ComfyUI 入门完整指南：安装、界面、节点、模型与第一次出图

你可能已经听说过 ComfyUI 是 Stable Diffusion 最灵活的节点式界面，但第一次打开官网就被 Desktop、Portable、Manual 三种安装方式卡住了。模型应该放哪个文件夹？界面打开全是方块和连线，不知道从哪开始。好不容易装好了，第一次生成又遇到 Load Checkpoint 显示 null 或者 CUDA out of memory。

本指南只解决一个目标：让你在第一天就能验证 ComfyUI 能启动、模型能读到、默认工作流能跑出第一张图。内容覆盖安装方式选择、模型文件夹结构、界面核心节点、第一次文生图操作步骤，以及五类常见失败的排查清单。不涉及进阶工作流、模型对比或硬件推荐——那些留给系列的后续文章。

安装方式怎么选

ComfyUI 官网提供四种安装路径：Desktop、Portable、Manual、Cloud。前三种是本地运行，最后一种是云端服务。选择的关键因素只有两个：你有没有 NVIDIA 显卡，以及你愿不愿意处理 Python 环境配置。

安装方式	优点	缺点	适用人群	Python 环境	C盘占用	下载入口
Desktop	安装向导简单，首次启动自动引导	固定装在 C 盘，约占用 5GB；基于稳定版，新功能可能滞后	想最快上手的新手	自动配置	约 5GB	官网下载页
Portable	解压即用，可放任意盘；自带 Python 和依赖	需手动选择启动脚本；无安装向导	不想占 C 盘、有多个 Python 版本的用户	自带，独立	解压位置决定	GitHub Release
Manual	完全控制版本和依赖	需手动配置 Python、PyTorch、CUDA；步骤多	有 Python 环境、想控制版本的开发者	手动配置	clone 位置决定	GitHub clone
Cloud	开箱即用，不需要本地显卡	按使用时长或显存收费；国内访问可能不稳定	显卡配置不足或不想装环境的用户	不需要	无	官网云端选项

Desktop 版把所有依赖打包进安装向导，第一次启动会自动检查环境。但安装路径固定在 C 盘，模型文件夹也默认在 C 盘下的用户目录。如果你的 C 盘空间紧张，或者你想把模型集中放在其他盘，Portable 或 Manual 更合适。

Portable 版是一个压缩包，解压后文件夹可以放在任意位置。启动脚本区分 N 卡（run_nvidia_gpu.bat）和 CPU（run_cpu.bat），不需要你配置 Python 版本或 PyTorch CUDA 后端。适合不想折腾环境、想控制安装位置的用户。

Manual 安装适合已经有 Python 3.10+ 环境、清楚自己要哪个 PyTorch 版本的开发者。步骤比前两种多，但你可以 clone 指定分支、手动安装特定版本的依赖。新手不建议从这里开始——环境配置本身就是一个易错的环节。

Cloud 方案在官网有入口，本质是租用云端显卡运行 ComfyUI。如果你的电脑没有 N 卡、或者只想快速体验界面，可以先试云端版本。但长期使用会产生费用，且国内网络访问海外云端服务可能不稳定。

Desktop 版安装步骤

Desktop 版适合想用最快路径上手的新手。安装向导会处理 Python 环境、依赖下载和路径配置，你只需要按步骤点同意和下一步。

安装流程

1. 打开 ComfyUI 官网（docs.comfy.org），在 Installation 区域找到 Desktop 下载链接。选择 Windows 版本（macOS 和 Linux 也有对应版本，但本文以 Windows 为例）。

2. 双击下载的安装包，启动安装向导。向导会提示安装路径——默认在 C 盘，无法更改。如果你需要控制安装位置，不要选 Desktop，改用 Portable 版。

3. 完成安装后，第一次启动会检查依赖。如果提示缺少组件，向导会自动下载。

4. 启动成功后，浏览器会自动打开 http://127.0.0.1:8188。界面显示一个空白节点图或默认工作流。

模型文件夹位置

Desktop 版的模型文件夹路径与 Portable 不同。默认在用户目录下，不在安装目录里。第一次启动时，模型文件夹是空的，Load Checkpoint 节点会显示 null。

