ComfyUI 入门指南：核心功能与快速上手全解析

是什么

ComfyUI 是一款专为生成式扩散模型设计的模块化图形用户界面（GUI）、应用程序编程接口（API）与后端执行引擎。它摒弃了传统的表单化控制面板，将复杂的计算流程整合为无限视觉画布上的交互式节点图。在这一工作空间中，被称为“节点”的独立功能模块各司其职，分别负责加载神经网络权重、处理文本提示词、执行数学调整，或是将潜在表示解码为最终画面。用户通过虚拟连线将各个节点串联起来，从而精确控制整个生成环节中的数据流动。

要深入理解其系统架构，熟悉几项基础的 AI 概念大有裨益。扩散模型通过逆转渐进式的数据降噪过程来生成媒体内容，逐步将随机噪声重塑为结构完整的图像、声音或视频；权重模型（Checkpoint）是包含模型已训练参数与权重的庞大整合数据文件；潜在表示（Latent representation）是媒体内容的压缩数学描述，需要通过变分自编码器（VAE）等专用解码器，才能还原为肉眼可见的媒体文件；显存（VRAM）位于显卡之上，是专用的高速存储介质，而系统内存（RAM）则位于计算机主板上。

在系统资源管理方面，ComfyUI 采用了局部计算图重新执行、模型动态分流卸载以及异步队列机制。由于引擎能够实时追踪哪些节点被修改过，因此在迭代调整时，它只会重新计算参数或连线发生变动的部分，有效节省了计算开销。

根据项目 README 说明，ComfyUI 自称是“全球速度最快的本地推理引擎”，并且是“迄今为止针对消费级本地硬件优化最为极致的扩散模型推理引擎”。该软件支持在 Windows、macOS 和 Linux 操作系统上作为桌面客户端、独立便携免安装包或通过源码手动安装本地运行，同时也通过 Comfy Cloud 提供托管云服务。项目的仓库元数据表明，该核心软件基于 GNU 通用公共许可证 v3.0（GPL-3.0）开源协议发布。

能做什么

ComfyUI 原生支持多种生成式媒体模态，涵盖静态图像、动画与视频、合成音频、多模态组合、3D 几何建模以及语言生成。它不局限于单一模型架构，能够跨领域调度极其丰富的开源模型。

在文本生成图像与图像编辑方面，平台原生支持的模型包括 Stable Diffusion 1.5、SDXL、SD3.5、Flux.1、Flux.2、Qwen Image、Z-Image、Hunyuan Image 2.1、HiDream、Lumina Image 2.0、Chroma、Anima、LongCat Image、Ideogram 4、Krea 2、MageFlow、Microsoft Lens、PixelDiT、Kandinsky 5 和 Ernie Image。在专门的图像编辑与微调任务中，支持的框架涵盖 Flux Kontext、Flux.2 Klein、Qwen Image Edit、HiDream E1.1 与 O1、OmniGen2、Boogu、JoyImage Edit、MageFlow Edit 以及 LongCat Image Edit。

在视频生成领域，该引擎兼容 Wan 2.1 和 2.2、LTX-Video 2 和 2.3、HunyuanVideo 1.5、Kandinsky 5 Video、CogVideoX、Cosmos Predict2、Bernini-R、SCAIL 2 及 Mochi 等模型。音频制作支持 ACE-Step 1.5、Stable Audio 3、MiniMax Music 3 和 Yue 2；视音频联合生成支持 MiniMax H3 与 LTX-AV。在 3D 视觉、深度分析和空间建模领域，ComfyUI 支持 Hunyuan3D 2.1、TripoSplat、SeedVR2、SUPIR、Depth Anything 3、MoGe、SAM 3 和 3.1、RT-DETRv4 以及 BiRefNet。此外，平台还能借助 Gemma 3 和 4、Qwen3、Qwen3.5、Qwen3-VL 等模型处理自然语言与多模态任务。

除了基础模型推理之外，ComfyUI 还集成了大量专用节点，可用于图像局部重绘（Inpainting）、画面向外扩展（Outpainting）、参考条件控制、图像合成、模型融合、高清放大、补帧插值、深度估计与语义分割等。其中，局部重绘指重新生成或修改现有图片的指定蒙版区域，向外扩展则是将画面向外部空白区域延伸。用户既可以加载完整的模型文件，也可以拆分加载模块化组件，例如单独的文本编码器、VAE、LoRA（低秩适应模型）、ControlNet 以及各类适配层权重。

在画布上搭建的工作流可以保存、导出，并以轻便的 JSON 文件形式共享。由于生成元数据和随机种子可以直接嵌入到输出文件中，用户只需将生成的图像或视频拖拽回 ComfyUI 画布，即可直接还原完整的工作流。针对复杂的生产流程，内置的 App Mode（应用模式）可以将繁琐的节点布局收折为简洁直观的操作界面。据官网介绍，ComfyUI 还配备了 Comfy Agent，这是一个自动化智能助手，能够根据自然语言描述在画布上自动规划、搭建并运行工作流。

ComfyUI 专为完全离线运行而构建，核心框架在未经用户主动触发的情况下绝不会下载外部资源。为了确保运行环境与在线网络服务彻底隔离，用户可以在启动程序时添加 --offline 命令行参数，该参数会在保留本地离线功能的同时禁用可选的付费 API 节点；也可以使用 --disable-partner-nodes 停用外部合作伙伴集成。同时，平台还兼顾高端数字图像标准，支持 16-bit PNG、32-bit EXR 和 10-bit AVIF 等高位深格式，以及 HDR 图像与视频输出。

