ComfyUI 怎么用？SD 节点式工作流入门教程

ComfyUI 怎么用？这是用过 AUTOMATIC1111 WebUI 之后，想进阶玩 Stable Diffusion 的人最先碰到的工具。节点式工作流——听起来玄乎，本质就是「把画图流程拆成可视化积木」，可控性比 WebUI 高一个量级，代价是学习曲线陡。

这篇按「ComfyUI 是什么 → 安装 → 第一个工作流 → 节点逻辑 → 进阶用法 → 常见坑」6 段把 ComfyUI 入门讲透。看完你能跑通第一个文生图工作流，并知道它和 WebUI 的根本区别。

前置：本文假设你已经熟悉 Stable Diffusion 基础（模型、prompt、采样器等概念）。没接触过 SD 的人先看 Stable Diffusion 本地部署 再回来。

30 秒了解：ComfyUI 是什么

ComfyUI 是一个基于「节点 + 连线」的 Stable Diffusion 操作界面，每个功能模块是一个节点，节点之间用线连，整个画面就是一张「画图流程图」。

ComfyUI vs WebUI 的根本区别

简单记：WebUI 像 Word（功能齐全，按钮固定），ComfyUI 像 Figma（节点自由组合，能搭出 Word 做不到的事）。

适合谁

• 已经用过 SD WebUI 想突破能力上限的人
• 商业 / 客户项目要做「同一套流程批量出图」的人
• 喜欢节点式工具（用过 Blender / Houdini / Substance 的会很熟悉）
• 显存紧张想榨干硬件性能的人
• 想学最新 SD 玩法（Flux、SD 3.x 等大多先在 ComfyUI 上线）

不适合谁

• 完全没碰过 SD 的小白（先去用 WebUI / 在线工具）
• 只是偶尔画几张图，不打算深耕的人
• 觉得「装软件 = 双击安装包」的人

准备工作

硬件要求（和 SD WebUI 基本一致）

ComfyUI 在 Mac M 系列原生支持比 WebUI 更友好，Mac 用户也能用（Windows AMD 兼容性仍差）。

已有 SD WebUI 的可以复用模型

如果你已经装过 AUTOMATIC1111 WebUI，所有模型（checkpoint、LoRA、VAE、ControlNet 等）都能直接给 ComfyUI 用，不用重新下。只需配置一下模型路径（详见下文步骤）。

详细操作步骤

第 1 步：下载 ComfyUI

最快的方式是用官方便携版：

• 打开 ComfyUI 的 GitHub Release 页面（github.com/comfyanonymous/ComfyUI）
• 找最新版的 Windows portable（约 1-2GB）
• 下载 .7z 压缩包到本地

进阶用户也可以选 git clone + 手动装依赖，但便携版对新手最友好。

第 2 步：解压到英文路径

• 用 7-Zip 解压到一个全英文路径（比如 D:\AI\ComfyUI）
• 避免中文路径或空格，否则可能报错

解压完得到一个 ComfyUI_windows_portable 文件夹，里面有 run_nvidia_gpu.bat 等启动脚本。

第 3 步：放入模型

ComfyUI 的模型目录在 ComfyUI_windows_portable\ComfyUI\models\ 下，按子目录分类：

• checkpoints\ 放主模型（.safetensors）
• loras\ 放 LoRA
• vae\ 放 VAE
• controlnet\ 放 ControlNet 模型
• embeddings\ 放 Textual Inversion

已有 WebUI 的话：编辑 ComfyUI\extra_model_paths.yaml.example → 重命名为 extra_model_paths.yaml → 改 base_path 指向你的 WebUI 路径 → 所有模型直接共享。

[此处放截图：extra_model_paths.yaml 配置示例]

第 4 步：启动 ComfyUI

回到 ComfyUI_windows_portable 文件夹，双击 run_nvidia_gpu.bat（NVIDIA 显卡）或 run_cpu.bat（无独显，慢）。

第一次启动会自动初始化，几十秒后浏览器会自动弹出 ComfyUI 界面（或访问终端显示的 URL，通常 http://127.0.0.1:8188）。

[此处放截图：ComfyUI 启动后的界面]

