ComfyUI 安装与模型共享完整实践指南

在生成式 AI 快速演进的今天，越来越多创作者不再满足于“输入提示词、点击生成”的简单模式。他们需要的是对整个图像生成过程的精确掌控——从文本编码方式、噪声调度策略，到多条件控制（如姿态、边缘、深度图）的融合逻辑。正是在这种需求驱动下，ComfyUI 逐渐成为专业用户的首选工具。

它不像 Stable Diffusion WebUI 那样追求一键出图的便捷性，而是将整个扩散模型流程拆解为一个个可连接的节点：你拖动一个“加载大模型”节点，连上“CLIP 编码”，再接入“KSampler”采样器，最后通过“VAE 解码”输出图像——每一步都清晰可见，每一个参数都可以精细调节。这种“可视化编程”式的操作方式，让复杂工作流的构建和复现变得前所未有的直观。

更重要的是，它的内存管理机制允许逐节点执行，这意味着即使你的显卡只有 8GB 显存，也能稳定运行原本吃力的大模型+ControlNet+LoRA 组合流程。对于团队协作或批量生产来说，保存下来的 .json 工作流文件就像一份精确的配方，谁拿到都能还原出完全一致的结果。

---

要真正用好 ComfyUI，第一步是正确部署环境并合理规划模型路径。很多用户在安装时踩过的坑，并非来自软件本身，而是 Python 环境混乱、依赖版本冲突，或是重复下载多个 G 的模型导致磁盘告急。下面我们就从零开始，一步步搭建一个高效、整洁且可持续维护的 ComfyUI 工作环境。

首先明确系统要求。虽然官方支持 Windows、Linux 和 macOS，但实际体验差异较大。如果你使用的是 NVIDIA 显卡，强烈推荐 Ubuntu 20.04 及以上系统，配合 Conda 管理虚拟环境，能极大降低后期维护成本。硬件方面，RTX 3060 起步会比较舒适，尤其是当你打算同时加载 ControlNet 和 LoRA 模型时。存储建议预留至少 100GB，毕竟一个高质量底模就可能占用 7GB，加上 VAE、Lora、ControlNet 等组件，空间消耗不容小觑。

Python 版本的选择尤为关键。尽管最新版已支持到 3.11，但在实践中发现，部分第三方节点仍依赖旧版库，使用 Python 3.10 是目前最稳妥的选择。避免因 ModuleNotFoundError 或 ImportError 浪费调试时间。

准备工作完成后，就可以进入正式安装流程了。以 Linux 为例：

git clone https://github.com/comfyanonymous/ComfyUI.git

这行命令会拉取官方仓库的最新代码。如果系统未安装 git，先运行：

sudo apt update && sudo apt install git -y

接下来创建独立的 Python 环境。这是防止依赖污染的关键一步。推荐使用 Miniconda：

conda create -n comfyui python=3.10
conda activate comfyui
cd ComfyUI

激活环境后，务必确认当前使用的 Python 来自该环境：

which python
# 输出应为类似：/home/username/miniconda3/envs/comfyui/bin/python

然后安装核心依赖。由于 ComfyUI 重度依赖 PyTorch 和 CUDA 加速，必须根据 GPU 驱动版本选择合适的安装指令。对于大多数用户，CUDA 11.8 兼容性最好：

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu118

如果你的驱动较新（比如支持 CUDA 12.x），可以改用：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

安装完毕后，建议立即补充 xformers，它能在保持生成质量的同时显著降低显存占用：

pip install xformers

最后安装项目本身的依赖项：

pip install -r requirements.txt

这个文件里包含了 Pillow、NumPy、Flask 等基础库。偶尔会出现 onnxruntime-gpu 安装失败的情况，若不影响主要功能，可跳过或降级为 CPU 版本。

一切就绪后，启动服务：

python main.py

终端会输出一行提示：

To see the GUI go to: http://127.0.0.1:8188

打开浏览器访问即可看到界面。默认端口是 8188，如果你想改成更熟悉的 7860，或者希望局域网内其他设备也能访问，启动时加上参数：

python main.py --port 7860 --listen

注意：不加 --listen 的话，默认只绑定本地回环地址，外部无法连接。

---

现在来看看模型管理。ComfyUI 的目录结构非常清晰，所有模型按类型分门别类存放在 models/ 子目录中：

ComfyUI/
├── models/
│   ├── checkpoints/        ← 大模型（.ckpt 或 .safetensors）
│   ├── clip/               ← CLIP 文本编码器
│   ├── vae/                ← VAE 解码模型
│   ├── loras/              ← LoRA 微调模型
│   ├── controlnet/         ← ControlNet 条件控制模型
│   ├── ipadapter/          ← IP-Adapter 图像提示模型
│   └── ...                 ← 其他节点专用模型

