在 Stable Diffusion 生态中WebUI 以其直观的图形界面成为许多用户的首选但其对复杂工作流的支持和对显存的管理效率有时会成为进阶创作的瓶颈。ComfyUI 以其节点式、可编程的工作流设计提供了更高的灵活性和更低的显存占用逐渐成为追求效率和控制力的创作者与开发者的新选择。然而原生 ComfyUI 的英文界面、复杂的依赖配置和模型管理对国内用户构成了不小的入门门槛。秋叶大佬发布的 ComfyUI 整合包正是为了解决这些痛点而生。它将 ComfyUI 本体、常用插件、汉化界面、模型管理工具以及必要的 Python 环境打包在一起实现了开箱即用。特别是其全中文界面和对中文提示词的原生支持极大地降低了国内用户的学习和使用成本。无论你使用的是最新的 50 系显卡还是主流的 40、30 系甚至是更早的 20 系显卡这个整合包都通过预配置的 PyTorch 版本和 CUDA 支持力求让不同硬件环境的用户都能顺利运行。本文将带你完成从零开始在 Windows 和 macOS 系统上部署秋叶 ComfyUI 整合包的全过程。你将学会如何下载、安装、启动整合包如何管理模型运行第一个工作流并理解关键目录结构和常见问题的排查方法。目标是让你在半小时内拥有一个功能完整、界面友好、可直接投入创作的 ComfyUI 环境。1. 理解 ComfyUI 与整合包为什么选择节点式工作流在深入安装步骤之前有必要厘清 ComfyUI 的核心价值以及秋叶整合包在哪些方面做了关键优化。这能帮助你在后续使用中更好地理解其设计逻辑而非仅仅将其视为一个“一键安装”的工具。1.1 ComfyUI 的核心优势显存效率与工作流复用与 WebUI 的线性流程不同ComfyUI 将图像生成的每一步——如加载模型、编写提示词、采样、解码——都抽象为独立的“节点”。这些节点通过“连线”来定义数据流向共同构成一个可视化的“工作流”。这种设计带来了两个显著优势极致的显存管理在 WebUI 中即使你只进行文生图VAE 解码器、CLIP 文本编码器等组件也常驻显存。ComfyUI 的节点是惰性执行的一个节点只有在收到所有输入且下游节点需要其输出时才会被加载和执行执行完毕后相关资源可能被立即释放。这意味着对于复杂工作流或大模型ComfyUI 往往能以更少的显存完成同样的任务这对显存有限的显卡如 8GB 的 RTX 4060 或 12GB 的 RTX 3060尤其友好。工作流的版本化与分享整个工作流可以保存为一个.json或.png文件。这个文件记录了所有节点的类型、参数和连接关系。分享这个文件就等于分享了完整的生成逻辑包括模型选择、LoRA 权重、ControlNet 参数等。这对于团队协作、流程标准化和知识沉淀非常有价值。1.2 秋叶整合包解决了哪些原生痛点原生 ComfyUI 只是一个纯净的框架用户需要自行解决以下问题环境配置手动安装 Python、PyTorch需匹配 CUDA 版本、各种依赖库。模型管理手动下载并放置各种基础模型、VAE、LoRA、ControlNet 模型到正确的目录。界面语言默认全英文对提示词编写和节点理解不友好。插件生态高效工作往往依赖大量社区插件需要逐个寻找、安装、处理兼容性问题。启动与更新需要通过命令行启动更新时需要处理依赖冲突。秋叶整合包通过预打包的方式一次性解决了上述所有问题开箱即用内置了便携版 Python 环境和预编译的 PyTorch 库无需单独安装。中文界面集成了汉化插件大部分节点名称和界面元素已翻译。中文提示词优化了提示词解析逻辑更好地支持中文输入无需额外翻译插件。预装插件包含了如ComfyUI-Manager插件管理器、Efficiency Nodes效率节点等一批实用插件。便捷启动提供图形化启动脚本可选择显卡模式、监听IP等。模型引导启动后通常会引导用户下载或配置模型路径。1.3 显卡兼容性说明从 30 系到 50 系整合包通过内置不同版本的 PyTorch 库或启动参数来适配不同架构的 NVIDIA 显卡。其核心是匹配 CUDA 版本与显卡驱动。30 系 (Ampere) / 40 系 (Ada Lovelace)这两代显卡都支持 CUDA 12.x整合包通常内置基于 CUDA 12.1 或 12.4 的 PyTorch能获得最佳性能和兼容性。20 系 (Turing)同样支持 CUDA 12.x但部分较旧的显卡驱动可能需要更新至 525.xx 以上版本。50 系 (Blackwell)新一代显卡。虽然 PyTorch 官方对 Blackwell 的完整支持需要等待后续版本但整合包可能会通过集成预览版或特定分支的库来提供基础运行能力。