第 5 步：理解默认工作流

ComfyUI 启动后会有一个默认工作流模板，包含这几个核心节点：

节点之间用有色线条连接，线的颜色表示数据类型（红色 = MODEL、紫色 = CONDITIONING、粉色 = LATENT、蓝色 = IMAGE 等）。

[此处放截图：ComfyUI 默认工作流节点关系图]

第 6 步：跑第一张图

操作：

1. Load Checkpoint 节点里选你下好的模型
2. CLIP Text Encode（正） 写 prompt（如 a cute orange cat, photorealistic, 8k）
3. CLIP Text Encode（负） 写 negative（如 low quality, blurry）
4. Empty Latent Image 设宽高（如 512×512）
5. KSampler 检查参数（steps 20、cfg 7、sampler dpmpp_2m_karras 是合理默认）
6. 点右上角 Queue Prompt 出图

出图后 Save Image 节点会显示图片，同时自动保存到 output\ 文件夹。

[此处放截图：ComfyUI 第一张出图结果]

第 7 步：修改 / 复用工作流

ComfyUI 的核心价值是整张工作流可以保存：

• 右上角 Save 把当前工作流存为 .json
• 下次 Load 直接加载，不用重搭
• 把 .json 发给朋友，他们能完整复刻你的画图流程

社区里大量分享的工作流文件（civitai、OpenArt 等都有），新手起步推荐先下别人成熟的工作流学，不要从零搭。

5 个 ComfyUI 进阶玩法

玩法 1：多模型串联（A 模型出底图 → B 模型微调）

WebUI 一次只能用一个 checkpoint，ComfyUI 可以同一工作流里用多个：

• 第一阶段用「写实模型」出底图
• 第二阶段用「细节增强模型」精修
• 第三阶段用「LoRA」加风格

每个阶段是一组节点链，整体工作流像流水线。

玩法 2：ControlNet 多张参考图叠加

ControlNet 让你用一张参考图控制构图 / 姿势 / 边缘，ComfyUI 让你同时挂多张 ControlNet：

• ControlNet 1：用一张姿势骨架图控制人物动作
• ControlNet 2：用一张深度图控制场景距离感
• ControlNet 3：用一张线稿控制建筑边缘

三个 ControlNet 节点的输出合并喂给 KSampler，AI 同时遵守 3 个约束出图。

玩法 3：批量出图工作流

ComfyUI 天生支持批量节点：

• 用一个 List 节点列出 10 个不同 prompt
• 用 Iterator 节点循环
• 每轮自动出图 + 自动命名保存

一次 Queue 跑出 10 张不同主题的图，非常适合内容矩阵生产。

玩法 4：图生图 + 局部重绘工作流

ComfyUI 把图生图、局部重绘等流程全部节点化：

• 加载参考图节点
• 蒙版生成节点
• 局部去噪节点
• 边缘融合节点
• 整体重绘节点

每一步都可视化、可调、可保存。专业精修工作流的标准玩法。

玩法 5：导入社区成熟工作流

ComfyUI 最强生态是「别人搭好的工作流」。常见来源：

• civitai.com 的「workflows」分类
• openart.ai 的 ComfyUI workflow 区
• GitHub 上 awesome-comfyui 仓库
• 公众号 / B 站作者分享的 .json 文件

直接 Load 别人的工作流，把模型路径改成你自己的，就能复刻 SOTA 玩法。

常见坑 + 解决办法

强烈建议装 ComfyUI Manager 插件——这是 ComfyUI 生态的「应用商店」，一键安装节点、模型、工作流，对新手友好度大幅提升。

实战案例：搭一个「人物 + 风格」工作流

下面给一个具体场景：做一个「人物动作 + 油画风格」组合的工作流。

ComfyUI 实战 - 人物动作 + 油画风格工作流
目标：用一张姿势参考图 + 一段 prompt，输出风格统一的油画人像
节点结构（从左到右连接）：


Load Checkpoint

选一个写实主模型（如 RealisticVision V5.x）
输出 MODEL、CLIP、VAE 三条线分别接到下游



Load LoRA

加载一个油画风 LoRA（civitai 找 oil painting LoRA）
串在 Load Checkpoint 和后续节点之间



CLIP Text Encode（正向）

prompt：a young woman in elegant pose, classic oil painting, Renaissance style, dramatic lighting, masterpiece



