"如果你不能向一个六岁的孩子解释清楚，那你自己也没搞懂。"
——理查德·费曼

---

📖 序章：当 AI 绘画遇见乐高积木

你有没有想过，为什么有些 AI 生成的图片那么惊艳，而你的尝试却总是差强人意？

问题的答案，往往不在于你用的模型有多高级，而在于你是否真正理解了图像生成的本质流程。就像同样是面粉、鸡蛋和牛奶，有人能做出米其林三星的可丽饼，有人却只能摊出一堆焦糊的煎饼。

ComfyUI 就像是把 AI 绘画这件事，拆解成了一堆积木。

想象一下，传统的 AI 绘画软件（比如 AUTOMATIC1111 的 WebUI）是一个封装好的黑盒子——你输入文字，它输出图片。这很方便，但也很受限。就像你用傻瓜相机拍照，按快门就行，但你永远不知道光圈、快门速度、ISO 是怎么配合的。

而 ComfyUI 呢？

它把整个过程可视化了。每一个步骤——加载模型、编码提示词、采样去噪、解码图像——都是一个可以拖拽的节点。你可以像拼乐高一样，把这些节点连接起来，构建出任意复杂的图像生成流程。

小注解：节点（Node）是什么？简单说，它就是一个功能模块。输入数据进来，经过处理，输出结果出去。就像咖啡机：倒入水和咖啡豆（输入），按下开关（处理），流出咖啡（输出）。

这种设计的美妙之处在于——透明。

你看到的不是一个神秘的黑盒子，而是一条清晰的数据流。数据从左边流进，经过一个个处理节点，最终在右边变成图像。如果结果不满意，你可以清楚地看到是哪个环节出了问题，然后调整对应的节点参数。

这就是 ComfyUI 的核心理念：把复杂的事情拆简单，把隐藏的东西变透明。

让我们开始这场探险吧。

---

🚀 第一章：搭起你的工作台

1.1 选择你的武器

ComfyUI 有三种主要的安装方式，就像你可以选择骑自行车、开汽车或者坐高铁去同一个目的地——取决于你的需求和条件。

🖥️ 方式一：桌面版（推荐新手）

这是 ComfyUI 官方推出的傻瓜式安装包，支持 Windows 和 macOS。

它的优点是：

• 一键安装，不用折腾 Python 环境
• 自动更新，永远保持最新版本
• 内置模型管理器，下载模型很方便

💼 方式二：便携版（Windows 专属）

这是一个绿色免安装版本，下载解压就能用，甚至可以直接放在 U 盘里随身携带。

下载地址：https://github.com/comfyanonymous/ComfyUI/releases

解压后你会看到这样一个文件夹结构：

ComfyUI_windows_portable/
├── ComfyUI/                    # 核心程序
│   ├── models/                 # 模型存放目录
│   │   ├── checkpoints/        # 大模型（如 SDXL、Flux）
│   │   ├── loras/              # LoRA 模型
│   │   ├── controlnet/         # ControlNet 模型
│   │   ├── vae/                # VAE 模型
│   │   └── upscale_models/     # 放大模型
│   ├── custom_nodes/           # 自定义节点插件
│   └── ...
├── python_embeded/             # 内置 Python 环境
└── run_nvidia_gpu.bat          # 启动脚本（NVIDIA 显卡）

🛠️ 方式三：手动安装（适合极客）

如果你已经熟悉了 Python 环境，或者使用的是 Linux 系统，手动安装会给你最大的控制权。

# 1. 克隆仓库
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# 2. 安装依赖
pip install -r requirements.txt

# 3. 安装 PyTorch（根据你的硬件选择）
# NVIDIA GPU:
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu130

# AMD GPU (Linux):
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm7.1

# Apple Silicon:
pip install torch torchvision torchaudio

# 4. 启动
python main.py

小注解：PyTorch 是什么？你可以把它理解为 AI 模型的"发动机"。不同的显卡需要不同的发动机版本——NVIDIA 用 CUDA，AMD 用 ROCm，苹果用 Metal。

