ComfyUI完整教程：2026最强AI绘画工作流工具从零入门

ComfyUI完整教程：2026最强AI绘画工作流工具从零入门

为什么我从WebUI转到ComfyUI

说实话，我用Stable Diffusion WebUI用了大半年，一直觉得够用。直到有一天我需要批量处理100张图片，WebUI卡得要死，才决定试试ComfyUI。

结果让我震惊——同样的任务，ComfyUI不仅速度快了3倍，而且显存占用少了40%。更重要的是，ComfyUI的节点式工作流让我可以精确控制每一个步骤，这在WebUI里是做不到的。

现在我已经完全转到ComfyUI，这篇文章是我过去一年使用经验的完整总结。如果你对其他AI绘画工具感兴趣，可以看看AI绘画工具推荐。

ComfyUI是什么：节点式AI绘画工作流

ComfyUI是一个基于节点的Stable Diffusion图形用户界面。它的核心理念是把AI绘画的每个步骤拆解成独立的节点，你可以像搭积木一样自由组合这些节点，构建复杂的工作流。

节点系统详解

ComfyUI的核心是节点系统，每个节点负责一个特定功能：

与WebUI的对比

安装配置：从零开始

Windows安装（推荐）

ComfyUI最稳定的安装方式是使用便携版：

1. 下载便携版：从GitHub Releases下载最新便携版（约2GB）
2. 解压：解压到任意目录（建议路径不含中文和空格）
3. 运行：双击run_nvidia_gpu.bat（NVIDIA显卡）
4. 访问：浏览器打开http://127.0.0.1:8188

模型下载

ComfyUI需要以下模型文件：

模型可以从HuggingFace或Civitai下载。建议从SDXL模型开始，画质和灵活性都优于SD 1.5。

目录结构

安装完成后，你的ComfyUI目录应该是这样的：

ComfyUI/
├── models/
│   ├── checkpoints/    # 主模型
│   ├── vae/            # VAE模型
│   ├── loras/          # LoRA模型
│   ├── controlnet/     # ControlNet模型
│   └── clip/           # CLIP模型
├── input/              # 输入图片
├── output/             # 输出图片
├── custom_nodes/       # 自定义节点
└── run_nvidia_gpu.bat  # 启动脚本

基础工作流：txt2img和img2img

txt2img工作流

txt2img是最基础的工作流，从文字描述生成图片：

1. Load Checkpoint节点：选择主模型
2. CLIP Text Encode（正向）：输入你想要的画面描述
3. CLIP Text Encode（反向）：输入你不想要的内容
4. KSampler节点：设置采样参数
5. VAE Decode节点：将潜在空间转换为图片
6. Save Image节点：保存图片

关键参数设置

img2img工作流

img2img基于参考图片生成新图片：

1. 添加Load Image节点加载参考图
2. 添加VAE Encode节点将图片编码到潜在空间
3. 将编码结果连接到KSampler的latent_image输入
4. 设置Denoise参数（0.3-0.7，越高变化越大）

提示词技巧

ComfyUI的提示词格式和WebUI基本相同：

正向提示词：
masterpiece, best quality, ultra detailed,
beautiful landscape, sunset, mountains,
vibrant colors, professional photography

反向提示词：
worst quality, low quality, blurry,
deformed, ugly, bad anatomy,
watermark, text, signature

更多AI绘画提示词技巧可以参考AI绘画赚钱指南。

ControlNet：精确控制生成内容

ControlNet是ComfyUI最强大的功能之一，可以精确控制生成图片的构图、姿态、深度等。

常用ControlNet类型

ControlNet工作流配置

1. Load ControlNet Model节点：加载ControlNet模型
2. Apply ControlNet节点：将ControlNet应用到条件
3. Load Image节点：加载控制图
4. 设置权重：通常0.5-1.0，越高控制越强

