ComfyUI 入门：告别"抽卡"，走向精准控制的节点式画图
如果你已经玩腻了 WebUI，并且厌倦了反复调整参数却依然只能"开盲盒"般的抽卡体验，那么欢迎来到高端玩家的领域——ComfyUI。它是基于节点式工作流的 SD 图形界面，为你提供像素级的生成控制力。
1. Why ComfyUI? WebUI 不香了吗？
Automatic1111 WebUI 是优秀的"傻瓜相机"，而 ComfyUI 是专业的"单反相机"。它们的底层都是 Stable Diffusion，区别在于交互方式：
| 特性维度 | WebUI (Automatic1111) | ComfyUI |
|---|---|---|
| 学习曲线 | 平缓，界面直观易懂 | 陡峭，需要理解底层生成原理 |
| 复用与分享 | 保存参数，图片自带 Exif 信息 | 核心优势：直接将工作流 JSON 或生成的图片拖入浏览器即可完全复现别人的整个管线。 |
| 性能表现 | 显存占用较高，速度尚可 | 显存管理极其优秀，生成速度更快，能在低显存显卡上跑大图。 |
| 上限与自由度 | 受限于 UI 界面提供的按钮 | 无限自由，你可以串联多个模型、多个 ControlNet 进行极其复杂的运算。 |
2. ComfyUI 的极速安装与启动
好消息是，ComfyUI 官方提供了一键安装包，自带 Python 独立环境，不需要你在系统里乱配一气。
- 前往 ComfyUI 的 GitHub Release 页面。
- 下载
ComfyUI_windows_portable_nvidia_cuXX_or_cpu.7z压缩包。 - 解压到空间充足的硬盘（路径不要有中文）。
- 双击
run_nvidia_gpu.bat即可启动，浏览器会自动跳出全屏网格界面。
如果你之前已经下载了几十 GB 的大模型在 WebUI 里，没必要在 ComfyUI 里重下一遍。
用记事本打开 ComfyUI 目录下的 extra_model_paths.yaml.example，将其重命名为去掉 .example
的后缀。然后在文件中将 base_path: 指向你 WebUI 的根目录路径，重启即可共用模型！
3. 解析基础工作流 (文生图)
初次打开 ComfyUI，你会看到默认的文生图 (Text2Image) 工作流。别被这蜘蛛网吓到，它的连线严格遵循了 AI 作画的科学原理：
1. Load Checkpoint (加载模型)
├─ MODEL (模型的神经网络权重) ━━━━━▶ KSampler (采样器)
├─ CLIP (将文本翻译成向量) ━━━━━▶ CLIP Text Encode (提示词节点)
└─ VAE (将潜空间解码为图像) ━━━━━▶ VAE Decode (解码节点)
2. CLIP Text Encode (提示词) ━━━━━(Conditioning 潜变量)━━━━━▶ KSampler
3. Empty Latent Image (空白画布) ━━━━━(Latent)━━━━━▶ KSampler
4. KSampler (核心运算节点，逐步降噪) ━━━━━(Latent)━━━━━▶ VAE Decode
5. VAE Decode ━━━━━(Image)━━━━━▶ Save Image (出图)左手写指令：通过连线，告诉采样器用哪个模型、念什么咒语（正向/反向提示词）、在多大的空画布上画。
右手出结果：采样器在潜空间中疯狂计算，降噪完毕后，交给 VAE 翻译成人眼看得懂的像素图，最后保存输出。
4. 必备插件：ComfyUI Manager
裸奔的 ComfyUI 连个双击安装插件的功能都没有。你第一时间必须要安装 ComfyUI Manager。
进入 ComfyUI_windows_portable\ComfyUI\custom_nodes 目录，打开命令行，运行：
git clone https://github.com/ltdrdata/ComfyUI-Manager.git重启后，右下角的面板会出现一个 Manager 按钮。这是你的应用商店，你可以用它来一件安装缺少的节点 (Install Missing Custom Nodes)、下载模型甚至一键更新软件。
5. 总结与学习建议
进阶之路
掌握基础连线后，你的下一步就是学会"拆图"。去相关社区下载大神们分享的炫酷图片的 PNG 原件（它内置埋藏了整个 JSON 工作流），把图片直接拖拉拽喂进 ComfyUI 中。看懂他们是如何串联节点、控制光影、修复脸部细节的，这是成长最快的方式。