如果遇到问题可能需要手动替换更新版本的 PyTorch wheel 包。macOS (Apple Silicon)整合包会使用 PyTorch 的 MPS (Metal Performance Shaders) 后端在搭载 M1/M2/M3 芯片的 Mac 上利用 GPU 进行加速。下表概括了不同平台和环境的关键准备事项项目Windows 用户macOS 用户共同注意事项系统要求Win10 64位 或更高版本macOS 12 (Monterey) 或更高版本预留至少 20GB 可用磁盘空间显卡要求NVIDIA GPU (显存≥4GB 推荐)Apple Silicon (M1/M2/M3)更新显卡驱动至最新稳定版依赖环境整合包内置无需单独安装整合包内置无需单独安装确保系统已安装 Visual C Redistributable (Win)网络环境需能访问 Hugging Face、Civitai 等模型站同左下载模型可能需要较长时间或特殊网络设置2. 环境准备与整合包下载在开始安装前请完成以下准备工作以确保安装过程顺畅。2.1 检查与更新显卡驱动过时的显卡驱动是导致 CUDA 无法初始化或性能低下的常见原因。对于 Windows NVIDIA 用户右键点击桌面空白处选择“NVIDIA 控制面板”。点击左下角“系统信息”在“显示”标签页查看“驱动程序版本”。访问 NVIDIA 官网驱动程序下载页面根据你的显卡型号和操作系统下载并安装最新的Game Ready Driver或Studio Driver。Studio 驱动在创意应用上可能更稳定。对于 macOS 用户系统通常会通过自动更新提供最新的图形驱动确保你的 macOS 已更新至最新版本。2.2 下载秋叶 ComfyUI 整合包由于整合包文件较大通常超过 10GB建议使用支持断点续传的下载工具如迅雷、Motrix并确保下载路径有足够空间。寻找下载源通过秋叶大佬的发布页、可靠的社群公告或视频描述中的链接获取下载地址。常见的存放位置可能是网盘如百度网盘、123云盘或 GitHub Releases。识别版本下载时注意文件名通常包含日期如20240801和版本信息选择最新的稳定版。文件完整性校验可选但推荐如果发布者提供了文件的哈希值如 SHA256下载完成后可使用校验工具如certutil -hashfile 文件名 SHA256命令进行比对确保文件未损坏。2.3 解压与目录结构预览将下载好的压缩包通常是.7z或.zip格式解压到一个路径中不含中文和特殊字符的目录。例如D:\AI_Tools\ComfyUI或/Users/YourName/Applications/ComfyUI。解压后你会看到类似以下的目录结构秋叶ComfyUI整合包/ ├── ComfyUI/ # ComfyUI 主程序目录 │ ├── comfy/ # 核心源代码 │ ├── web/ # 网页前端资源 │ ├── custom_nodes/ # **插件目录**后续安装的插件都在这里 │ ├── models/ # **模型目录**需要放置各种模型 │ │ ├── checkpoints/ # 基础大模型 (.safetensors, .ckpt) │ │ ├── vae/ # VAE 模型 │ │ ├── loras/ # LoRA 模型 │ │ ├── controlnet/ # ControlNet 模型 │ │ └── ... # 其他类型模型文件夹 │ └── output/ # **输出目录**生成的图片默认在这里 ├── python_embeded/ # 内置的便携版 Python 环境 ├── 启动器 或 run.bat # Windows 启动脚本 ├── 启动.sh 或 run.sh # macOS/Linux 启动脚本 └── 其他说明文档关键目录说明custom_nodes/所有第三方插件都会安装在此文件夹下。手动安装插件时需要将插件 git clone 到此目录。models/这是整个项目的资源核心。你需要将已有的 Stable Diffusion 模型文件放入对应的子文件夹。整合包通常不包含模型文件以控制体积。output/所有通过 ComfyUI 生成的图片都会默认保存在这里。工作流文件.json有时也会自动保存在此目录。3. 首次启动与基础配置完成解压后即可进行首次启动和基本配置。3.1 Windows 系统启动步骤进入解压后的整合包根目录。