首页 / AI教程 / 正文
AI教程

ComfyUI工作流教程:节点安装与AI绘画实战,手把手避坑快速出图

chuanbook chuanbook
发布于 2026 年 11 月 19 日
阅读 约12分钟
浏览 12
评论 0

1.1 环境准备与节点安装基础

我装ComfyUI那会儿,第一步就是搞清楚它的目录结构。解压完之后你会看到一个叫 custom_nodes 的文件夹,这地方就是所有自定义节点的“窝”,后面我们装的东西基本都往这儿扔。旁边还有个 models 文件夹,放各种大模型、VAE、LoRA,分类很细,checkpoints、vae、loras 各是各的。主程序就是 main.py 和 comfy 那个文件夹,别乱动就行。我习惯把整个 ComfyUI 放在一个英文路径下面,比如 D:\ComfyUI,中文路径或者带空格的目录有时候会让节点加载出莫名其妙的毛病,这个坑我踩过。

Python 版本这件事得单独说一下。官方推荐 3.10 或者 3.11,我用的是 3.10.11,跑下来很稳。3.12 也能跑,但有些自定义节点的依赖还没跟上,容易在装依赖的时候报错。你装之前最好确认一下自己的 Python 版本,命令行敲 python --version 就能看到。虚拟环境我建议搞一个,conda 或者 venv 都行,这样不会跟你系统里其他 Python 项目打架。我自己是用 conda 建了个叫 comfy 的环境,每次启动前 conda activate comfy,清爽。

Manager 的初始化说白了就是把它自己装进去。你打开 custom_nodes 文件夹,地址栏敲 cmd 回车,然后 git clone https://github.com/ltdrdata/ComfyUI-Manager.git,等它拉完,重启 ComfyUI,界面上就会多出一个 Manager 按钮。更新 Manager 也很简单,在 Manager 面板里点“Update ComfyUI-Manager”就行,它自己会拉最新代码。有时候更新完要重启一次才生效,这个别忘。

1.2 ComfyUI Manager节点安装失败解决方法

Manager 装节点失败太常见了,我一开始也被折腾得够呛。最常见的原因是网络。Manager 默认从 GitHub 拉节点,国内访问 GitHub 时不时抽风,进度条卡住或者直接报 timeout。我的解决办法是开代理,或者在 Manager 的设置里把 git clone 的地址改成镜像源。你可以在 Manager 面板里找到“Channel”或者“Mirror”相关的选项,选一个国内能通的镜像,安装成功率会高很多。

GitHub 访问不了还有一种情况是 SSL 证书报错,提示 SSL certificate problem。这时候可以在命令行里临时关掉 SSL 验证:git config --global http.sslVerify false,装完再改回来。权限问题也遇到过,尤其是你把 ComfyUI 放在 C 盘或者 Program Files 下面,节点往 custom_nodes 里写文件的时候被系统拦了。解决办法很简单,要么把 ComfyUI 挪到 D 盘或者用户目录下,要么用管理员身份运行命令行再装。

依赖冲突和日志定位是稍微进阶一点的排查手段。Manager 装节点的时候会在后台跑 pip install,有时候某个节点的依赖版本跟你环境里已有的包打架,装到一半就崩了。这时候你得看日志。ComfyUI 启动的那个命令行窗口会打印错误信息,往上翻,找到红色的 ERROR 行,通常会告诉你哪个包版本不对。我遇到过一次 numpy 版本冲突,把报错信息复制出来搜一下,改成指定版本 pip install numpy==1.24.3 就解决了。日志里还会显示是哪个节点的 requirements.txt 出的问题,定位到具体节点就好办了。

1.3 手动安装自定义节点与依赖修复

Manager 搞不定的节点,手动装是最靠谱的兜底方案。步骤不复杂:打开 custom_nodes 文件夹,git clone 节点的仓库地址,然后进到节点目录里,看看有没有 requirements.txt。有的话就在那个目录下开命令行,pip install -r requirements.txt,等它跑完。我装过一个叫 ComfyUI-Impact-Pack 的节点,Manager 里一直装不上,手动 clone 下来再装依赖,一次就成了。

依赖修复有几个小技巧。一个是 pip 源的问题,默认源慢的时候可以换成清华源 -i https://pypi.tuna.tsinghua.edu.cn/simple,速度快很多。另一个是有些节点依赖 torch 的特定版本,你装的时候它会试图重装 torch,这个要小心,容易把你环境里原来的 torch 搞坏。我的做法是先看 requirements.txt 里有没有 torch,有的话手动跳过,用 --no-deps 参数只装其他依赖。