1.2 第一次启动

无论你选择哪种方式，启动后打开浏览器，访问 http://127.0.0.1:8188，你会看到这样的界面：

这就是 ComfyUI 的主战场。中间那片空白画布，就是你即将挥洒创意的舞台。

1.3 模型该放哪？

ComfyUI 默认会自带一个简单的示例模型，但如果你想生成更精美的图像，需要下载更大的模型文件。

这就像是你买了一个专业相机，但默认只配了一个普通镜头。想拍出大片，你得换更好的镜头。

主要模型类型及存放位置：

小注解：Checkpoint 为什么叫"检查点"？因为在训练 AI 模型的过程中，会定期保存进度，这些保存的文件就叫 checkpoint。你可以理解为游戏的存档文件。

---

🧩 第二章：节点——ComfyUI 的乐高积木

2.1 什么是节点？

现在，让我们深入理解 ComfyUI 的核心概念——节点（Node）。

想象你在厨房里做一道菜。你需要：

1. 从冰箱里取出食材（加载）
2. 用菜刀切好（处理）
3. 放入锅里炒（加工）
4. 盛到盘子里（输出）

ComfyUI 的节点，就像是厨房里的各种工具和设备。每个节点都有特定的功能，它们通过"线"连接起来，数据就像食材一样，从一个节点流向另一个节点。

节点的基本结构：

┌─────────────────────────┐
│      节点名称            │  ← 告诉你这个节点是做什么的
├─────────────────────────┤
│                         │
│   ○ 输入1               │  ← 左侧是输入接口（接收数据）
│   ○ 输入2               │
│                         │
│   [参数1: 值]           │  ← 中间是参数设置
│   [参数2: 值]           │
│                         │
│   ● 输出1               │  ← 右侧是输出接口（发送数据）
│   ● 输出2               │
│                         │
└─────────────────────────┘

2.2 认识数据类型的颜色

ComfyUI 用颜色来区分不同类型的数据流，这就像是电路中的不同颜色的电线：

小注解：什么是潜空间（Latent Space）？想象你有一张高清照片，直接处理它很慢。潜空间就像是照片的"压缩版"，保留了关键信息但尺寸更小。AI 在潜空间里工作效率更高，最后再通过 VAE 解码回正常图像。

2.3 你的第一个工作流

让我们从最经典的 文生图（Text to Image） 流程开始。

这个数据流可以这样理解：

┌─────────────────┐     ┌─────────────────┐     ┌─────────────────┐
│  Load Checkpoint │────▶│  CLIP Text      │     │  Empty Latent   │
│  (加载大模型)     │     │  Encode (编码   │◀────│  Image (空白画布)│
│                 │     │   提示词)        │     │                 │
│  输出: MODEL    │     │                 │     │  输出: LATENT   │
│        CLIP     │     │  输入: 文本     │     │                 │
│        VAE      │     │  输出: CONDITIONING│  │                 │
└─────────────────┘     └─────────────────┘     └─────────────────┘
         │                       │                       │
         │                       ▼                       ▼
         │              ┌─────────────────┐     ┌─────────────────┐
         │              │  KSampler       │◀────│                 │
         └─────────────▶│  (采样器)        │     │                 │
                        │                 │     │                 │
                        │  输入: MODEL    │     │                 │
                        │        +CONDITIONING│  │                 │
                        │        LATENT   │     │                 │
                        │  输出: LATENT   │     │                 │
                        └─────────────────┘     │                 │
                                │               │                 │
                                ▼               │                 │
                        ┌─────────────────┐     │                 │
                        │  VAE Decode     │     │                 │
                        │  (解码图像)      │─────┘                 │
                        │                 │                       │
                        │  输入: LATENT   │◀──────────────────────┘
                        │        VAE      │
                        │  输出: IMAGE    │
                        └─────────────────┘
                                │
                                ▼
                        ┌─────────────────┐
                        │  Save Image     │
                        │  (保存图像)      │
                        │                 │
                        │  输入: IMAGE    │
                        └─────────────────┘