双击运行启动器或run.bat文件。首次运行时脚本可能会自动安装一些前置依赖或创建虚拟环境请耐心等待命令行窗口自动完成操作。随后通常会弹出一个启动器配置窗口如果整合包包含图形启动器。如果没有命令行会直接开始启动服务。在启动器或命令行中你需要关注一个关键选择显卡类型。常见选项有NVIDIA GPU选择此项以使用 CUDA 加速。CPU仅使用 CPU速度极慢仅用于测试。DirectML为 AMD 显卡或 Intel 显卡提供的一种加速方案对 NVIDIA 显卡不推荐。请务必选择 “NVIDIA GPU”。点击“启动”或等待命令行执行。当看到类似“Running on local URL: http://127.0.0.1:8188”的信息时表示启动成功。3.2 macOS 系统启动步骤打开“终端”Terminal应用。使用cd命令导航到整合包解压目录。例如cd /Users/YourName/Applications/秋叶ComfyUI整合包为启动脚本添加执行权限通常只需第一次chmod x run.sh执行启动脚本./run.sh脚本会自动激活 Python 环境并启动服务。同样等待终端输出“Running on local URL: http://127.0.0.1:8188”即可。3.3 访问 Web 界面与模型配置在任何浏览器中推荐 Chrome 或 Edge访问http://127.0.0.1:8188。你应该能看到一个全中文的 ComfyUI 界面。如果界面仍是英文请检查是否安装了正确的整合包或查看启动日志中是否有汉化插件加载失败的提示。首次运行时很可能会遇到“缺少模型”的提示。这是因为models/目录是空的。你有两种方式解决方式一手动放置模型将你从其他渠道如 WebUI下载好的模型文件按照类型拷贝到ComfyUI/models/下的对应子文件夹中。这是最推荐的方式。方式二使用内置下载器如有部分整合包集成了模型下载工具。你可以在界面中寻找“下载模型”或“模型管理”相关的按钮从内置的镜像源下载。注意基础模型checkpoint通常很大2GB请确保网络通畅。关键检查点成功加载一个基础模型如SDXL或SD1.5的.safetensors文件后界面左侧的节点列表中的CheckpointLoader节点应该能正常识别并列出该模型。4. 运行第一个工作流与界面熟悉现在你已经拥有了一个可运行的 ComfyUI 环境。让我们通过加载一个简单工作流来熟悉操作。4.1 加载示例工作流ComfyUI 支持通过图片加载工作流。在浏览器中将以下示例工作流图片保存到本地。 注此处本应有一张示例工作流图片其包含了CheckpointLoader,CLIPTextEncode,KSampler,VAEDecode等基础节点。由于无法嵌入图片请读者自行搜索“ComfyUI 基础文生图工作流”获取示例图或继续阅读下文的手动构建步骤。在 ComfyUI 界面中点击右上角的“加载”按钮选择“加载图像”然后选择你刚保存的图片。界面中央的画布上会自动生成一系列节点和连线。这就是一个完整的文生图工作流。4.2 手动构建基础工作流如果找不到示例图你可以手动拖拽节点来构建这能帮助你理解流程加载模型在界面右侧节点列表搜索checkpoint将CheckpointLoader节点拖到画布上。点击该节点上的“模型名称”下拉框选择你已放入models/checkpoints/目录的模型。编写提示词搜索clip拖出CLIPTextEncode节点需要两个一个给正向提示词一个给负向提示词。将CheckpointLoader节点上的CLIP输出端口分别连接到两个CLIPTextEncode节点的clip输入端口。然后在节点的文本框中输入提示词例如正向提示词“一个美丽的风景电影质感”负向提示词“模糊丑陋”。设置采样器搜索ksampler拖出KSampler节点。进行如下连接model端口 -CheckpointLoader的MODEL端口。positive端口 - 正向CLIPTextEncode的CONDITIONING端口。negative端口 - 负向CLIPTextEncode的CONDITIONING端口。latent_image端口 - 需要一个EmptyLatentImage节点搜索empty拖出来提供初始 latent。解码图像搜索vae拖出VAEDecode节点。连接samples端口 -KSampler的LATENT端口。vae端口 -CheckpointLoader的VAE端口。保存图像搜索save拖出SaveImage节点。