多ControlNet叠加

ComfyUI支持同时使用多个ControlNet，比如：

• OpenPose控制人物姿态
• Depth控制背景深度
• Canny保持物体轮廓

这种组合可以实现非常精确的画面控制。

LoRA：微调模型风格

LoRA是轻量级的模型微调文件，可以给基础模型添加特定风格或概念。

LoRA类型

LoRA使用技巧

1. 权重控制：通常0.5-0.8，太高会过拟合
2. 多LoRA叠加：可以同时使用多个LoRA，但总权重不要超过2.0
3. 触发词：有些LoRA需要特定触发词才能生效
4. 兼容性：确保LoRA和主模型版本匹配（SD 1.5的LoRA不能用于SDXL）

推荐LoRA组合

我的常用LoRA组合：

自定义节点：扩展ComfyUI功能

ComfyUI的强大之处在于丰富的自定义节点生态。

安装自定义节点

1. ComfyUI Manager：必装的节点管理器，可以一键安装其他节点
2. 安装方法：
   • 通过Manager搜索安装（推荐）
   • 手动Git Clone到custom_nodes目录

必装自定义节点

节点使用示例

IPAdapter是我最常用的节点之一，可以用参考图片的风格生成新图片：

1. 加载IPAdapter模型和CLIP Vision模型
2. 加载参考图片
3. 设置权重（0.3-0.7）
4. 连接到KSampler

这比LoRA更灵活，因为你可以用任何图片作为风格参考。

性能优化：提升生成速度

显存优化

速度优化

1. 使用Turbo模型：SDXL Turbo只需4步即可生成
2. 降低分辨率：先生成小图再放大
3. 使用LCM LoRA：减少采样步数到4-8步
4. 批量处理：利用ComfyUI的队列功能

我的优化配置

我的RTX 4060（8GB显存）配置：

启动参数：
--fast --fp16-vae --preview-method auto

这个配置可以在8GB显存下流畅生成1024x1024的SDXL图片，单张约15秒。

实战案例

案例一：电商产品图

为电商产品生成场景图：

1. 用ControlNet Canny提取产品轮廓
2. 用img2img保持产品外观
3. 添加合适的背景和光影
4. 用高清放大节点提升分辨率

案例二：人物写真

生成高质量人物写真：

1. 用OpenPose控制人物姿态
2. 用IPAdapter参考真人照片风格
3. 用Impact Pack自动修复人脸
4. 添加Detail Tweaker LoRA增强细节

案例三：批量风格转换

将多张图片转换为统一风格：

1. 加载批量图片
2. 设置统一的工作流参数
3. 使用队列功能批量处理
4. 自动保存到输出目录

工作流保存和分享

ComfyUI支持保存和分享工作流，这是比WebUI更强大的功能：

保存工作流

1. 点击菜单的”Save”按钮
2. 工作流保存为JSON文件
3. 包含所有节点和参数设置

加载工作流

1. 点击”Load”按钮
2. 选择JSON文件
3. 工作流完整恢复

分享工作流

你可以把工作流JSON文件分享给其他人，他们可以直接加载使用。这使得复杂工作流的复用变得非常简单。

更多关于AI设计工具的信息可以参考AI设计师工具推荐。

总结

ComfyUI是2026年最强大的AI绘画工具，它的节点式工作流提供了无与伦比的灵活性和控制力。虽然学习曲线比WebUI稍陡，但一旦掌握，效率会有质的提升。

无论你是AI绘画爱好者还是专业设计师，ComfyUI都值得你投入时间学习。从基础工作流开始，逐步掌握ControlNet、LoRA和自定义节点，你会发现AI绘画的可能性是无限的。

进阶技巧：ComfyUI高手的10个独门秘诀

用了ComfyUI一年多，我积累了很多实战经验，这里分享10个最有价值的进阶技巧。

技巧1：工作流版本管理

复杂工作流调参时，每调一次就另存为一个新版本（workflow_v1.json、workflow_v2.json）。这样你可以随时回退到之前的版本。我有一次花了3小时调出一个完美的效果，结果手滑改了一个参数再也调不回来了。从那以后我养成了版本管理的习惯。

