ComfyUI依赖安装指南：快速配置Python环境

你刚下载完ComfyUI，解压后双击main.py——结果弹出命令行窗口闪退？或者终端里满屏红字报错，从torch找不到到xformers编译失败，一路坎坷？

别急。这几乎是每个本地部署用户必经的“入门考验”。问题不在你，而在于AI工具链本身的复杂性：PyTorch、CUDA驱动、Python版本、包依赖冲突……任何一个环节出错，都会让整个环境瘫痪。

真正高效的解决方案不是反复试错，而是建立一套可复现、高兼容的安装流程。下面这套方法，已经在上百个不同配置的Windows机器上验证通过——无论你是用预打包发行版，还是自己从GitHub拉代码，都能照着走通。

---

先确认你的目录结构长这样：

D:\ComfyUI\_windows\
├── python\
│   └── _embeded\        ← 我们要进这里
└── ComfyUI\
    ├── main.py
    └── requirements.txt

大多数官方推荐的Windows发布包（比如 _windows 版）都自带一个精简版Python环境，路径通常是 python\_embeded。它已经去除了不必要的模块，专为运行ComfyUI优化过，优先使用它，而不是系统Python。

⚠️ 注意：以下所有路径中的 D:\ComfyUI 请替换成你自己的实际路径。

---

进入 _embeded 文件夹，有三种方式打开CMD并确保上下文正确：

• 最稳做法：在资源管理器地址栏点击路径，输入 cmd 回车
• 快捷操作：按住 Shift + 右键空白处 → “在此处打开命令窗口”
• 备用方案：复制路径，在任意CMD中执行 cd /d "粘贴的路径"

只要命令行当前目录是 _embeded，就可以继续下一步。

---

接下来不是直接跑pip install -r requirements.txt。很多人在这里栽跟头，因为默认源下载torch极慢甚至超时。我们先做两件事：

第一，升级pip
旧版pip解析依赖容易出错，特别是处理带+cu118这种标记的wheel包时：

python -m pip install --upgrade pip

第二，换国内镜像源
清华TUNA和阿里云镜像对PyPI做了完整同步，速度提升十倍不止：

python -m pip install -r D:\ComfyUI\_windows\ComfyUI\requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn

如果你用的是企业网络或代理环境，加上 --trusted-host 能避免SSL证书验证失败的问题。

---

但即便用了镜像，仍可能卡在两个关键包上：torch 和 xformers。

torch装不上？手动指定索引URL

很多用户的错误日志显示：“No matching distribution found for torch>=2.0”。这是因为标准PyPI不托管GPU版本的torch，必须走PyTorch官网专用通道。

根据你的CUDA版本选择对应命令：

CUDA 11.8 用户：

python -m pip install torch==2.0.1+cu118 torchvision==0.15.2+cu118 torchaudio==2.0.2+cu118 --extra-index-url https://download.pytorch.org/whl/cu118

CUDA 12.1 用户：

python -m pip install torch==2.1.0+cu121 torchvision==0.16.0+cu121 torchaudio==2.1.0+cu121 --extra-index-url https://download.pytorch.org/whl/cu121

纯CPU模式运行（低配机或调试用）：

python -m pip install torch==2.1.0+cpu torchvision==0.16.0+cpu torchaudio==2.1.0+cpu --extra-index-url https://download.pytorch.org/whl/cpu

装完后再执行一次完整的requirements.txt安装，其他依赖会自动跳过已安装项，只补漏。

💡 小技巧：不确定CUDA版本？打开NVIDIA控制面板 → 帮助 → 系统信息 → 组件，查看nvcuda.dll对应的CUDA版本。

---

xformers死活编译不过？别硬刚，用预编译包

这是最常见的坑。xformers包含C++扩展，需要Visual Studio构建工具链。普通用户根本没必要自己编译。

解决方案很简单：直接下载别人编译好的.whl文件。

推荐去这个稳定维护的发布页获取：
👉 https://github.com/C43H66N12O12S2/stable-diffusion-webui/releases

找名字类似这样的包：

xformers-0.0.20+cbf091c.d20231129-cp310-cp310-win_amd64.whl

其中 cp310 表示适用于 Python 3.10，win_amd64 是64位Windows平台。

然后执行：

python -m pip install https://github.com/.../xformers-xxx.whl

或者先把文件下载到本地再安装：

python -m pip install D:\downloads\xformers-xxx.whl

一秒搞定，无需任何编译环境。

---

如果遇到权限报错，比如 Access is denied 或写入被拒，通常是因为：

• 杀毒软件拦截了文件写入（尤其是McAfee、360）
• 把项目放在了 C:\Program Files 或 桌面 这类受UAC保护的路径

解决办法也很直接：

1. 把整个 ComfyUI 文件夹移到非系统盘根目录，比如 D:\ComfyUI
2. 以管理员身份运行CMD
3. 暂时关闭杀软实时防护（完成后再开启）

这不是妥协，而是现实妥协。AI开发本就不该被安全策略拖累。

---

一切顺利的话，现在你可以启动主程序验证成果了：

cd /d D:\ComfyUI\_windows\ComfyUI
D:\ComfyUI\_windows\python\_embeded\python main.py

看到输出类似：

Starting server
WORKER: 127.0.0.1:8188
To see the GUI go to: http://127.0.0.1:8188

恭喜，打开浏览器访问 http://127.0.0.1:8188，节点编辑界面加载成功，说明环境完全就绪。

---

对于专业用户，我更建议使用虚拟环境来获得更高灵活性。虽然_embeded方便，但它一旦损坏就得重装整个发行包。

创建独立环境只需三步：

python -m venv D:\venv\comfyui-env
D:\venv\comfyui-env\Scripts\activate
pip install -r D:\ComfyUI\_windows\ComfyUI\requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

好处非常明显：
- 不怕误操作污染基础环境
- 可同时维护多个CUDA/CPU版本用于测试
- 插件实验失败后一键删除重来

而且激活后照样能调用main.py，体验毫无差别。

---

最后分享一条经验：不要指望一次安装永久有效。

ComfyUI生态更新极快，新插件经常要求新版transformers或特定diffusers分支。与其挣扎于升级现有环境，不如定期重建：

# 删除旧环境
rm -rf D:\venv\comfyui-env

# 重新创建
python -m venv D:\venv\comfyui-env
D:\venv\comfyui-env\Scripts\activate
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

干净的环境比打满补丁的老系统更可靠。这就是现代AI工作流的基本哲学：不可变基础设施 + 快速重建。

---

下面是高频命令汇总，建议收藏备用：

功能	命令
升级 pip	python -m pip install --upgrade pip
使用清华镜像安装依赖	pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
安装 CUDA 11.8 版本 Torch	pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
创建虚拟环境	python -m venv myenv
激活虚拟环境（Windows）	myenv\Scripts\activate
启动 ComfyUI	python main.py

---

当你终于看到那个熟悉的节点画布出现在浏览器中时，别忘了：背后这套精密协作的技术栈，才是支撑创意自由流动的真正基石。

而你现在掌握的，不只是几个命令，而是一套应对AI部署复杂性的通用思维模式——精准定位、分步拆解、善用资源、拒绝蛮力。

下一步，该轮到你设计属于自己的生成流水线了。