ComfyUI 自定义工作流学习指南

📚 目录

  1. ComfyUI 简介
  2. 入门步骤
  3. 核心节点详解
  4. 节点选择与适配方法
  5. 工作流构建流程
  6. 学习资源与教程链接
  7. 实践建议

ComfyUI 简介

ComfyUI 是一个基于节点的图形用户界面（GUI），用于 Stable Diffusion 图像生成。它通过组合不同的模块（节点）来构建灵活的图像生成工作流。

优势特点

  • ✅ 轻量化：相比其他工具更轻量
  • ✅ 高度可配置：完全自定义工作流
  • ✅ 数据流清晰可见：节点连接可视化
  • ✅ 模块化设计：易于扩展和维护

入门步骤

第一步：安装 ComfyUI

  1. Windows 用户：访问官方 GitHub 下载安装包

    • GitHub: https://github.com/comfyanonymous/ComfyUI
    • 或使用一键安装包

  2. Python 环境：确保已安装 Python 3.10+

  3. 依赖安装：运行 pip install -r requirements.txt

第二步：安装 ComfyUI Manager（推荐）

ComfyUI Manager 是管理自定义节点的必备工具：

  • 一键安装缺失节点
  • 管理节点更新
  • 搜索和浏览节点库

安装方法：

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

核心节点详解

1. 基础文生图工作流节点

Checkpoint Loader（模型加载器）
  • 功能：加载 Stable Diffusion 模型
  • 输出：模型、CLIP、VAE
  • 参数：选择模型文件（.ckpt 或 .safetensors）
CLIP Text Encode（文本编码器）
  • 功能：将文本提示词编码为向量
  • 输入：CLIP 模型、文本提示词
  • 输出：编码后的条件向量
  • 类型：
    • CLIP Text Encode (Prompt)：正向提示词
    • CLIP Text Encode (Negative)：负向提示词
K Sampler（采样器）
  • 功能：图像生成的核心组件
  • 输入：模型、正向条件、负向条件、潜在图像、种子
  • 关键参数：
    • steps（采样步数）：20-30 步（质量与速度平衡）
    • cfg_scale（CFG 值）：7-12（控制提示词遵循度）
    • sampler_name：采样算法（如 Euler、DPM++ 等）
    • scheduler：调度器（如 normal、karras）
VAE Decode（VAE 解码器）
  • 功能：将潜在空间的图像解码为可视化图像
  • 输入：VAE 模型、潜在图像
  • 输出：最终生成的图像
Empty Latent Image（空潜在图像）
  • 功能：创建初始潜在图像
  • 参数：
    • width：图像宽度（512、768、1024 等）
    • height：图像高度
    • batch_size：批次大小

2. 图像处理节点

Load Image（图像加载器）
  • 功能：加载本地图像
  • 输出：图像、遮罩（可选）
Save Image（图像保存器）
  • 功能：保存生成的图像
  • 参数：文件名前缀
Image Resize（图像缩放）
  • 功能：调整图像尺寸
  • 方法：nearest、bilinear、bicubic 等
Image Crop（图像裁剪）
  • 功能：裁剪图像区域

3. 高级节点（需安装自定义节点）

ControlNet
  • 功能：精确控制图像生成
  • 类型：Canny、OpenPose、Depth 等
IPAdapter
  • 功能：图像风格迁移
AnimateDiff
  • 功能：生成动画序列

节点选择与适配方法

节点选择原则

1. 明确目标
  • 文生图：Checkpoint → CLIP Text Encode → K Sampler → VAE Decode
  • 图生图：Load Image → VAE Encode → K Sampler → VAE Decode
  • 图像处理：Load Image → 处理节点 → Save Image
2. 理解数据流
输入 → 处理 → 输出
  • 图像流：Image 类型节点连接
  • 条件流：Conditioning 类型节点连接
  • 模型流：Model 类型节点连接
  • 潜在空间流：Latent 类型节点连接
3. 节点类型匹配
  • ✅ 正确：Image → Image（图像到图像）
  • ✅ 正确：Conditioning → Conditioning（条件到条件）
  • ❌ 错误：Image → Conditioning（类型不匹配）

节点适配技巧

1. 参数调整

  • CFG Scale：

    • 低值（1-5）：创意性强，但可能偏离提示词
    • 中值（7-12）：平衡点，推荐使用
    • 高值（15+）：严格遵循提示词，但可能过度饱和

  • 采样步数：

    • 20-30 步：日常使用
    • 50+ 步：高质量输出（耗时更长）

  • 采样器选择：

    • Euler a：快速，适合快速测试
    • DPM++ 2M Karras：质量好，推荐
    • DDIM：确定性好，适合图生图
2. 节点连接顺序
基础工作流示例：
Checkpoint Loader
    ├─→ CLIP Text Encode (Prompt) ─┐
    ├─→ CLIP Text Encode (Negative) ─┤
    ├─→ VAE ─────────────────────────┼─→ K Sampler ─→ VAE Decode ─→ Save Image
    └─→ Model ────────────────────────┘
         ↑
    Empty Latent Image
3. 常见问题解决