步骤详解：

1️⃣ Load Checkpoint（加载大模型）

这是整个流程的起点。就像你要开始画画，首先得拿出画笔和颜料。

• MODEL：大模型本身（淡紫色线）
• CLIP：文本理解组件（黄色线）
• VAE：图像编解码器（玫瑰色线）

2️⃣ CLIP Text Encode（编码提示词）

这一步把人类的文字翻译成 AI 能理解的"语言"。

• 正面提示词（Positive）：你想要什么？比如 "a beautiful sunset over mountains, high quality, masterpiece"
• 负面提示词（Negative）：你不想要什么？比如 "blurry, low quality, deformed"

小技巧：提示词越具体越好。与其说 "a person"，不如说 "a young woman with long black hair, wearing a red dress, standing in a garden"。

3️⃣ Empty Latent Image（空白画布）

这是 AI 作画的"画布"。你可以选择尺寸：

• 512×512（正方形）
• 512×768（竖版）
• 768×512（横版）
• 或者任意你喜欢的比例

小注解：为什么是 512？这是 SD 1.5 模型训练时的默认尺寸。SDXL 支持 1024×1024。记住：尺寸越大，需要的显存越多，生成越慢。

4️⃣ KSampler（采样器）

这是魔法发生的地方！

采样器的工作，简单来说，就是从一张 随机噪声图 开始，逐步 去噪，最终变成一张清晰的图像。

关键参数：

• seed（种子）：随机数的起点。同样的种子+同样的参数=同样的图像
• steps（步数）：去噪的迭代次数。通常 20-30 步就够了
• cfg（引导强度）：提示词的影响力。7-8 是常用值，太高会让图像过饱和
• sampler_name（采样算法）：Euler、DPM++、UniPC 等，各有特点
• scheduler（调度器）：控制噪声曲线的变化方式

比喻时间：想象你在一块布满随机划痕的大理石上雕刻。每一步，你都根据脑海中的图像（提示词），决定哪些划痕该加深、哪些该磨平。步数越多，细节越精细，但耗时也越长。

5️⃣ VAE Decode（解码图像）

采样器输出的还是潜空间图像（AI 的"思维空间"），VAE 把它解码成人类能看懂的像素图像。

6️⃣ Save Image（保存图像）

最后，把生成的图像保存到 output 文件夹。

---

🔧 第三章：图生图与局部重绘

3.1 图生图（Image to Image）

如果说文生图是"凭空创造"，那图生图就是"改造已有"。

核心区别：用一张真实图像替代 Empty Latent Image，并且多了一个重要参数—— denoise（去噪强度）。

• denoise = 0.0：完全保留原图，没有任何变化
• denoise = 0.5：一半原图，一半新内容
• denoise = 1.0：完全重绘，原图只保留大致结构

实际应用：

• 低 denoise（0.2-0.4）：改变风格但保留内容，比如把照片变成油画风格
• 中 denoise（0.5-0.7）：较大改动，比如改变人物服装、背景
• 高 denoise（0.8-1.0）：几乎完全重绘，只保留构图

3.2 局部重绘（Inpainting）

这是图生图的高级应用——只修改图像的特定区域，其他地方完全保留。

关键节点：Set Latent Noise Mask（设置潜空间遮罩）

使用方法：

1. 在 Load Image 节点上传图片
2. 右键图片 → Open in MaskEditor（打开遮罩编辑器）
3. 用画笔涂抹想要重绘的区域（黑色是保留，白色是重绘）
4. 连接遮罩到 Set Latent Noise Mask

生活比喻：就像装修时给家具盖防尘布。遮罩就是那块布，盖住的地方保护起来，没盖住的地方重新粉刷。

---

🎮 第四章：ControlNet——让 AI 听指挥

4.1 为什么需要 ControlNet？

文生图有一个痛点：随机性太强。

你说 "a person standing"，AI 可能给你生成正面站立、侧面站立、背影，姿势、角度、构图完全随机。如果你想要 特定的姿势 或 特定的构图，怎么办？

