ComfyUI 使用教程：从入门到搭建节点式 AI 图像生成工作流

ComfyUI 使用教程：学习如何下载、安装并搭建节点式 AI 图像生成工作流界面。本教程涵盖基础操作、常用节点、工作流保存与加载，并解答常见问题。

第一步：获取并安装 ComfyUI

ComfyUI 是一个节点式 AI 图像生成工作流界面，它通过可视化的节点连接方式来控制图像生成的每一个环节。与传统的单一界面不同，ComfyUI 允许你像搭建流程图一样，将不同的功能模块（如加载模型、输入提示词、设置采样参数、保存图像）连接起来，从而实现对生成过程的精细控制。

在开始 ComfyUI 使用教程之前，你需要先从官方网站获取 ComfyUI 的安装包。由于不同操作系统的安装方式可能有所差异，请访问 ComfyUI 官方网站查看详细的下载指引和系统要求。一般来说，安装过程包括以下步骤：

1. 前往官方网站https://comfy.org 下载适合你操作系统的版本（Windows、macOS 或 Linux）。

2. 解压下载的文件到本地目录，并确保你的电脑满足运行 AI 模型的基本硬件条件（如足够的内存和显卡显存）。

3. 根据官方说明安装必要的依赖环境，例如 Python 和相关的库。若你遇到安装问题，建议参考官方文档中的疑难解答部分。

4. 启动程序。启动后，ComfyUI 会在本地打开一个网页界面，通常默认地址是 localhost:8188，你可以在浏览器中访问它。具体端口和启动方式请以官方信息为准。

启动后，你会看到一个由节点组成的画布。每个节点代表一个操作，例如加载模型、文本编码、采样器、解码等。节点之间有连线，代表数据流向。ComfyUI 使用教程的核心就是学会如何连接这些节点。

搭建一个最基础的文生图工作流，通常包含以下几个核心节点：

1. 加载模型节点（Checkpoint Loader）：这个节点用于加载一个 AI 模型。你可以在节点中选择模型文件，并输出模型、CLIP 和 VAE 三个数据流。

2. 文本提示节点（CLIP Text Encode）：用于输入正向提示词（描述你想要的图像内容）和负向提示词（描述你不想要的内容）。你需要两个这样的节点，分别连接正面和负面提示。

3. 采样器节点（KSampler）：这是生成图像的关键节点，它接收模型、提示词编码、噪声种子、步数等参数，并输出潜空间图像数据。

4. 图像解码节点（VAE Decode）：将潜空间数据转换为真实的图像。

5. 保存图像节点（Save Image）：将生成的图像保存到本地。

连接这些节点的基本步骤：

注意：不同版本的 ComfyUI 节点名称或端口可能略有变化，但逻辑是通用的。如果找不到某个节点，可以搜索相关节点名称，相关详情请以 ComfyUI 官方信息为准。

当你搭建好一个满意的 ComfyUI 工作流后，最好将其保存下来，方便日后复用。在 ComfyUI 界面中，通常有"保存"或"导出"按钮，可以将当前工作流保存为 JSON 格式的文件。加载时，只需导入该 JSON 文件即可自动恢复所有节点和连接。

优化实践建议：

使用模板： 官方可能提供一些示例工作流，你可以从官方社区或文档中获取并加载，作为起点修改。这能帮你快速理解节点组合。
调整参数： 采样器中的步数、cfg、种子等参数会影响生成质量和随机性。你可以在"执行"之前多次尝试不同参数，观察效果变化。相关参数的范围和推荐值请以官方信息为准。
管理模型： ComfyUI 需要配合特定的 AI 模型文件使用。你可以从模型网站下载模型文件，并放置到 ComfyUI 的 models 目录下。具体支持的模型格式和放置路径，请查阅官方文档。
社区交流： 遇到工作流搭建或节点使用的问题，可以在官方论坛或社区中提问，也可以搜索他人分享的工作流 json 文件直接导入学习。网络上有很多公开的工作流资源，但请留意其来源和合法性。

故障排查思路：

通过反复练习，你将熟悉 ComfyUI 的节点布局和逻辑。记住，ComfyUI 的灵活性很高，你可以根据需求添加自定义节点或插件来扩展功能，但相关扩展的安装和使用方法，请以官方信息为准。