最新ComfyUI安装教程：本地部署、节点安装与出图测试全流程

环境准备与核心程序获取

在开始安装ComfyUI之前，需要确保本地计算机具备合适的运行环境。首要条件是安装Python，建议版本为3.10或3.11，过新或过旧的版本可能导致兼容性问题。用户可以从Python官网下载安装程序，安装时务必勾选“Add Python to PATH”选项，以便在命令行中直接调用。之后，建议通过Python自带的pip工具更新必要的依赖库，例如使用命令“pip install --upgrade pip”进行升级。

接下来是获取ComfyUI的核心程序文件。最直接的方式是访问其官方GitHub仓库，下载最新的稳定版本源代码压缩包。对于不熟悉Git命令的用户，页面通常提供“Code”按钮，点击后选择“Download ZIP”即可。下载完成后，将压缩包解压到一个易于访问的本地目录，例如“D:\ComfyUI”。需要注意的是，存放路径应避免包含中文或特殊字符，以防程序运行时出现无法识别路径的错误。

启动配置与依赖安装

解压核心文件后，首次启动前需要进行简单的配置。进入解压后的ComfyUI文件夹，找到名为“run_nvidia_gpu.bat”（适用于NVIDIA显卡用户）或“run_cpu.bat”（适用于仅使用CPU运行的用户）的批处理文件。如果文件夹内没有这些文件，用户可能需要根据官方Wiki指引手动创建。对于大多数拥有独立显卡的用户，使用GPU版本能极大提升图像生成速度。

双击运行对应的批处理文件，命令行窗口将自动打开并开始安装所需的Python依赖包，例如torch、torchvision以及其他支持库。这个过程需要保持网络畅通，所需时间取决于网速和计算机性能。安装完成后，命令行窗口通常会显示本地服务的访问地址，最常见的是“http://127.0.0.1:8188”。此时，打开浏览器并输入该地址，即可看到ComfyUI的空白工作流界面，这标志着核心程序已成功运行。

功能节点的安装与管理

纯净安装的ComfyUI仅包含最基础的节点，要发挥其强大功能，需要安装额外的自定义节点。这些节点通常以插件形式存在，用于加载模型、控制图像生成参数、实现高级处理功能等。节点管理主要通过在ComfyUI安装目录下的“custom_nodes”文件夹中进行。

安装节点主要有两种方法。第一种是直接克隆Git仓库：在“custom_nodes”文件夹内打开命令行，输入“git clone [节点仓库地址]”即可。第二种是手动安装：从节点发布页面下载源代码，解压后放入“custom_nodes”文件夹。安装完成后，需要完全重启ComfyUI（关闭命令行窗口并重新运行启动批处理文件），新安装的节点才会在界面左侧的节点列表中间出现。用户可以通过界面上的“Manager”菜单或专用管理器节点来查看、更新或禁用已安装的节点，保持工作环境的整洁与稳定。

基础工作流搭建与出图测试

成功安装节点后，即可开始搭建第一个图像生成工作流进行测试。一个最基础的文生图流程通常包含以下几个关键节点：首先需要“Checkpoint Loader”节点来加载所需的Stable Diffusion大模型；接着是“CLIP Text Encode”节点，分别输入正向提示词和负向提示词；然后是“KSampler”节点，用于设置采样器、步数、种子等生成参数；最后需要“VAE Decode”和“Sa ve Image”节点来解码并保存生成的图片。

在界面上，通过鼠标右键点击空白处可以唤出节点添加菜单。依次添加上述节点后，使用鼠标拖拽连接节点的输出与输入端口。例如，将Checkpoint Loader的“MODEL”输出连接到KSampler的“model”输入，将CLIP Text Encode的“CONDITIONING”输出连接到KSampler的“positive”和“negative”输入。所有连接完成后，点击界面上的“Queue Prompt”按钮，即可开始生成图片。生成的图片会显示在预览窗口，并自动保存到ComfyUI输出目录中。通过这个测试，可以验证软件、模型及节点的安装是否全部正确。

常见问题排查与优化建议

在安装和使用过程中，可能会遇到一些问题。如果启动批处理文件后窗口闪退，通常是Python环境配置或路径错误导致，可以尝试在命令行中手动进入ComfyUI目录，运行“python main.py”命令来查看具体的错误信息。如果浏览器无法访问本地服务地址，可能是端口被占用，可以修改“extra_model_paths.yaml”配置文件中的端口号设置。

为了获得更好的使用体验，建议采取一些优化措施。将常用的基础模型和VAE模型文件放置在正确的“models”文件夹子目录下，便于节点快速调用。定期清理输出文件夹，避免占用过多磁盘空间。对于复杂工作流，可以善用“Sa ve”和“Load”功能，将调试好的流程保存为JSON文件，方便日后复用或分享。随着使用的深入，逐步探索更多高级节点和流程控制技巧，能够更高效地利用ComfyUI完成复杂的图像生成任务。