将VAEDecode节点的IMAGE输出端口连接到SaveImage节点的images输入端口。设置参数在EmptyLatentImage节点设置宽高如 1024x1024在KSampler节点设置采样步数steps如 20、CFG 值如 7.5和采样器sampler如dpmpp_2m、调度器scheduler如karras。生成点击界面右下角的“队列提示”按钮。如果一切正常你将看到进度条最终生成的图片会显示在SaveImage节点上并自动保存到ComfyUI/output目录。4.3 中文提示词输入测试在CLIPTextEncode节点的提示词框内直接输入中文如“一只可爱的卡通熊猫在竹林里吃竹子4K细节丰富”。点击生成观察效果。秋叶整合包对中文提示词进行了优化通常能获得比原生英文界面下直接输入中文更好的理解效果。如果效果不佳可以尝试在中文后补充一些英文质量标签如masterpiece, best quality作为辅助。5. 高级配置与插件管理基础工作流运行成功后你可以进一步配置以提升体验。5.1 修改默认输出路径默认输出路径在ComfyUI/output。如果你想修改可以编辑ComfyUI目录下的extra_model_paths.yaml文件如果不存在可复制extra_model_paths.yaml.example并重命名。在文件中可以配置各种路径但更简单的方式是直接修改启动参数。对于整合包通常可以通过启动器配置界面来设置输出目录。5.2 使用 ComfyUI-Manager 管理插件秋叶整合包通常预装了ComfyUI-Manager它是管理插件的核心工具。在 Web 界面中寻找一个类似齿轮或工具图标的按钮点击它打开管理器。在“安装”或“可用”标签页你可以浏览和搜索海量社区插件。找到想要的插件后点击“安装”即可。安装后必须点击“重启”或完全关闭并重新启动 ComfyUI 服务新插件才会生效。在“更新”标签页可以更新已安装的插件或 ComfyUI 本身。5.3 安装自定义节点手动有时你可能需要从 GitHub 手动安装插件在ComfyUI/custom_nodes/目录下打开终端或文件管理器。使用 git 命令克隆插件仓库例如安装一个流行的提示词风格插件git clone https://github.com/AIGODLIKE/AIGODLIKE-ComfyUI-Translation custom_nodes/AIGODLIKE-ComfyUI-Translation重启 ComfyUI 服务。6. 常见问题排查与解决即使使用整合包也可能遇到一些问题。以下是典型问题的排查路径。6.1 启动失败类问题问题现象可能原因检查与解决步骤双击启动脚本无反应或闪退1. 路径包含中文/特殊字符。2. 杀毒软件拦截。3. 系统缺少运行库。1. 将整合包移动到纯英文路径。2. 暂时关闭杀毒软件或将整合包目录加入白名单。3. 安装最新版 Visual C Redistributable。命令行提示“Torch not compiled with CUDA enabled”或“No CUDA runtime is found”1. PyTorch CUDA 版本与显卡驱动不匹配。2. 启动时错误选择了 CPU 模式。1. 更新显卡驱动至最新版。2. 确认启动器中选择的是 “NVIDIA GPU” 模式。3. 对于 50 系新显卡可能需要手动替换整合包内的 PyTorch 为支持更高 CUDA 版本的预览版。启动时卡在“Installing requirements...”网络问题导致 pip 安装依赖超时。1. 尝试切换网络环境。2. 手动编辑requirements.txt使用国内镜像源如清华源地址替换https://pypi.org/simple。整合包可能已内置此配置。访问http://127.0.0.1:8188无法连接1. 服务未成功启动。2. 端口被占用。1. 检查命令行窗口是否有错误日志。2. 在启动器或启动脚本中修改端口号如改为8189。6.2 运行生成类问题问题现象可能原因检查与解决步骤点击“队列提示”后无反应不报错也不出图1. 工作流存在循环依赖或逻辑错误。2. 某个节点缺少必要输入。1. 检查节点连线确保数据流向是单向的没有形成环。2. 确保所有节点的必需输入端口都已连接通常显示为红色或深色。3. 查看浏览器开发者工具F12的“网络”或“控制台”标签页看是否有前端错误。报错“OutOfMemoryError: CUDA out of memory”显存不足。