ComfyUI入门：节点式AI绘画到底怎么玩
2026-08-26
ComfyUI入门：节点式AI绘画到底怎么玩
说实话，我第一次打开ComfyUI的时候，整个人是懵的。满屏的节点、连线，密密麻麻像电路图一样，跟WebUI那种"输入提示词点生成"的傻瓜式界面完全是两个世界。但用了一个月之后，我彻底回不去了。这篇就聊聊ComfyUI到底怎么入门，以及为什么这么多人宁愿放弃WebUI也要转过来。
先搞清楚ComfyUI和WebUI的区别
如果你用过Stable Diffusion WebUI（就是那个大家常说的SD WebUI），你会习惯那种"上面填提示词，下面点生成"的流程。ComfyUI则完全不同，它把整个AI绘画的流程拆成了一个个节点，从加载模型、输入文本、采样、解码到保存图片，每个步骤都是一个独立的模块，你用连线把它们串起来。
打个比方： WebUI像是一家全包餐厅，你只需要点菜；ComfyUI像是厨房，锅碗瓢盆都摆在你面前，你自己决定先放油还是先放盐。
这个设计带来的第一个好处是显存占用更低。同样是跑一张1024×1024的图，ComfyUI的显存消耗大概比WebUI少30%-40%。我在一张8G显存的RTX 3060上跑SDXL，WebUI经常爆显存，ComfyUI却能稳定出图。第二个好处是流程可复用，你搭好一个工作流之后，保存下来，下次直接拖进来改改提示词就能用。
安装：其实没你想的那么复杂
很多人被劝退是因为觉得安装难。其实现在ComfyUI的安装已经很简单了。
Windows用户直接去GitHub的ComfyUI官方仓库，找到Windows一键安装包，下载解压就行。解压之后运行run_nvidia_gpu.bat，它会自动帮你装好依赖，然后浏览器会自动打开127.0.0.1:8188这个地址，看到那个灰黑色的界面就说明装好了。
Mac用户或者Linux用户稍微麻烦一点，需要手动装PyTorch等环境，不过官方文档写得很清楚，照着敲命令就行，大概十分钟能搞定。
装完之后第一件事，去Hugging Face下载模型。新手推荐先用realisticVision这个模型，写实风格，对新手友好，跑出来的图不会太翻车。下载下来的.safetensors文件放到models/checkpoints文件夹里。
第一次运行：从一个最简单的开始
装好之后，默认打开的界面是空的，没有节点。别慌，双击空白处，会弹出节点搜索框，输入Checkpoint Loader，新建一个模型加载节点。然后再搜索CLIP Text Encode（用来输入提示词）、Empty Latent Image（设置图片尺寸）、KSampler（采样器）、VAE Decode（解码成图片）、Save Image（保存图片）。
听起来是不是有点多？其实你不需要手动一个个搭。
最简单的方式： 在ComfyUI界面的Workflow菜单里，选择Browse Templates，里面有很多官方预设的工作流模板，比如Text to Image（文生图）、Image to Image（图生图）。选一个文生图的模板，它会自动帮你把节点排好，你只需要做两件事：
- 点击
Load Checkpoint节点，选择你下载好的模型 - 在
Positive Prompt节点里输入你的提示词，在Negative Prompt里输入负面提示词
然后点击Queue Prompt（就是那个"执行"按钮），等几秒钟，图片就出来了。
节点之间的逻辑，其实就三步
等你用了几次模板，开始觉得"这也太简单了"的时候，就该试着理解节点之间的关系了。其实搞懂之后你会发现，核心就三步：
加载模型 → 采样生成 → 解码保存
- 加载模型：
Checkpoint Loader节点负责把模型读进来，它会输出三个东西——MODEL（给采样器用）、CLIP（给文本编码器用）、VAE（给解码器用）。 - 采样生成：
KSampler节点是核心，它接收模型、正面提示词、负面提示词、种子、步数、CFG这些参数。这里有个小技巧，种子（Seed）固定住之后，其他参数不变的情况下，出来的图就是一样的，这点在微调的时候特别有用。 - 解码保存：
VAE Decode把潜空间的数据转成像素图，Save Image负责存到本地。
把这三步串起来，你就理解ComfyUI的底层逻辑了。之后想加什么功能，比如加个LoRA（在Load Checkpoint和CLIP Text Encode之间插一个LoRA Loader），或者加个ControlNet，都是在这个主链条上加分支而已。
一个实用案例：给图片换风格
说个我日常用得最多的场景——图生图换风格。在模板里选Image to Image，会多出一个Load Image节点，你上传一张真人照片，然后在提示词里写"oil painting, masterpiece"，再把Denoise Strength（重绘幅度）调到0.6左右，意思就是保留原图60%的结构，剩下40%让模型自由发挥。出来的效果就是一张油画版的你。
这个操作在WebUI里也能做，但ComfyUI的优势在于你可以同时跑多个风格分支。把Load Image的输出同时接到三个不同的KSampler上，每个采样器配不同的提示词，一次点击就能生成水墨风、油画风、赛博朋克风三种结果，效率直接翻三倍。
说点踩坑经验
新手最容易遇到的问题有两个。
第一个是显存爆掉。如果你在跑图的时候弹出CUDA out of memory，别慌，把Empty Latent Image节点的batch_size改成1，再把图片尺寸从1024×1024降到768×768，基本就能解决。
第二个是黑图。如果你生成的图片是一团黑，大概率是VAE没接好，检查一下Checkpoint Loader的VAE输出是否连到了VAE Decode的VAE输入上。另外有些模型（比如SDXL）需要单独的VAE文件，你可以去下载一个sdxl_vae.safetensors放到models/vae文件夹里，在Checkpoint Loader后面加一个VAE Loader单独指定。
到底值不值得学
我知道很多人看到这里还在犹豫，觉得WebUI凑合着用不就行了？我的看法是，如果你只是偶尔玩一下，生成几张图发朋友圈，WebUI完全够用。但如果你打算认真用AI绘画做点东西，比如做设计素材、做自媒体配图、甚至想训练自己的模型，那ComfyUI是绕不开的。
它的学习曲线确实陡，但一旦跨过那个门槛，你会发现自己对AI绘画的控制力提升了一个量级。我现在最常用的十几个工作流都是自己搭的，从草稿到成品只要两分钟，换模型、调参数、批量出图都很顺手。
如果你刚装好ComfyUI，别贪多，先跑通一个文生图的流程，然后试着改改参数看效果变化，再慢慢加节点。这个过程有点像拼乐高，一开始照着图纸拼，拼多了你就开始自己设计了。行了，就说这么多，开工吧。