华镜像即可。这一步等待时间取决于网络，通常3-5分钟。

第三步：下载模型并启动

去CivitAI下载一个Stable Diffusion模型（推荐"DreamShaper"或"Realistic Vision"，7-8GB的safetensors格式）。把模型文件放到 ComfyUI/models/checkpoints/ 目录下。然后执行：

python main.py

浏览器打开 http://127.0.0.1:8188，看到ComfyUI界面就说明安装成功了。

理解节点工作流：三个核心节点

ComfyUI启动后默认加载一个"Text to Image"基础工作流，里面有五个节点。对初学者来说，只需要关注三个：

• Load Checkpoint：加载你下载的SD模型，所有参数都是从这里开始
• CLIP Text Encode：正面提示词和负面提示词的输入节点，分Positive和Negative两个
• KSampler：采样器，控制生成过程的核心参数

数据流向很直观：模型→提示词→采样器→图像输出。所有连线代表数据传递，粉色线是模型权重，黄色线是条件信息，蓝色线是图像数据。

生成你的第一张图：参数调优实战

在Positive提示词节点输入：

masterpiece, best quality, a cat sitting on a windowsill, 
sunlight, warm lighting, detailed fur, photorealistic

在Negative提示词节点输入：

low quality, blurry, deformed, watermark, text

然后在KSampler节点设置：

参数	推荐值	说明
Steps	20-30	步数太少细节不够，太多浪费时间且收益递减
CFG Scale	7	提示词引导强度，7是万能起点
Sampler	euler_ancestral	最适合新手的采样器，画面变化丰富
Denoise	1.0	从纯噪声开始生成时保持1.0
尺寸	512x768	竖构图适合人物和场景，512x512适合练习

点击"Queue Prompt"按钮，等待10-30秒（取决于你的显卡），第一张图就出来了。

新手最常踩的五个坑

基于我帮几十位朋友搭建ComfyUI的经验，以下问题出现频率最高：

1. 模型放错了目录：ComfyUI有多个models子目录，checkpoints才是放SD模型的地方。lora、controlnet、vae各有对应目录。模型放错位置，Load Checkpoint下拉框里不会出现。

2. 显存不足导致CUDA错误：如果生成时直接崩溃，把图片尺寸降到512x512，或者把batch size设为1。8GB显存跑512x768基本没问题，但1024以上的尺寸就需要12GB了。

3. 提示词写法不对：SD模型不理解自然语言。写"a beautiful cat with soft fur"远不如写"masterpiece, best quality, cat, soft fur, detailed"。逗号分隔的标签式写法效果更好。

4. 忘记生成随机种子：每次点Queue Prompt默认用新种子，所以同样的提示词每次结果都不同。想复现某张图，把Generate按钮旁的种子值复制下来，下次手动填入。

5. ControlNet安装失败：ControlNet是ComfyUI的杀手级功能，但安装需要额外步骤。先装ComfyUI-Manager，然后通过管理器一键安装ControlNet插件和模型，避免手动操作。

进阶：安装ComfyUI-Manager解锁生态

ComfyUI的强大之处在于社区生态。安装Manager后可以一键导入别人的工作流、安装自定义节点。安装方法：

cd ComfyUI/custom_nodes
git clone https://github.com/ltdrdata/ComfyUI-Manager.git

重启ComfyUI后，界面上方会出现Manager按钮。通过它你可以：

• 一键安装数百个社区节点插件
• 导入别人分享的完整工作流JSON文件
• 管理已安装的节点更新和依赖

我强烈建议安装的节点：IPAdapter（图生图参考）、Segment Anything（智能抠图）、WD14 Tagger（反推提示词）。这三个组合起来基本覆盖了日常AI绘画的80%需求。

本地部署 vs 云端方案的选择建议

如果你没有NVIDIA显卡，还有两条路：

• ComfyUI Cloud：ComfyUI官方提供的云端方案，按GPU小时计费，适合偶尔用用
• 本地CPU模式：生成速度慢但完全免费，一张512图大约3-5分钟

我的建议是：如果你一周生成不超过10张图，先用免费方案练手。一旦确定AI绘画是你的长期需求，花2000多块买张二手RTX 3060 12G是最划算的投资，比一年的Midjourney订阅还便宜。

总结

ComfyUI的学习曲线确实比WebUI陡一些，但理解节点逻辑后，你会发现它的灵活性和可定制性远超其他方案。从简单的文生图开始，逐步添加ControlNet、LoRA、IPAdapter等节点，你的工作流会越来越强大。关键是不要被初始界面的复杂度吓退——先把默认工作流跑通，生成第一张图，信心就来了。

相关阅读：如果你对AI本地部署感兴趣，可以看看OpenClaw本地部署实战和OpenClaw多模态实战全攻略，两篇文章从不同角度讲解了AI工具的本地化部署思路。