找到模型文件夹的方法：在 ComfyUI Desktop 的菜单栏选择 Help → Open folder → Open models folder。这个菜单会直接打开 models 目录，你不需要手动找路径。

Desktop 版支持在界面内下载模型。如果启动时检测到缺少基础模型，会提示你点击下载按钮。点击后，模型会自动放到正确的 checkpoints 目录。但这个自动下载只覆盖官方推荐的几个基础模型。如果你想用第三方模型（比如 Civitai 或 LiblibAI 上的），仍需手动下载并放到 checkpoints 目录。

首次启动后的检查

启动成功后，先确认三个点：浏览器打开了界面（地址栏显示 127.0.0.1:8188）；界面右侧有 Queue Prompt 按钮；左侧或顶部有 ComfyUI-Manager 入口（Desktop 版通常自带 Manager）。

如果界面打开但 Queue Prompt 按钮没有响应，或节点显示红色，先不要急着生成图片。检查模型是否到位（下一节会讲模型位置和刷新方法）。

Portable 版安装步骤

Portable 版适合不想占 C 盘、有多个 Python 版本共存、或者想控制安装位置的用户。本质是一个包含 Python 和依赖的压缩包，解压后直接运行启动脚本。

下载与解压

1. 打开 ComfyUI GitHub 仓库（github.com/Comfy-Org/ComfyUI），在 Releases 区域找到最新稳定版本。下载 Windows Portable 版压缩包（通常是 7z 或 zip 格式，文件名包含 portable）。

2. 用 7-Zip 或系统自带解压工具，把压缩包解压到你想放的位置。比如 D 盘的 D:\ComfyUI_portable。路径不要太深，避免出现权限问题。

3. 解压后的文件夹包含几个关键目录：ComfyUI（核心程序和 models 目录）、python_embeded（自带 Python 环境）、启动脚本（run_nvidia_gpu.bat、run_cpu.bat 等）。

启动脚本选择

Portable 版提供多个启动脚本，区分显卡类型和运行模式：

• run_nvidia_gpu.bat：如果你有 NVIDIA 显卡且已安装驱动，使用这个脚本。启动速度最快，显存利用率最好。

• run_cpu.bat：如果你没有 N 卡，或者 N 卡驱动有问题，用 CPU 模式运行。速度较慢，适合验证安装是否成功。

• 其他脚本如 run_nvidia_gpu_lowvram.bat 用于显存不足的场景，新手第一次启动可以先不用。

双击对应的 bat 文件，会启动一个命令行窗口。窗口会显示启动日志，包括 Python 版本、PyTorch CUDA 后端加载、模型扫描结果。几秒后，浏览器会自动打开 http://127.0.0.1:8188。如果浏览器没有自动打开，手动在浏览器地址栏输入这个地址。

首次启动日志检查

命令行窗口的日志会提示几个关键信息：

• Starting server：说明服务已启动。
• To see the GUI go to: http://127.0.0.1:8188：确认浏览器地址。
• Total VRAM ...：显示检测到的显存大小。
• models/checkpoints 目录扫描结果：如果有模型，会列出文件名；如果没有，只显示路径。

如果日志出现错误（比如 CUDA not available），先检查显卡驱动是否安装。Portable 版自带的 PyTorch 已经配置了 CUDA 支持，但需要系统有正确的 N 卡驱动。

Manual 安装（可选）

Manual 安装适合已经有 Python 3.10+ 环境、清楚自己要哪个 PyTorch 版本的开发者。步骤比 Desktop 和 Portable 多，容易在依赖配置环节出错。新手不建议从这里开始。

如果你坚持用 Manual 安装，以下是核心步骤：

1. 在目标目录执行 git clone https://github.com/Comfy-Org/ComfyUI.git。如果你想用特定分支或版本，在 clone 后 checkout 对应 tag。