模型路径配置是手动装节点之后经常忘的一步。有些节点需要额外的模型文件,比如人脸检测模型、分割模型,你得把下载好的模型放到 models 下面对应的子文件夹里。放错位置节点会报“model not found”。放好之后重启 ComfyUI,在节点界面里刷新一下,看看节点能不能正常加载。我习惯重启之后先跑一个最简单的工作流,确认节点列表里出现了新装的节点,再开始搭复杂的东西。

1.4 安装后验证与工作流兼容性检查

装完节点重启之后,第一件事是看启动日志有没有报错。命令行窗口里如果出现 IMPORT FAILED 或者一串红色 traceback,说明某个节点加载失败了。这时候别急着打开工作流,先把日志里的节点名字记下来,去 custom_nodes 里找到对应文件夹,重新装一遍依赖。有时候是缺了某个 Python 包,日志里会直接写 ModuleNotFoundError: No module named 'xxx',照着装就行。

缺失节点提示在工作流加载的时候特别明显。你打开一个别人分享的工作流,ComfyUI 会弹窗告诉你缺了哪些节点,一般是一串红色的节点名。这时候你可以用 Manager 的“Install Missing Custom Nodes”功能,它会自动识别并尝试安装。我试过几次,成功率还行,但装完一定要重启再验证。有些节点虽然装上了,版本不对也会导致工作流报错,比如输入输出端口对不上。

版本锁定和冲突回退是长期用 ComfyUI 必须养成的习惯。我现在的做法是,每次装新节点之前,先把 custom_nodes 文件夹整个备份一份,或者用 git 记录一下当前各个节点的 commit。万一新装的节点把环境搞崩了,直接回退备份,比一个个卸载快得多。插件管理我倾向于“少而精”,不常用的节点装完测试一下就禁用或者删掉,custom_nodes 里东西越多,启动越慢,冲突概率也越高。工作流跑通之后,我会把节点列表和版本信息记在一个文本文件里,下次换机器或者重装环境的时候照着抄,省去很多排查时间。

2.1 文生图基础工作流搭建

我头一回打开ComfyUI那个空白画布的时候,整个人是懵的。满屏的格子,右键菜单里一堆节点名,根本不知道从哪儿下手。后来我强迫自己把最基础的那条链路走通,才算真正入门。文生图这件事,说白了就是把几块积木按顺序拼起来:模型加载、文本编码、采样、解码、保存。你把这五步连对了,出图就是水到渠成的事。

具体怎么搭呢。右键空白处,搜“Load Checkpoint”,这是起点,选好你的大模型,比如SDXL或者SD1.5的底模。它身上有三个输出口:MODEL、CLIP、VAE,这三个后面都要用上。再从左边拖两个“CLIP Text Encode”节点出来,一个接正向提示词,一个接负向,把CLIP那根线分别怼进去。然后搜“KSampler”,这是整个工作流的心脏,MODEL口连到它的model输入,正向和负向编码的输出各连到positive和negative。别忘了还得有一个“Empty Latent Image”节点,用来定画布尺寸,默认512乘512,想竖图就改成512乘768,这个节点的LATENT口接到KSampler的latent_image上。

最后一步是VAE Decode和Save Image。KSampler的LATENT输出先经过VAE Decode还原成像素图,VAE那根线从Load Checkpoint拉过来接上,解码完的IMAGE口连到Save Image,齐活。我头一次连的时候把VAE Decode的输入接错了,接到了CLIP的输出上,跑起来直接报错,折腾了半天才看出来。你连完线之后习惯性地从左到右扫一眼,checkpoint在左,采样器在中,保存节点在右,这个流向对了基本就不会出大问题。点一下“Queue Prompt”,看着进度条跑完,右边预览窗口弹出第一张图的时候,那种感觉还是挺爽的。

2.2 实战案例一:人物肖像生成与提示词结构设计

人物肖像这块我练得最多,也踩坑最多。刚开始写提示词就是一堆形容词往上堆,“beautiful girl, masterpiece, best quality”,出来的人脸经常崩,要么眼睛歪,要么手指头多一根。后来我慢慢摸出一个结构:主体描述打头,把人物的年龄、性别、发型、服装、表情说清楚;中间放场景和光影,比如“soft window light, indoor, blurred background”;尾巴上再挂画质词和风格词,“photorealistic, 8k, sharp focus”这类。正向提示词别贪多,一行写个七八个词组就够了,堆太多模型反而抓不住重点。