怎么开始

用户可以根据自身的操作系统、技术熟练程度以及硬件配置，在多种安装部署途径中进行选择。

对于追求便捷体验的 Windows 和 macOS 用户，项目文档推荐直接从 Comfy 官方网站下载桌面应用程序，这是最轻松的上手方式。

偏好命令行的用户，则可以通过 Python 包管理器，借助官方提供的 comfy-cli 工具进行安装与初始化：

pip install comfy-cli
comfy install

针对不想改动系统底层 Python 环境的 Windows 用户，项目提供了独立的 7z 免安装便携包，分别适配 NVIDIA、AMD、Intel 显卡以及仅 CPU 运行的硬件环境。下载压缩包后，使用 7-Zip 或 Windows 资源管理器解压，运行其中的可执行文件即可启动。模型权重文件需放置在 ComfyUI\models\checkpoints 目录下，VAE 文件则放入 models/vae。如果需要与其他生成式 AI 软件共享模型库以避免重复占用存储空间，只需将配置模板重命名为 extra_model_paths.yaml，并在其中配置自定义的模型文件夹路径即可。

若选择在 Windows 或 Linux 上手动安装，需要克隆官方 Git 仓库并配置相应的 Python 环境。项目核心代码对 Python 3.13 提供了良好支持，Python 3.12 则是解决某些自定义节点依赖冲突时的稳定替代方案。Python 3.14 同样可以运行，不过当第三方组件启用全局解释器锁（GIL）时，自由线程构建版本可能会遇到依赖问题。

根据项目 README 说明，PyTorch 2.7 为基础运行版本要求，但强烈建议安装较新的版本；针对 NVIDIA 20 系列及更新的显卡，则必须配合基于 CUDA 13.0 或更高版本的 PyTorch 环境。

对于 NVIDIA 显卡硬件，安装稳定版 PyTorch 的命令为：

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu130

安装 NVIDIA 每日构建版（nightly）的命令为：

pip install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu132

若遇到报错提示当前的 PyTorch 编译版本未启用 CUDA 支持，项目文档指导用户先卸载已有环境：

pip uninstall torch

卸载完成后，再使用对应的 NVIDIA 安装命令重新安装即可。

对于在 Linux 环境下使用 AMD 显卡的用户，可通过以下命令安装稳定的 ROCm 适配版本：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm7.2

对于在 Windows 环境下使用支持 ROCm 10.0 的 AMD 显卡用户，多架构适配包的安装命令为：

pip install --index-url https://stable.repo.amd.com/rocm/whl-next/ "torch[device-all]==2.13.0+rocm10.0.0" "torchvision[device-all]==0.28.0+rocm10.0.0" "torchaudio==2.11.0.2+rocm10.0.0"

对于在 Windows 和 Linux 下使用支持 XPU 加速的 Intel Arc 显卡，安装原生 PyTorch 的命令为：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/xpu

程序启动后，用户可以通过内置快捷键在画布中进行高效操作：按住 Space 空格键并拖拽鼠标可平移视图；双击鼠标左键可呼出快速搜索框添加新节点；按下 Ctrl + Enter（macOS 上为 Cmd + Enter）可将当前流程加入生成队列；按下 Ctrl + S 即可保存当前工作流。

价格与门槛

根据代码仓库的元数据记录，ComfyUI 是一款在 GNU 通用公共许可证 v3.0（GPL-3.0）协议下发布的开源项目。核心应用程序，包括桌面客户端以及独立的本地便携包，均可免费下载并在个人硬件上本地运行，没有任何软件授权费用。

至于云端托管、API 接口、开发者平台功能以及企业级基础设施，其具体价格与方案请以官方页面为准。项目官网指出，Comfy Cloud 为需要云端托管环境的用户提供了试用选项。此外，官网还提到 Comfy 是 MiniMax 商业授权的官方分销商，可为在本地自有硬件上运行 MiniMax 模型的团队提供商用授权许可。

硬件门槛因所运行模型的具体规模而异。ComfyUI 支持 NVIDIA、AMD、Intel 显卡、Apple Silicon 芯片，也支持仅靠 CPU 运行。根据项目 README 的说明，得益于异步权重流式传输对 GPU 利用率的充分优化，ComfyUI 即使在最低 4GB 显存和 8GB 内存的硬件配置下，也能相对流畅地运行目前体量最大的开源模型。

软件门槛方面，手动部署需要 64 位 Python 环境（推荐 Python 3.13）以及兼容的 PyTorch。尽管最低版本要求为 PyTorch 2.7，但 README 建议更新安装已超过六个月的 PyTorch，并特别指出针对 NVIDIA GeForce RTX 20 系列及更新显卡，必须使用 CUDA 13.0 或更高版本的运行环境。

适合谁

ComfyUI 专为对生成式 AI 流程有精细化控制需求的数字艺术家、视觉特效专家和设计师量身打造。由于处理节点、蒙版、潜在表示以及各项数学参数均在开阔的画布上一览无余，创作者能够随心所欲搭建多阶段定制工作流，彻底突破传统文本提示词界面的局限。

该软件同样非常适合开发者、技术总监以及流程工程师。在可视化编辑器中搭建的工作流可以保存为子图，或直接通过 API 接口导出，方便无缝集成到外部自动化生产工具中。根据官方网站介绍，ComfyUI 已在诸多商业领域得到广泛应用，包括影视特效与动画制作、广告与创意设计工作室、游戏开发，以及电子商务和时尚视觉设计等。

替代品

InvokeAI 是一款开源创意引擎与用户界面，专为借助生成式扩散模型创作视觉媒体而设计。

Stable Diffusion WebUI 是一款广受欢迎的开源网页端界面，主要用于运行和管理基于扩散模型的图像生成工作流。

来源

• https://github.com/Comfy-Org/ComfyUI
• https://www.comfy.org/
• https://github.com/invoke-ai/InvokeAI
• https://github.com/AUTOMATIC1111/stable-diffusion-webui