2. 进入 clone 后的目录，找到 requirements.txt。执行 pip install -r requirements.txt。这一步会安装 ComfyUI 的核心依赖，但不包括 PyTorch CUDA 后端——你需要单独安装。

3. 安装 PyTorch。根据你的显卡类型选择版本。NVIDIA 显卡需要安装支持 CUDA 的 PyTorch。具体命令参考 PyTorch 官网安装指南。如果你装错了版本（比如装了 CPU 版本），启动时会出现 CUDA not available 错误。

4. 启动 ComfyUI：执行 python main.py。默认监听 8188 端口，浏览器打开 http://127.0.0.1:8188。

启动参数说明

Manual 版支持多个启动参数，用于控制显存使用和监听端口：

• --lowvram：显存不足时使用，降低显存占用但速度变慢。
• --cpu：强制使用 CPU 模式。
• --port 8188：更改监听端口（默认 8188）。
• --listen 0.0.0.0：允许局域网访问（默认只允许本机访问）。

如果你显存小于 4GB，启动时可以加上 --lowvram 参数，减少 CUDA out of memory 的概率。

版本依赖风险

Manual 安装的风险主要集中在 Python 和 PyTorch 版本匹配。官方推荐 Python 3.10.x，不保证 Python 3.11 或 3.12 兼容。PyTorch 版本要与 CUDA 版本匹配——如果你系统装了 CUDA 12.x，但 PyTorch 是 CUDA 11.x 版本，会出现找不到 CUDA 的错误。

如果启动失败，先检查命令行日志中的错误信息。常见错误包括：ImportError: DLL load failed（PyTorch 版本不匹配）、ModuleNotFoundError（依赖没装全）、CUDA not available（PyTorch 没装 CUDA 版本或显卡驱动有问题）。

模型放哪里

模型文件夹是新手最容易卡住的地方。ComfyUI 启动时不会自带基础模型，你需要手动下载并放到正确目录。Load Checkpoint 显示 null，通常就是模型没放对位置。

模型文件夹位置

Portable 和 Manual 安装的模型文件夹在安装目录下：

<ComfyUI 安装目录>/ComfyUI/models/

比如你把 Portable 解压在 D:\ComfyUI_portable，模型目录就是：

D:\ComfyUI_portable\ComfyUI\models\checkpoints\

Desktop 版的模型文件夹路径不同，默认在用户目录。你不需要手动找路径，用菜单确认位置：Help → Open folder → Open models folder。这个菜单会直接打开 models 目录。

子目录用途

models 目录下有多个子文件夹，每种模型类型对应一个：

子目录	用途	模型文件类型
checkpoints	基础大模型（SD 1.5、SDXL 等）	.safetensors、.ckpt
loras	LoRA 微调模型	.safetensors、.ckpt
vae	VAE 解码器（影响色彩和细节）	.safetensors、.pth
embeddings	文本嵌入（负面提示词、风格嵌入）	.pt、.bin、.safetensors
controlnet	ControlNet 控制模型	.safetensors、.pth
upscale_models	放大模型（ESRGAN、RealESRGAN 等）	.pth、.safetensors

第一次运行只需要放基础模型到 checkpoints。其他类型模型在进阶工作流才会用到。

模型文件格式

基础模型有两种常见格式：.safetensors 和 .ckpt。.safetensors 是较新的格式，安全性更好，ComfyUI 官方推荐优先使用。.ckpt 是老格式，部分早期模型仍用这个后缀。两种格式 ComfyUI 都能识别，但如果你有选择，优先下载 .safetensors。

模型文件命名可以任意，但建议包含模型名称和版本，方便后续识别。比如 sd_v1-5.safetensors、sdxl_base_1.0.safetensors。

extra_model_paths.yaml

如果你有多个 ComfyUI 安装，或模型分散在多个盘，可以用 extra_model_paths.yaml 配置额外路径。这个文件在 ComfyUI 目录下，格式是 YAML，可以指定多个外部模型目录。新手第一次运行不需要改这个文件，默认路径已经够用。