CLIP Text Encode（负向）

prompt：low quality, blurry, deformed, modern, cartoon, 3d render



Load Image

上传一张姿势参考图（你想模仿的姿势）



ControlNet OpenPose

模型选 control_v11p_sd15_openpose
输入接 Load Image
输出接到下面的 Apply ControlNet



Apply ControlNet

输入 CONDITIONING（正向 CLIP 输出）+ ControlNet 模型 + 参考图
strength 设 0.8
输出接 KSampler 的 positive 输入



Empty Latent Image

宽 512 高 768



KSampler

steps: 28
cfg: 7
sampler: dpmpp_2m_karras
seed: -1（随机）
接受 MODEL（来自 Load LoRA）+ positive（来自 Apply ControlNet）+ negative（CLIP 负）+ latent



VAE Decode

输入 KSampler 的 LATENT 输出
VAE 来自 Load Checkpoint



Save Image

输入 VAE Decode 的 IMAGE 输出
文件名前缀：oil_portrait_


运行流程：

上面节点全部搭好（约 15-20 分钟，新手第一次更久）
点 Queue Prompt 跑一次
出图后调整：

风格太弱 → 调高 LoRA 权重
姿势不准 → 调高 ControlNet strength
整体太暗 → 改 prompt 加 well lit


满意后 Save 整个工作流为 oil_portrait_workflow.json
下次直接 Load + 换参考图 + 跑 = 同样风格新人像

这个工作流跑通后，你就拥有了一个”个人风格化人像生成器”——换姿势图就出新图，风格永远统一。这就是 ComfyUI 比 WebUI 的核心价值：沉淀流程而非沉淀图。

ComfyUI 学习路径建议

新手到熟练的合理节奏：

学习材料：ComfyUI 官方 GitHub Wiki、civitai 工作流区、B 站的 ComfyUI 系列教程。英文 YouTube 资源最多最及时。

一个判断「我要不要学 ComfyUI」的 prompt

把下面发给 ChatGPT / 豆包 / DeepSeek：

我在考虑要不要学 ComfyUI，请帮我做一个具体判断。
我的情况：

我目前的 SD 经验：「没用过 / 用过 WebUI / 用过其他 AI 画图工具」
我的目的：「学习探索 / 做客户项目 / 做内容矩阵 / 玩二次元同人 / 单纯好奇」
我对学习成本的接受度：「能花 1-2 个月折腾 / 只想 1 周搞定 / 介于之间」
我每周大约画多少图：「5 张以内 / 5-20 / 20-50 / 100+」
我是否需要「同一套流程批量产图」：「需要 / 不需要 / 不确定」
请帮我：

给一个明确判断：学 / 不学 / 先用 WebUI 半年再说
如果学，推荐的入门路径（资源 + 时间分配）
如果不学，推荐的替代方案
提醒我有什么坑要注意
请直接给一个明确判断，不要让我做选择题。

九成新手得到的建议会是：「先用 WebUI 跑 100 张图打基础，再决定要不要进 ComfyUI」。这就对了——ComfyUI 是「重度玩家的飞跃」，不是「新手的捷径」。

进阶 / 下一步

• Stable Diffusion 本地部署 - SD WebUI 基础（先这个）
• Midjourney 怎么用 - 闭源天花板对比
• 即梦 AI 怎么用 - 国产免费替代
• GPT Image 教程 - ChatGPT 内置画图
• AI 画图选哪个 - 完整选型决策

最后一句忠告：ComfyUI 是 SD 生态的天花板，但天花板对应的也是「学习投入的地板」。如果你打算长期做 AI 视觉工作、产品化能力、或者搞最新 SD 玩法（Flux、SD 3.x 等），学它早晚都得学；如果只是偶尔画图，WebUI 或 即梦 AI 完全够用。