这就是 ControlNet 的用武之地。

ControlNet 就像给 AI 提供了一个"参考图"：你可以画一个火柴人简笔画，ControlNet 会让 AI 按照那个姿势生成真实的图像。

4.2 ControlNet 的工作原理

ControlNet 的节点链：

Load Image → Preprocessor → Load ControlNet Model → Apply ControlNet → KSampler

预处理器的种类：

小注解：什么是预处理器？想象你要根据一张照片画一幅画。预处理器就像是先用铅笔在画布上轻轻勾勒轮廓，你再根据这个轮廓上色。不同的预处理器，勾勒出不同类型的轮廓。

4.3 实战：OpenPose 控制人物姿势

假设你想要生成一张"女孩在跳舞"的图片，但不想随机生成姿势，而是想要 特定 的舞姿。

步骤：

1. 准备姿势图：找一张你想要的姿势的图片（或者自己摆姿势拍一张）

2. 提取骨架：使用 OpenPose 预处理器提取人体骨架

   

3. 加载 ControlNet 模型：control_v11p_sd15_openpose.pth

4. 设置强度（strength）：0.8-1.0 表示严格按照姿势，0.5 表示较宽松的参考

5. 运行生成：AI 会按照骨架的姿势生成图像，但人物长相、服装、背景由你的提示词决定

进阶技巧：你可以用多个 ControlNet 同时控制！比如用 OpenPose 控制姿势 + Depth 控制空间关系 + Canny 保持轮廓。这就像给 AI 多个参考维度。

4.4 实战：Canny 保持图像结构

Canny 边缘检测会提取图像的轮廓线条：

应用场景：

• 把一张风景照片转换成动漫风格，但保持原图的构图
• 把素描转换成彩色插画
• 保持产品照片的角度和结构，只改变材质和颜色

---

🧪 第五章：LoRA——风格的魔法调料

5.1 什么是 LoRA？

LoRA（Low-Rank Adaptation）是一种 模型微调技术。

想象 Checkpoint 是一碗白米饭，LoRA 就是各种调料——酱油、咖喱、番茄炒蛋。基础还是那碗饭，但加上不同的调料，味道完全不同。

技术上，LoRA 是一个小文件（通常几十 MB），它记录了如何修改大模型的权重，以实现特定的风格或效果。

5.2 在 ComfyUI 中使用 LoRA

节点链：

Load Checkpoint → Load LoRA → CLIP Text Encode → KSampler

注意：LoRA 节点位于 Checkpoint 和 CLIP 编码器之间。LoRA 会同时修改 MODEL 和 CLIP，所以输出有两个接口需要正确连接。

关键参数：strength_model（强度）

• 0.0：完全不起作用
• 0.5：中等影响
• 1.0：完全应用 LoRA 的效果
• >1.0：加强效果（可能过拟合）
• <0：反向应用（产生相反效果）

实用技巧：

• 多个 LoRA 可以串联使用，比如一个控制画风 + 一个控制人物
• 不同 LoRA 的强度可以分别调整，找到最佳组合
• 如果人物崩坏，尝试降低 LoRA 强度或更换 LoRA

5.3 常见的 LoRA 类型

---

🎯 第六章：高级工作流技巧

6.1 高清修复（Hi-Res Fix）

直接生成 1024×1024 或更大的图像，容易出现重复、崩坏等问题。

解决方案：先生成小图，再用图生图放大。

流程：

1. 用 KSampler 生成 512×512 的小图
2. 用 Upscale Latent 放大潜空间图像（比如放大 2 倍到 1024×1024）
3. 再用 KSampler 进行第二次采样（denoise 设为 0.5 左右），增加细节
4. VAE Decode 解码输出

6.2 分区生成（Area Composition）

想要在一张图里精确控制不同区域的内容？比如左边是森林，右边是沙漠，中间是湖泊。

使用 Conditioning (Set Area) 节点，你可以：

• 定义每个区域的位置和大小（x, y, width, height）
• 为每个区域设置独立的提示词
• 用 Conditioning (Combine) 合并多个区域

6.3 图像放大（Upscaling）

方法一：潜空间放大

在潜空间直接放大（Upscale Latent），然后二次采样。优点是速度快，缺点是可能产生新内容。

方法二：AI 放大模型

使用专门的超分辨率模型（如 ESRGAN、SwinIR）：

节点： Load Upscale Model → Upscale Image (using Model)

这种方法不会改变图像内容，只是"清晰化"原有内容。

方法三：Ultimate SD Upscale（终极放大）

这是 ComfyUI 社区开发的高级放大节点，结合了分块处理和无缝拼接技术，可以超大尺寸放大（4K、8K）而不显存溢出。

---

🔌 第七章：自定义节点与 ComfyUI-Manager

7.1 什么是自定义节点？

ComfyUI 的核心功能已经很强大，但社区开发者的创造力是无穷的。

自定义节点（Custom Nodes）就像是给你的 ComfyUI 安装"插件"，扩展各种神奇功能：

• 更高级的 ControlNet 控制
• 面部修复（Face Detailers）
• 图像后处理滤镜
• 视频生成工作流
• 3D 模型生成
• ...