界面长什么样

ComfyUI 的核心是节点图。每个节点代表一个操作单元（比如加载模型、输入提示词、采样、解码），节点之间用连线传递数据。理解节点图的结构是使用 ComfyUI 的基础。

核心界面元素

打开界面后，你会看到以下几个区域：

• 节点图区域：主界面中央，显示所有节点和连线。你可以拖拽节点调整位置，点击连线删除，右键节点查看选项。

• Queue Prompt 按钮：界面右侧或顶部，用于执行工作流。点击后，节点图从左到右依次执行，生成图像。

• Clear 按钮：清除当前节点图，恢复空白状态。

• Save 按钮：保存当前工作流为 JSON 文件，下次可以直接加载。

• Load 按钮：加载已保存的工作流 JSON。

• Load Default 按钮：加载默认文生图工作流，包含五个核心节点。

• ComfyUI-Manager：侧边栏或菜单入口，用于安装新节点、更新已安装节点、搜索社区工作流。Desktop 和 Portable 版通常自带 Manager，Manual 版需要额外安装。

默认工作流的五个核心节点

点击 Load Default 后，界面会出现五个节点，按从左到右的顺序连接：

节点名称	功能	输入/输出
Load Checkpoint	加载基础模型和 CLIP 文本编码器	输出：MODEL、CLIP、VAE
CLIP Text Encode (Prompt)	编码正向提示词	输入：CLIP；输出：CONDITIONING
CLIP Text Encode (Negative)	编码负向提示词	输入：CLIP；输出：CONDITIONING
KSampler	潜空间采样器，生成图像的核心	输入：MODEL、正向 CONDITIONING、负向 CONDITIONING、VAE；输出：LATENT
VAE Decode	把潜空间图像解码为可见图像	输入：VAE、LATENT；输出：IMAGE
Save Image	保存图像到 output 目录并显示预览	输入：IMAGE

节点之间的连线表示数据传递方向。比如 Load Checkpoint 的 CLIP 输出连接到两个 CLIP Text Encode 节点的 CLIP 输入。KSampler 的 LATENT 输出连接到 VAE Decode 的 LATENT 输入。

右键菜单

右键点击节点，会弹出操作菜单，包含：

• Add Node：在当前节点附近添加新节点。
• Remove：删除当前节点。
• Bypass：绕过当前节点（不执行）。
• Reroute：添加转向点，整理连线。

右键点击空白区域，可以选择 Add Node → 搜索节点名称，添加新节点到工作流。

节点的输入和输出端口

每个节点左侧是输入端口，右侧是输出端口。端口用小圆点表示，不同颜色代表不同数据类型：

• 紫色：MODEL（模型）
• 黄色：CLIP（文本编码器）
• 蓝色：VAE（解码器）
• 绿色：CONDITIONING（条件编码）
• 红色：LATENT（潜空间数据）
• 白色：IMAGE（图像数据）

连线时，输出端口颜色必须与输入端口颜色匹配。比如 MODEL 输出只能连 MODEL 输入，不能连 CLIP 输入。如果颜色不匹配，连线无法创建。

默认工作流怎么用

默认工作流是 ComfyUI 官方提供的最小文生图配置。包含五个核心节点，已经按正确顺序连接。你只需要选择模型、输入提示词、点击 Queue Prompt，就能生成第一张图。

加载默认工作流

1. 启动 ComfyUI，浏览器打开界面（http://127.0.0.1:8188）。

2. 在界面右侧或顶部找到 Load Default 按钮。点击后，节点图会出现五个节点：Load Checkpoint、CLIP Text Encode（正向）、CLIP Text Encode（负向）、KSampler、VAE Decode、Save Image。

3. 检查节点是否全部显示。如果某个节点显示红色，或连线断开，可能是加载不完整。重新点击 Load Default，或手动检查节点连接。

节点连接关系

默认工作流的节点连接关系如下：

• Load Checkpoint：输出 MODEL、CLIP、VAE。MODEL 连接到 KSampler 的 model 输入。CLIP 连接到两个 CLIP Text Encode 节点的 clip 输入。VAE 连接到 VAE Decode 的 vae 输入（部分工作流也会连到 KSampler 的 vae 输入）。

