先认识 ComfyUI 的节点画布、工作流图、模型与节点面板、执行队列和输出。不同版本的标签与布局可能变化;本指南依据当前官方界面文档,不代表本站实机测试。
教程
已发布的参考资料、来源身份和关联阅读。
先区分官方 Comfy Cloud、自管远程 GPU 或 Docker,以及受托管的 Colab 笔记本,再决定模型存储、端口访问和持久化方式。
在 Apple 芯片 Mac 上选择官方 Desktop 或独立的手动 Python 环境;先确认设备后端,不要照搬 CUDA 修复命令。
选择 Windows、Apple 芯片 macOS 或 Linux 的官方桌面安装包,创建 ComfyUI 实例,并区分启动器与模型、输出文件所在目录。
分别保存旧新环境的组件、节点、LoRA 与许可,避免把其他运行框架的命令当 ComfyUI 安装步骤。
- Qwen-Image 2.1
已经有训练实现,不代表目录已经收集到可用 LoRA;记录具体底模、文件和加载验证。
- Qwen-Image 2.1
按失败阶段整理下载记录,保留具体文件身份和原始发布入口,不默认更换不明镜像或关闭证书校验。
分别选择生成模型、文本编码器和 VAE;提示增强器属于可选项。记录真实来源,不把仓库总大小当最低显存。
- Qwen-Image 2.1
结合退出状态、节点注册和当前工作流判断影响,不按日志颜色决定是否升级整个环境。
用环境信息、单次变更和相同输入记录排查过程,区分安装记录、依赖检查和真实运行。
从透明生成指令到原始 PNG 的 alpha 检查,区分白底、棋盘格像素和真实透明。
- Qwen-Image 2.1
将轮廓、姿态或深度信息加入生成流程时,首先应确认控制图是什么、ControlNet 需要什么,以及控制条件是否进入实际采样链路。此文不把所有控制模型归成一个万能节点。
想让图更大,可能是在原画面之外生成新内容,也可能只是提高现有画面的像素分辨率。两者目标、节点与风险不同,选错工作流会造成看似尺寸正确但内容不符合预期。
局部重绘是在选定区域重新生成内容。使用官方基础 inpainting 示例时,需要同时理解图像、遮罩与适配模型,不应把“画出一个白色区域”当作整套依赖已经正确。
适用于基于官方基础图生图示例理解输入图像如何影响结果。此文区分图生图的输入路径、denoise 与随机种子,不把某个固定数值包装成适用于所有图像的最佳参数。
先核对进程可见的设备和实际后端,不把 GPU 0 标签当成物理显卡身份,也不默认显存相加。
用独立服务、任务标识与结果接口设计集成,区分 Python 入口脚本和稳定 API 契约。
Wonderful Launcher 与 ComfyUI World 署名同一运营主体;本文按来源整理产品信息,下载、收费和隐私条款保留原始链接。
区分 PE-T2I、PE-I2I 和基础条件编码器,记录改写前后提示与目标画幅。
- Qwen-Image 2.1
不以 7B 或文件大小推算最低显存;分别检查模型、编码器、KV cache、参考图和输出分辨率。
- Qwen-Image 2.1
工作流执行成功后,调用方还需要知道哪些节点产生了结果、结果保存在什么位置,以及如何取回。不要把节点 ID、文件名和任务 ID 混成一个字段。
本指南面向调用自有或获授权 ComfyUI 实例的开发者。网站提供的 MCP 与 ComfyUI 原生 HTTP API 是两套不同接口;这里讨论后者,不涉及自动登录第三方平台或绕过访问限制。