每个子目录对应一类功能模块，加载时自动识别。例如，“Load Checkpoint”节点只会扫描 checkpoints/ 目录下的文件。

但问题来了：很多人既用 ComfyUI，也保留着 A1111（Stable Diffusion WebUI）。这两个平台使用的模型格式基本一致，如果分别存放，意味着同样的 .safetensors 文件要复制两份，白白浪费数十 GB 空间。

其实完全没必要。我们可以通过软链接（Symbolic Link） 实现模型共享。

假设你的 SD WebUI 模型路径是：

/home/jianbo/stable-diffusion-webui/models/Stable-diffusion

而 ComfyUI 的 checkpoint 目录位于：

/home/jianbo/ComfyUI/models/checkpoints

你可以删除后者的内容（确保已有模型已备份），然后建立软链：

ln -s /home/jianbo/stable-diffusion-webui/models/Stable-diffusion/* /home/jianbo/ComfyUI/models/checkpoints/

这样，ComfyUI 就能直接读取 WebUI 中的所有大模型文件，仿佛它们就存在本地一样。不仅节省空间，更新模型也只需替换一处。

更灵活的做法是对单个文件打链接。比如你有多个版本的 dreamshaper 模型，只想让 ComfyUI 使用 _v8.safetensors 这个版本：

ln -s \
  /home/jianbo/stable-diffusion-webui/models/Stable-diffusion/dreamshaper_8.safetensors \
  /home/jianbo/ComfyUI/models/checkpoints/dreamshaper_8.safetensors

这种方式适合精细化管理，避免误加载测试中的模型。

Windows 用户也可以实现相同效果，但需以管理员身份运行 PowerShell 或 CMD：

mklink /D "C:\Users\jianbo\ComfyUI\models\checkpoints" "C:\Users\jianbo\stable-diffusion-webui\models\Stable-diffusion"

几点注意事项：
- 必须以管理员权限运行；
- 路径尽量使用英文，避免中文或空格引发解析错误；
- 若提示“无法创建符号链接”，检查是否启用了开发者模式或组策略允许符号链接。

---

当然，部署过程中难免遇到问题。这里列出几个高频故障及应对方法。

最常见的报错之一是：

ModuleNotFoundError: No module named 'torch'

这通常不是因为没装 PyTorch，而是环境错乱——你在系统全局环境下运行了 python main.py，而实际依赖装在 comfyui 虚拟环境中。解决办法很简单：先激活环境再启动。

另一个常见问题是浏览器打不开 http://127.0.0.1:8188。除了检查防火墙外，重点看是否被其他程序占用了端口。可以用以下命令查看：

lsof -i :8188

如果有输出，说明已被占用。换端口启动即可：

python main.py --port 7861

还有一种情况是模型下拉菜单为空。排查思路如下：
1. 检查模型是否真的放在了正确的目录；
2. 如果用了软链接，确认链接有效（ls -l 查看是否指向正确路径）；
3. 文件扩展名是否为 .ckpt 或 .safetensors；
4. 是否重启了 ComfyUI？新增模型不会热加载，必须重启才能识别。

---

掌握安装与配置只是第一步。真正发挥 ComfyUI 价值，在于理解其“节点即逻辑”的设计理念。你可以把整个生成流程想象成一条装配线：原料（提示词）进入，经过预处理（CLIP 编码）、加工（采样）、质检（VAE 解码），最终产出成品图像。每一个环节都是独立模块，你可以自由调整顺序、替换组件，甚至插入自定义节点来实现动态提示词、图像修复、风格迁移等高级功能。

社区生态也非常活跃。通过 Custom Nodes Registry，你能找到数百个由开发者贡献的扩展节点，涵盖动画生成、3D 投影、AI 修图等多种场景。导入别人分享的 .json 工作流，也是快速学习的最佳途径。

长远来看，定期更新项目源码也很重要。ComfyUI 开发迭代迅速，新特性层出不穷：

cd ComfyUI
git pull origin master

一句简单的 git pull 就能获取性能优化、安全补丁和新节点支持。

---

当 AI 生成从“魔法”走向“工程”，我们需要的不再是黑箱式的工具，而是透明、可控、可扩展的工作平台。ComfyUI 正是在这一趋势下的产物——它把复杂的深度学习流程变成了可视化的积木拼接，让创意与技术得以无缝衔接。

一旦你习惯了这种“所见即所得”的全流程掌控感，再回到传统界面，可能会觉得像是在用图形编辑器之前的手绘时代。