• CLIP Text Encode (正向)：接收 CLIP，输出 CONDITIONING。连接到 KSampler 的 positive 输入。

• CLIP Text Encode (负向)：接收 CLIP，输出 CONDITIONING。连接到 KSampler 的 negative 输入。

• KSampler：接收 MODEL、正向 CONDITIONING、负向 CONDITIONING、可选的 VAEE。输出 LATENT，连接到 VAE Decode 的 latent 输入。

• VAE Decode：接收 VAE 和 LATENT，输出 IMAGE，连接到 Save Image 的 images 输入。

• Save Image：接收 IMAGE，保存到 output 目录，并在界面显示预览。

这个连接顺序是文生图的核心流程：模型加载 → 提示词编码 → 潜空间采样 → 图像解码 → 保存输出。

确认工作流完整性

加载默认工作流后，先确认三个点：

1. Load Checkpoint 节点的模型选择：点击节点，下拉菜单应该列出你放到 checkpoints 目录的模型。如果显示 null 或下拉为空，说明模型没放对位置或没有刷新。

2. 所有连线完整：检查每个节点的输入和输出是否都有连线。如果某个输入端口空着，节点可能无法执行。

3. 节点无红色报错：红色表示节点配置有问题。点击节点查看参数，确认是否有缺失的输入。

如果这三点都正常，可以继续下一步：第一次文生图。

第一次文生图

第一次生成图像的目标是验证整个流程能跑完，不需要追求高质量输出。以下是具体操作步骤。

可执行步骤清单

1. 选择模型：在 Load Checkpoint 节点，点击下拉菜单，选择你放到 checkpoints 目录的模型。如果你用的是 SD 1.5 模型（文件名包含 v1-5 或 sd1.5），可以先用默认参数测试。如果用的是 SDXL 模型，显存需求更高，首次生成可能出现 CUDA out of memory。

2. 输入正向提示词：在正向 CLIP Text Encode 节点（通常标签是 Prompt），输入一段英文描述。比如：a cat sitting on a windowsill, soft light, simple background。提示词长度不限，但第一次测试建议控制在 10-20 个单词，方便观察效果。

3. 输入负向提示词：在负向 CLIP Text Encode 节点，输入你不想出现在图像中的内容。比如：blurry, low quality, watermark, text。负向提示词用于排除常见问题。

4. 设置 KSampler 参数：点击 KSampler 节点，检查以下参数：

   • seed：随机种子，控制生成结果的随机性。第一次可以保留默认值，或随机填一个数字。
   • steps：采样步数，默认 20。第一次测试保持 20，不需要调高。
   • sampler_name：采样器名称，默认 euler 或 ddim。第一次保持默认。
   • cfg：提示词引导强度，默认 7-8。第一次保持默认。
   • denoise：去噪强度，默认 1.0。第一次保持默认。

   这些参数的含义会在系列后续文章详细解释。第一次生成不需要改参数，用默认值测试即可。

5. 点击 Queue Prompt：界面右侧或顶部的 Queue Prompt 按钮。点击后，节点图开始执行。你会看到节点周围出现绿色进度条，表示正在执行。右侧会显示整体进度。

6. 等待生成完成：生成时间取决于模型大小、显存和采样步数。SD 1.5 模型在中等显存（8-12GB）通常需要 5-15 秒。SDXL 模型需要更长时间。如果进度条停在某个节点不动，可能是 CUDA out of memory 或其他错误（见下一节排障清单）。

7. 查看输出图像：生成完成后，Save Image 节点会显示图像预览。右键图像可以选择 Open Image 在新窗口查看，或 Save Image 保存到指定路径。图像默认保存在 output 目录（与 models 目录同级）。

第一次生成的常见情况

第一次生成可能不会得到理想图像。这是正常的。常见问题包括：

• 图像分辨率偏低：默认工作流的分辨率在 KSampler 的 latent_image 参数控制，默认可能是 512x512。如果你用 SDXL 模型，默认分辨率可能不够，图像会模糊。这个问题需要在 KSampler 调整 empty_latent_image 参数，或使用适配 SDXL 的工作流。

