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。