问题1：节点无法连接

  • 检查节点输出/输入类型是否匹配
  • 查看节点文档确认支持的连接类型

问题2：生成结果不理想

  • 调整 CFG Scale 和采样步数
  • 优化提示词质量
  • 尝试不同的采样器

问题3：内存不足

  • 降低图像分辨率
  • 减少 batch_size
  • 使用低精度模型（fp16）

工作流构建流程

步骤1：规划工作流

  1. 明确目标（文生图/图生图/图像处理）
  2. 列出需要的功能模块
  3. 规划数据流向

步骤2：添加核心节点

  1. 右键点击画布 → Add Node
  2. 选择节点类型
  3. 配置节点参数

步骤3：连接节点

  1. 从输出端口拖拽到输入端口
  2. 确保类型匹配
  3. 检查连接线颜色（不同类型颜色不同）

步骤4：调整参数

  1. 设置图像尺寸
  2. 配置采样参数
  3. 输入提示词

步骤5：测试与优化

  1. 运行工作流
  2. 查看结果
  3. 迭代调整参数

学习资源与教程链接

📖 官方文档

  • ComfyUI 官方文档：https://docs.comfy.org/
  • 自定义节点开发指南：https://docs.comfy.org/zh-CN/custom-nodes/walkthrough
  • GitHub 仓库：https://github.com/comfyanonymous/ComfyUI

🎥 视频教程（Bilibili）

入门系列

  1. ComfyUI零基础入门教程系列

    • 链接：https://www.bilibili.com/video/BV1pZ421b7t7/
    • 内容：安装、基础操作、自定义节点安装

  2. ComfyUI基础工作流完全解析

    • 链接：https://www.bilibili.com/video/BV1o7CRYwEeC/
    • 内容：基础工作流、自定义节点、提示词技巧

  3. 小白也能听懂的ComfyUI工作流搭建教程

    • 链接：https://www.bilibili.com/video/BV19f421q7EU/
    • 内容：节点连线技巧、复杂工作流解构
进阶系列

  1. ComfyUI工作流部署系列：完美产品、模特换背景工作流

    • 链接：https://www.youtube.com/watch?v=NoeD6Fsg0SQ
    • 内容：500个节点的复杂工作流剖析

  2. Stable Diffusion ComfyUI基础教程

    • 链接：https://www.youtube.com/watch?v=qkyoS5h4fD0
    • 内容：本体安装、必装节点、基础工作流

📝 文字教程

  1. ComfyUI全方位入门及实践指南

    • 链接：https://cloud.baidu.com/article/3367901
    • 内容：安装、工作流操作、模型管理、自定义工作流

  2. ComfyUI工作流终极指南

    • 链接：https://openai.wiki/comfyui.html
    • 内容：安装部署、节点式操作、插件管理、模型训练

  3. ComfyUI新界面完全使用指南

    • 链接：https://www.uisdc.com/comfyui-5
    • 内容：新界面功能、操作效率提升

  4. ComfyUI 系列教程 —— 工作流（节点）

    • 链接：https://yanghaixiong.com/aigc/comfyui-%E7%B3%BB%E5%88%97%E6%95%99%E7%A8%8B-%E5%B7%A5%E4%BD%9C%E6%B5%81%EF%BC%88%E8%8A%82%E7%82%B9%EF%BC%89/
    • 内容：节点详解、工作流构建

🛠️ 工具与资源

  1. ComfyUI Manager

    • GitHub：https://github.com/ltdrdata/ComfyUI-Manager
    • 功能：节点管理、一键安装

  2. ComfyUI 节点库

    • 在 ComfyUI Manager 中浏览
    • 或访问：https://github.com/comfyanonymous/ComfyUI/discussions

  3. 工作流分享社区

    • Civitai：https://civitai.com/models?type=Workflow
    • Hugging Face：https://huggingface.co/spaces

📚 学术资源

  1. ComfyUI-R1: Exploring Reasoning Models for Workflow Generation

    • 链接：https://arxiv.org/abs/2506.09790
    • 内容：工作流生成研究

  2. ComfyGPT: A Self-Optimizing Multi-Agent System

    • 链接：https://arxiv.org/abs/2503.17671
    • 内容：自动化工作流生成系统

💡 实用技巧

  1. 保存工作流

    • 使用 .json 格式保存
    • 命名规范：workflow_功能_日期.json

  2. 节点组织

    • 使用注释节点标注功能模块
    • 合理排列节点，保持清晰

  3. 参数预设

    • 创建常用参数组合
    • 使用 Reroute 节点简化连接

  4. 调试方法

    • 使用 Preview Image 节点查看中间结果
    • 逐步测试每个模块

  5. 性能优化

    • 使用低精度模型（fp16）
    • 合理设置 batch_size
    • 避免不必要的节点

⚠️ 常见错误避免

  1. 节点类型不匹配：仔细检查输入输出类型
  2. 参数设置不当：参考推荐值范围
  3. 内存溢出：降低分辨率或 batch_size
  4. 工作流过于复杂：拆分为多个子工作流
  5. 缺少必要节点：使用 Manager 检查缺失节点
# 人工智能 # 算法 # 神经网络 # 深度学习
Logo
智能体开发者社区

中国智能体开发者社区，聚焦智能体与大模型开发，提供前沿资讯、实用工具链、开源项目及行业案例。通过技术沙龙、开发者大赛等活动，促进经验交流与协作，助力开发者快速构建创新智能应用。

更多推荐

看懂AI Agent的6个术语：从‘聊天机器人‘到‘能干活的助手

你可能每天都在用聊天机器人——ChatGPT、文心一言、Kimi……但最近"Agent"这个词冒出来的频率越来越高。很多人觉得："这不就是更聪明的聊天机器人吗？"

avatar 智能体开发者社区
cover

AI 重构数据库运维：分工而非替代，确定性才是核心

avatar 智能体开发者社区
cover

收藏！前端工程师转型AI Agent开发工程师的完整指南（附学习路线）

avatar 智能体开发者社区