• 色彩异常或偏灰：部分模型需要配套 VAE 才能正常解码。如果生成的图像色彩偏灰或过曝，可能是 VAE 不匹配。这个问题在进阶章节会讲。

• 提示词效果不明显：第一次测试的提示词可能不够具体。尝试增加描述细节，比如 a fluffy orange cat sitting on a wooden windowsill。

显存不足的处理

如果你在生成过程中遇到 CUDA out of memory 错误，尝试以下方法：

• 重新启动 ComfyUI，加上 --lowvram 参数（Manual 和 Portable 版在启动命令后加）。
• 降低采样步数（steps 从 20 改成 15）。
• 使用显存需求更低的模型（SD 1.5 比 SDXL 显存需求低）。

显存需求因模型和配置差异很大，不承诺通用数值。如果你显存小于 4GB，建议先用云端版本或 CPU 模式测试。

出图失败了怎么办

第一次生成很可能遇到错误。以下是五类常见失败的表现和排查方法。

1. Load Checkpoint 显示 null 或下拉为空

表现：点击 Load Checkpoint 节点，下拉菜单为空，或显示 null。Queue Prompt 后节点报红，提示找不到模型。

排查步骤：

• 检查模型文件位置：确认模型在 checkpoints 目录（Desktop 版用 Help → Open models folder 确认路径）。
• 检查模型文件格式：确认是 .safetensors 或 .ckpt 后缀。
• 刷新模型列表：点击界面侧边栏的 Refresh 按钮（如果有的话），或重启 ComfyUI。
• 检查启动日志：命令行窗口的日志会列出扫描到的模型文件。如果日志中没有列出你的模型，说明路径错误。

2. CUDA out of memory

表现：生成过程中节点停止，命令行或界面弹出 CUDA out of memory 错误。

排查步骤：

• 重新启动，加上 --lowvram 参数。
• 降低采样步数（KSampler 的 steps 从 20 改成 10-15）。
• 使用显存需求更低的模型（SD 1.5 比 SDXL 需求低）。
• 检查是否有其他程序占用显存（比如浏览器打开大量标签页、其他 AI 应用在后台运行）。

显存需求因模型和配置差异大，不承诺通用数值。SD 1.5 在中等显存（8-12GB）通常能跑，SDXL 需要更高显存。

3. 模型格式错误或版本不兼容

表现：Load Checkpoint 节点报红，错误信息包含 safetensors header 或 version mismatch。

排查步骤：

• 确认模型文件完整：下载过程中可能中断，导致文件损坏。重新下载模型。
• 确认模型版本与 ComfyUI 版本匹配：部分新模型（比如 SDXL）需要新版 ComfyUI。如果你用的是老版本 Portable，可能不支持新模型。
• 检查模型来源：优先从官方站点或可信站点下载。部分第三方模型可能格式不规范。

4. 依赖缺失或 Python 环境问题

表现：启动时命令行出现 ImportError 或 ModuleNotFoundError。Queue Prompt 后节点报红，提示找不到某个模块。

排查步骤：

• 如果用的是 Manual 安装，检查是否完整执行 pip install -r requirements.txt。
• 检查 PyTorch 是否正确安装 CUDA 版本：在 Python 环境执行 python -c "import torch; print(torch.cuda.is_available())"，如果返回 False，说明 PyTorch 没装 CUDA 版本。
• 重新安装依赖：Manual 版可以删除虚拟环境重建，Portable 版可以重新解压。

Desktop 和 Portable 版自带完整依赖，通常不会出现这个问题。Manual 版容易出现依赖缺失。

5. 节点报红但错误信息不明

表现：某个节点显示红色，但点击后没有明确的错误信息。

排查步骤：

• 检查节点输入：确认所有输入端口都有连线，连线颜色匹配。
• 检查节点参数：点击节点，查看每个参数是否有效（比如 KSampler 的 seed 不能为空）。
• 尝试删除并重新添加节点：右键节点 → Remove，然后右键空白区域 → Add Node → 搜索对应节点名称，重新添加。
• 重新加载工作流：点击 Clear 清空节点图，重新点击 Load Default。