1. 使用EmptyLatentImage节点减小生成图片的宽高。2. 在KSampler节点降低steps步数。3. 使用整合包可能预装的Efficiency Nodes插件中的KSampler (Efficient)节点它显存优化更好。4. 启用--lowvram或--medvram启动参数在启动器中设置。5. 关闭其他占用显存的程序。生成图片纯黑或纯灰1. VAE 模型不匹配或未加载。2. 模型本身需要特定 VAE。1. 在CheckpointLoader节点后显式连接一个VAELoader节点并选择一个合适的 VAE 模型如vae-ft-mse-840000-ema-pruned.safetensors。2. 检查模型发布页看是否推荐了特定 VAE。中文提示词效果差1. 模型本身对中文训练不足。2. CLIP 分词器对中文支持有限。1. 尝试中英文混合书写提示词。2. 安装专门的中文提示词优化插件如ComfyUI-CNCLIP。6.3 模型与插件类问题问题现象可能原因检查与解决步骤CheckpointLoader中找不到模型1. 模型未放在正确目录。2. 模型文件损坏或格式不支持。1. 确认模型文件.safetensors或.ckpt已放入ComfyUI/models/checkpoints/。2. 重启 ComfyUI 服务以刷新模型列表。安装了插件但节点不显示1. 插件安装失败。2. 未重启服务。3. 插件与当前 ComfyUI 版本不兼容。1. 检查custom_nodes目录下是否有对应插件文件夹。2.务必重启 ComfyUI。3. 查看启动时的命令行窗口是否有该插件的导入错误信息。加载他人工作流时提示缺少节点工作流使用了未安装的插件节点。1. 使用ComfyUI-Manager的“安装缺失节点”功能通常在工作流加载错误提示中有按钮。2. 根据缺失的节点名去插件市场搜索并手动安装对应插件。7. 生产环境建议与性能优化当你将 ComfyUI 用于稳定创作或轻度生产时以下几点建议能让体验更顺畅。7.1 模型文件管理策略集中存储如果有多套 AI 工具如 WebUI, Forge建议建立一个统一的模型库目录然后使用符号链接Windows 的mklink或 macOS/Linux 的ln -s将其链接到 ComfyUI 的models各子目录下避免重复占用磁盘空间。使用.safetensors格式优先下载.safetensors格式的模型它比.ckpt更安全且加载速度可能更快。定期清理output目录会积累大量图片建议定期按日期整理或清理。7.2 启动参数调优通过修改启动脚本或启动器配置可以调整运行参数--listen使服务监听所有网络接口允许同一局域网内的其他设备访问。--port 8189指定服务端口避免冲突。--highvram/--normalvram/--lowvram/--novram显存优化模式。对于 8GB 显存可尝试--medvram如果支持或--lowvram。--disable-xformers如果使用 xformers 库导致不稳定可禁用它。7.3 工作流开发与维护模块化将常用的功能组如高清修复、人脸修复、特定风格处理保存为子工作流然后通过Group功能或Workflow节点进行调用使主工作流更清晰。添加注释大量使用Note节点对工作流的不同部分进行文字说明便于日后维护和他人理解。版本控制将重要的、稳定的工作流.json文件用 Git 管理起来记录每次的改动。7.4 显卡监控与温度控制长时间高负荷运行会导致显卡温度升高。可以借助工具监控Windows使用 MSI Afterburner、HWiNFO 或 NVIDIA SMI 命令行工具 (nvidia-smi)。macOS使用sudo powermetrics --samplers smc或第三方工具如 iStat Menus。如果显卡热点温度持续超过 95°C应考虑改善机箱风道和散热。在显卡控制面板中设置更激进的风扇曲线。适当降低生成分辨率或批量大小减轻持续负载。秋叶 ComfyUI 整合包极大地简化了入门流程但它只是一个起点。真正的生产力来自于你对节点工作流逻辑的掌握以及对模型、提示词、采样参数等核心要素的理解。接下来你可以尝试探索更复杂的插件如ControlNet用于姿势控制、IPAdapter用于图像风格融合或者学习如何将 ComfyUI 与外部脚本、API 结合构建自动化图像生成管道。这个节点化的世界其深度和灵活性远超图形界面值得投入时间深入挖掘。