ComfyUI

AI绘画进阶用户和开发者用节点图编排扩散模型工作流，ComfyUI 以模块化后端+图形界面替代传统 WebUI 的固定管线。

它能做什么

ComfyUI 将 Stable Diffusion 等扩散模型的处理流程拆解为可拖拽连接的节点，每个节点对应模型加载、提示词输入、采样、图像放大等单一操作。用户通过连线定义数据流向，实现自定义管线，例如同时运行多个采样器对比结果、在生成中途插入 ControlNet 控制、或串联 LoRA 和超分模型。

• 图生图/文生图: 支持 img2img、txt2img 及 Inpainting 节点
• 批量队列: 内置队列系统，可连续执行多条工作流并保存配置
• API 模式: 启动时加 --listen 参数暴露 REST API，供外部程序调用
• 模型热加载: 切换 checkpoint 或 LoRA 无需重启，节点内直接选择
• 实时预览: 采样过程中逐 step 显示中间结果，可随时中断

和同类工具的差异

与 Automatic1111 的 WebUI 相比，ComfyUI 的核心差异在于节点图架构。WebUI 提供固定标签页（文生图、图生图、后期处理），用户无法改变处理顺序；ComfyUI 允许自由组合节点，例如在采样前插入图像放大、或在 VAE 解码前修改 latent。性能方面，ComfyUI 的优化执行引擎能跳过未连接的节点，显存占用更低。

• 显存效率: 官方测试 8GB VRAM 可运行 SDXL 基础工作流，WebUI 同等配置需 12GB
• 扩展方式: 通过 custom_nodes 文件夹安装第三方节点包，社区已贡献超 2000 个节点
• 模型兼容: 原生支持 SD1.5、SDXL、SD3、Flux、Stable Cascade，通过节点适配其他架构
• 导出格式: 工作流保存为 JSON 文件，可分享或嵌入到生成的图片元数据中

怎么上手

从 GitHub 仓库 Release 页下载对应系统的预编译包（Windows 有 exe 安装器，macOS 和 Linux 需手动解压）。首次启动自动下载基础模型，若无模型则进入空画布。官方提供示例工作流 JSON，拖入界面即可加载完整节点图。进阶用户可编辑 custom_nodes 目录下的 Python 文件自定义节点。

• 一键安装: Windows 用户下载 comfyui_windows_portable.7z，解压后运行 run_nvidia_gpu.bat
• 模型路径: 默认 models/checkpoints 存放主模型，models/loras 存放 LoRA
• 工作流导入: 将 .json 文件拖入浏览器窗口，或点击 Load 按钮选择
• 快捷键: Ctrl+Enter 执行队列，Ctrl+Shift+Enter 执行当前节点分支
• 远程访问: 修改 extra_model_paths.yaml 可映射外部模型文件夹

注意事项

ComfyUI 不内置模型下载功能，用户需自行准备 checkpoint 文件。首次加载模型时需等待缓存建立，后续切换更快。部分第三方节点可能依赖特定 Python 库，需手动 pip install。

• 依赖环境: 需 Python 3.10+，推荐使用官方提供的 portable 版本避免环境冲突
• 安全提醒: 从社区下载的 custom_nodes 可能含恶意代码，建议审查后再使用
• 版本兼容: 主程序更新频繁，部分旧节点可能失效，升级前备份工作流 JSON

常见问题

Q1：ComfyUI 和 Stable Diffusion WebUI 哪个更适合新手？

A1：WebUI 的固定界面学习曲线更低，ComfyUI 的节点图需要理解数据流概念。但 ComfyUI 官方提供了基础工作流模板（如 txt2img.json），拖入即可生成图片，适合愿意花 30 分钟熟悉节点逻辑的用户。

Q2：ComfyUI 支持视频生成吗？

A2：原生不支持视频生成，但社区节点（如 ComfyUI-VideoHelperSuite）可通过逐帧处理实现动画输出。需要额外安装 FFmpeg 并配置帧序列节点。

Q3：如何将 ComfyUI 的工作流分享给他人？

A3：点击界面右上角的 Save 按钮导出为 .json 文件，或开启设置中的“将工作流嵌入图片”选项，生成的 PNG 图片会包含完整节点信息，他人拖入图片即可复现。

更多同类工具与网站,可在文生图分类继续挑选。

信息核实于 2026年7月,具体以官网为准。