负向提示词我一般固定一套模板打底:“lowres, bad anatomy, bad hands, extra fingers, missing fingers, blurry, watermark, text”。这套东西救了我很多次,尤其是手部崩坏的问题。权重用法上,我觉得括号最直观,(detailed face:1.3)就是把脸部细节往上提,(blurry:1.4)放负向里就是把模糊往下压。数字别超过1.5,过了容易出油画感或者色块。种子这个参数我建议你先固定住,同一个seed反复调提示词和采样参数,这样你能清楚看到每个改动带来的变化,不然每次都是新图,根本分不清是哪个变量起了作用。

采样参数方面,我常用的组合是steps 25到30,CFG 7左右,采样器选dpmpp_2m配karras调度器,出图质量和速度比较平衡。CFG太低画面发灰,太高颜色会过饱和,人物皮肤容易塑料感。我试过一次CFG拉到12,人脸直接变成蜡像,吓得我赶紧调回来。肖像图我习惯把分辨率设成768乘1024或者832乘1216,SDXL的底模对高分辨率支持更好,出片的脸部细节明显更扎实。你要是用SD1.5,512乘768起步,想要高清再用放大节点补,别一上来就怼大图,容易出双头怪。

2.3 实战案例二:场景概念图与图生图/ControlNet扩展

场景概念图跟肖像的逻辑完全不一样,构图和空间感才是重点。我拿一张自己拍的街景照片做参考,走的是图生图路线。Load Image把参考图读进来,接一个VAE Encode转成潜空间,再喂给KSampler的latent_image。这里有个关键参数叫denoise,重绘幅度,0.4到0.5之间基本是保留原图结构做风格迁移,0.6到0.7就开始大改,0.8以上原图就只剩个影子了。我做场景概念图一般控制在0.55上下,既能换掉材质和光影,又不至于把建筑的透视关系搞乱。

ControlNet是另一条路子,控制力更精准。我常用的是Depth和Canny两个预处理器。Depth适合保留空间层次,做室内或者建筑场景特别顺手;Canny抓边缘线,适合把线稿或者草图变成成品。接法是Load Image后面挂一个“Depth Preprocessor”或者“Canny Edge”,预处理完的图像接到“Apply ControlNet”节点,再把这个节点的输出塞进KSampler的positive和negative里。控制强度那个strength参数我一般设0.6到0.8,太低没效果,太高画面会僵,线条硬邦邦的像贴上去的。

参数联动这件事得单独提一嘴。你用了ControlNet,denoise就不能随便设了。我的经验是denoise在0.7左右配合strength 0.7,出来的图既有ControlNet约束的骨架,又有模型自由发挥的肉。denoise降到0.4以下,ControlNet的痕迹会特别重,画面容易发灰发死。还有一点,参考图的分辨率最好跟你的输出尺寸接近,差太多的话预处理出来的控制图会变形,最终结果也跟着歪。我做一张城市夜景概念图的时候,参考图是横构图,输出设了竖构图,结果楼全被拉长了,后来把参考图裁成竖的才解决。

2.4 提示词模板与工作流复用

提示词这东西,现场想是很累的,我现在的做法是建一个txt文档当提示词库。按类别分:人物、场景、产品、风格词、负向模板,每个类别下面攒个十几条经过验证的组合。用的时候直接复制粘贴,改几个关键词就行,效率高很多。我还会在每条提示词后面标注它适合的模型和采样参数,比如“SDXL用,steps 30,cfg 7”,下次翻出来直接套,不用重新试错。

工作流复用我走的是另一条思路:把跑通的整套节点存成模板。ComfyUI有个“Save”按钮,能把当前画布存成json文件,下次“Load”进来所有节点和连线都在。我按用途存了好几个,肖像模板、场景模板、带ControlNet的模板,每个模板里的参数都是调好的基线值,用的时候只动提示词和seed。参数调优的记录我也做,每次出图觉得不错,就把seed、steps、cfg、采样器、denoise这些抄到一个小表格里,攒多了你就能看出来自己偏好哪套参数组合,下次起步就有方向。

批量生成我玩得不算深,但基础操作还是会的。KSampler里有个batch_size参数,设成4就是一次出四张,seed会按顺序递增。想大规模跑的话可以装一些批处理节点,把提示词列表喂进去自动循环。结果复盘这个环节很多人跳过,我觉得挺可惜的。我习惯把每一批图存到带日期的文件夹里,挑出满意的几张,回头看看它们的共同点是什么——是seed接近,还是提示词结构相似,还是某个采样器特别对味。这种反向归纳比瞎试快得多,慢慢你就有一套自己的出图手感了。

赞0
踩0
☆收藏0
版权声明
文章版权声明:除非注明,否则均为chuanbook原创文章,转载或复制请以超链接形式并注明出处。
分享到
chuanbook

链接已复制到剪贴板