6. 启动失败：端口被占用或服务未启动

表现：浏览器打开 http://127.0.0.1:8188 显示无法连接，或命令行提示 Address already in use。

排查步骤：

• 检查命令行是否还在运行：如果窗口关闭，服务已停止。
• 检查端口占用：8188 端口可能被其他程序占用。可以尝试启动时加上 --port 8189 改用其他端口。
• 检查防火墙：部分防火墙会阻止本地服务启动。

遇到清单之外的错误时，打开命令行日志查找具体报错内容，或去 GitHub Issues / Discord 搜索同类问题。

下一步学什么

完成第一次文生图后，你已经验证了 ComfyUI 能启动、模型能加载、默认工作流能跑。接下来可以沿着三个方向深入。

官方文档与节点扩展

ComfyUI 官方文档（docs.comfy.org）覆盖安装、核心概念、模型管理、节点列表等内容。如果你想了解某个节点的参数含义，或查找某个功能的官方实现方式，优先查文档。

ComfyUI-Manager 是社区节点扩展的核心工具。Desktop 和 Portable 版通常自带 Manager，Manual 版需要手动安装。Manager 的功能包括：搜索并安装新节点、更新已安装节点、导入社区分享的工作流、检查节点版本兼容性。

如果你想尝试 ControlNet、LoRA、AnimateDiff 等进阶功能，Manager 是安装对应节点的入口。新手建议先熟悉默认工作流，再通过 Manager 安装新节点。

进阶工作流方向

当你熟悉了默认文生图流程后，可以尝试以下几个进阶方向：

• 工作流复用与管理：学习如何导入别人分享的工作流 JSON，修改参数，保存常用配置。这个方向对应系列后续文章「ComfyUI 工作流复用指南」。

• ControlNet 精细控制：用 ControlNet 节点控制图像的姿态、边缘、深度、色彩。适合需要精确控制构图的场景。对应系列后续文章「ComfyUI ControlNet 完全指南」。

• LoRA 模型微调：用 LoRA 在基础模型上叠加风格或人物特征。适合生成特定风格或特定角色的图像。对应系列后续文章「ComfyUI LoRA 模型实战指南」。

这三个方向都需要额外节点和模型，建议逐步尝试，不要一次性装太多节点。

模型来源与推荐

第一次测试用的模型可能是某个通用的 SD 1.5 或 SDXL base。如果你想尝试更多风格，可以从以下站点查找：

• Civitai：海外最大的 Stable Diffusion 模型社区，包含基础模型、LoRA、VAE、ControlNet 模型等。搜索时注意模型版本（SD 1.5 / SDXL）和训练数据来源。

• LiblibAI：国内 Stable Diffusion 模型平台，访问速度更快，包含大量国内创作者分享的模型和 LoRA。

• Hugging Face：官方模型仓库，包含 Stability AI 发布的基础模型和部分开源模型。

下载模型时注意：确认模型版本与你的 ComfyUI 版本兼容；确认模型用途（文生图 / 图生图 / ControlNet）；优先选择 .safetensors 格式。

本系列的其他文章

本篇文章是「ComfyUI 与 Stable Diffusion 实战指南」系列的入门页。后续文章会覆盖工作流管理、ControlNet、LoRA、模型推荐、性能优化等内容。如果你已经熟悉本地模型部署，可以参考本站其他相关文章：

• 如果你想在本地部署 LLM，可以参考 Ollama 本地 LLM 入门指南。

• 如果你想学习 Prompt 技巧，可以参考 Prompt 工程商业化实践。

• 如果你想优化本地 GPU 配置，可以参考 Ollama GPU 加速配置。

• 如果你想把 ComfyUI 接入自动化流程，可以参考 AI 工作流自动化实践。