技巧2：Preview节点的妙用

在工作流中间加Preview Image节点，可以实时看到每一步的处理效果。比如在VAE Decode后面加一个Preview，就能在最终出图前看到效果。如果不对，立刻调整参数，不用等到最终Save Image才知道结果。这个技巧在调试ControlNet权重时特别有用。

技巧3：Group节点整理复杂工作流

当工作流超过20个节点时，界面会变得很乱。用ComfyUI的Group功能把相关节点框在一起，加上颜色标签。比如「加载区」「采样区」「后处理区」用不同颜色框起来。这样即使工作流有50个节点也能一目了然。

技巧4：Conditioning Combine实现多区域控制

用Conditioning Combine节点可以把不同的提示词应用到图片的不同区域。比如上半部分用「蓝天白云」，下半部分用「绿色草地」。这比全局提示词精确得多。做风景图时我经常用这个方法控制天空和地面的细节。

技巧5：Latent Upscale比Pixel Upscale效果好

放大图片时，在潜在空间（Latent）放大比在像素空间放大效果好很多。具体做法是：先用Latent Upscale节点放大2倍，再用KSampler以低Denoise（0.3-0.4）重新采样。这样做出的放大图比直接用ESRGAN放大更自然，细节更丰富。

技巧6：Tiled VAE解决显存不足

生成高分辨率图片时（2048×2048以上），VAE Decode经常会爆显存。解决方法是开启Tiled VAE，它会把图片分成小块分别处理。虽然速度慢了一点，但可以在8GB显存的显卡上生成4K图片。我的RTX 4060用这个方法可以稳定生成2048×2048的图片。

技巧7：Noise Injection增加细节

在img2img工作流中，加入少量噪声（Noise Injection节点，强度0.02-0.05）可以让生成图更有细节质感。特别适合写实风格的人像，皮肤纹理和头发细节会明显提升。但注意噪声不能太多，超过0.1就会出现颗粒感。

技巧8：用Primitive Node做参数联动

Primitive Node可以创建一个全局参数，然后连接到多个节点。比如创建一个「分辨率」参数，同时连接到Latent Image的width和height。改一个值，所有相关节点自动更新。做批量测试时特别方便，改一个参数就能重新跑整个工作流。

技巧9：FreeU节点提升画面质量

FreeU是一个免费提升画面质量的节点，不需要额外模型。把它加在KSampler后面，可以增强画面的细节和色彩饱和度。参数建议：b1=1.2, b2=1.4, s1=0.9, s2=0.2。这组参数在大多数场景下效果都不错。

技巧10：API模式实现自动化

ComfyUI支持API调用，可以用Python脚本自动运行工作流。我写了一个脚本，每天自动用不同的提示词和种子值生成100张图片，然后自动筛选最好的10张。做电商产品图的批量生产特别有用。

更多关于Stable Diffusion的使用技巧，推荐阅读SD完全指南。想学习ComfyUI的基础知识，可以看ComfyUI入门教程。

ComfyUI vs WebUI vs Fooocus 三方详细对比

简单来说：纯新手用Fooocus，入门后转WebUI，进阶后上ComfyUI。ComfyUI的学习曲线虽然陡，但一旦掌握，效率和灵活性是其他两个工具无法比拟的。

对于想靠AI绘画赚钱的朋友，AI副业合集里有很多用ComfyUI做商业项目的案例。想用Midjourney做对比的话，可以看Midjourney深度教程。

深度扩展阅读

本文涵盖的内容是AI领域持续发展的方向之一。如果想进一步了解相关知识,可以参考以下推荐阅读:

• AI工具集导航
• 十大免费AI工具推荐

常见问题解答（补充）

在我的使用经验中，以下几个问题是社区里问得最多的。

Q：ComfyUI生成的图片可以做什么？

太多了。我认识的创作者用ComfyUI做：电商产品图（省了90%的摄影成本）、小说封面（月入5000-20000元）、社交媒体配图（提升30%点击率）、游戏素材（独立开发者必备）、头像定制（在闲鱼卖20-50元/个）。最赚钱的是电商产品图和头像定制，因为需求稳定、客户付费意愿强。

Q：没有NVIDIA显卡能用ComfyUI吗？

可以。AMD显卡通过ROCm支持（Linux效果更好），Mac的M1/M2/M3芯片通过MPS加速支持。不过说实话，NVIDIA显卡的体验是最好的。如果你用的是AMD或Mac，建议使用云端ComfyUI（AutoDL或趋动云，0.5-2元/小时），效果一样好，还不用折腾环境。

Q：ComfyUI工作流怎么导入别人的？

非常简单。ComfyUI生成的PNG图片里内嵌了工作流信息。你只需要把别人分享的PNG图片拖进ComfyUI界面，工作流就会自动加载。也可以导入JSON格式的工作流文件。OpenArt.ai和ComfyUI官网的工作流分享区有大量高质量模板，直接导入就能用。

Q：一个工作流可以处理多种任务吗？

可以，这就是ComfyUI最强大的地方。你可以构建一个通用工作流，通过切换不同的Checkpoint、LoRA和提示词来处理不同任务。比如同一个工作流，换一个人物LoRA就出人物写真，换一个风景LoRA就出风景图，换一个产品LoRA就出产品图。效率比每次都重建工作流高了10倍。

最后的建议

如果你看完这篇教程想开始学ComfyUI，我建议你按照这个顺序来：

1. 安装便携版ComfyUI（10分钟）
2. 下载一个SDXL模型（30分钟）
3. 跑通默认的txt2img工作流（5分钟）
4. 尝试修改提示词看效果变化（20分钟）
5. 安装ComfyUI Manager（5分钟）
6. 下载并导入一个社区分享的工作流（10分钟）
7. 在此基础上微调参数（30分钟）

按这个顺序，2小时内你就能基本理解ComfyUI的工作方式了。不要试图一次学完所有功能，循序渐进才是最快的路径。每天花1小时练习，2周后你就能独立构建自己的工作流了。

还有一个小技巧：ComfyUI的截图功能可以保存当前工作流的高清截图（包含所有节点和连线），方便你写教程或分享给别人。在菜单里选择「Save (API Format)」可以保存包含工作流元数据的API格式文件，这样其他人可以直接通过API调用你的工作流。做团队协作时特别有用，一个人搭好工作流，其他人直接调用就行。

相关工具推荐

以下是本文提到或相关的AI工具，点击即可查看详细介绍：

• LocalBanana：一个专注于AI图像提示词收集与结构化的工作空间，帮助用户通过参考图像、场景或想法高效生成视觉内容。

• 蚂上有创意：蚂上有创意是支付宝官方推出的AI智能营销设计平台，为商家提供商品图生成、海报制作、图像处理及创意诊断等一站式服务，旨在通

• Canva可画：Canva可画是一款集成AI写作、绘画、修图等功能的一站式智能设计工具平台，旨在提升设计与内容创作效率。

• 灵光AI：蚂蚁集团推出的全模态通用AI助手，支持自然语言交互、快速生成小应用及多端同步。

推荐阅读

• AI绘画赚钱：2026年AI绘画赚钱全攻略：Stable Diffusion+ComfyUI接单变现
• 专业级AI图像生成：2026年ComfyUI高级工作流教程：专业级AI图像生成实战
• 节点式AI绘图的正确打开方式：ComfyUI完全入门教程：节点式AI绘图的正确打开方式
• ComfyUI工作流：ComfyUI工作流大全：15个模板直接下载