7.2 安装 ComfyUI-Manager

ComfyUI-Manager 是一个必装的自定义节点，它是"节点的节点管理器"。

安装方法：

cd ComfyUI/custom_nodes
git clone https://github.com/ltdrdata/ComfyUI-Manager.git

重启 ComfyUI，你会在界面右上角看到一个新的 Manager 按钮。

7.3 使用 Manager

点击 Manager 按钮，你可以：

救命功能：当你下载别人的工作流但缺少某些节点时，点击 Install Missing Custom Nodes，Manager 会自动识别并帮你安装所有缺失的节点！

7.4 推荐的自定义节点

---

🎨 第八章：实战案例集锦

8.1 案例一：角色一致性创作

场景：你要创作一个系列插画，主角是同一个女孩，但场景和动作不同。

解决方案：

1. 训练或使用一个该角色的 LoRA
2. 用 OpenPose ControlNet 控制不同姿势
3. 用 IP-Adapter 保持面部特征一致性
4. 改变提示词生成不同场景

8.2 案例二：产品渲染

场景：你是电商设计师，要把产品图生成各种场景的效果图。

解决方案：

1. 用 Canny ControlNet 保持产品轮廓
2. 用 Depth ControlNet 保持空间关系
3. 用提示词描述不同的使用场景
4. 用 Inpainting 局部修改某些细节

8.3 案例三：建筑风格转换

场景：你是建筑师，想快速看不同风格的建筑效果图。

解决方案：

1. 用 MLSD ControlNet 提取建筑直线结构
2. 用不同风格的 LoRA（现代、古典、科幻）
3. 批量生成多种方案对比

8.4 案例四：动画制作

场景：制作简单的 AI 动画。

解决方案：

1. 使用 AnimateDiff 节点生成视频帧
2. 用 OpenPose ControlNet 保持角色姿势连贯
3. 用 IP-Adapter 保持角色外观一致
4. 输出视频序列

---

📚 附录

A. 快捷键大全

B. 常见错误排查

C. 资源推荐

模型下载：

• Civitai - 最大的模型社区
• Hugging Face - 官方模型仓库

工作流分享：

• ComfyUI Examples
• OpenArt
• Comfy Workflows

学习资源：

• ComfyUI 官方文档
• ComfyUI Wiki

---

尾声：创造属于你的工作流

学习 ComfyUI 的过程，就像是学习一门新的视觉语言。

刚开始，你可能会觉得节点连接很繁琐——为什么要用这么多步骤，而不是像其他软件那样点一个按钮？

但随着你逐渐深入，你会发现这种 透明化、模块化 的设计，给了你一个其他软件无法比拟的优势：完全的控制权。

当你理解了数据如何在节点间流动，当你能够拆解任意复杂的工作流，当你可以根据自己的需求随意组合功能模块——你就真正掌握了 AI 绘画的本质。

记住费曼的那句话：

"What I cannot create, I do not understand."
"凡我不能创造的，我都没有真正理解。"

现在，你已经有了构建任何工作流的知识。去吧，创造属于你的视觉奇迹。

---

参考文献

1. ComfyUI GitHub Repository - 官方源码与文档
2. ComfyUI Examples - 官方工作流示例集合
3. ComfyUI Documentation - 官方文档中心
4. ComfyUI ControlNet Guide - ControlNet 官方示例
5. ComfyUI-Manager - 节点管理器文档

---

本教程基于 ComfyUI 2026 年最新版本编写，持续更新中。

愿你的每个创意，都能在这个节点世界里自由流动。 🌊✨