ComfyUI安装全指南：国内加速与GitHub配置
ComfyUI 安装全指南：国内加速与 GitHub 配置
在 AI 图像生成领域，ComfyUI 正迅速成为高级用户和开发者的首选工具。它不像传统 WebUI 那样依赖固定的按钮和界面操作，而是通过“节点式工作流”将整个生成过程拆解成可拖拽、可复用的模块——就像用乐高搭建图像流水线。这种设计带来了极高的灵活性和可复现性，但也对安装环境提出了更高要求。
尤其对于国内用户来说，由于 PyPI、GitHub 和 PyTorch 官方源的访问延迟或中断问题，初次安装时常遇到依赖下载失败、插件加载超时等困扰。本文将从实战角度出发，提供一套完整且经过验证的本地化部署方案，涵盖镜像加速、hosts 优化、pip 配置等关键环节，帮助你绕过绝大多数网络陷阱，顺利跑通第一个工作流。
ComfyUI 的核心优势在于其无代码可视化架构。你可以把模型加载、提示词处理、ControlNet 控制、采样器调度等步骤全部封装为独立节点，并通过连线定义执行顺序。最终保存为 .json 文件后，别人只需导入即可复现完全一致的结果，非常适合团队协作或生产级部署。
目前主流版本已全面支持 SD1.5、SDXL、SD3 乃至 Flux 架构，资源占用也相对较低，能在中端显卡甚至远程服务器上稳定运行。更重要的是，社区活跃度极高，每天都有新插件发布，极大拓展了功能边界。
如果你打算长期使用 Stable Diffusion 技术栈，ComfyUI 几乎是必经之路。
推荐新手优先选择 预编译便携版（Portable Version），因为它已经打包了 Python 运行时和基础依赖，无需手动配置环境变量或安装 C++ 工具链，真正做到开箱即用。
官方提供了针对不同平台的构建版本：
- Windows 用户：直接访问 https://download.comfy.org/windows/nsis/x64 下载最新
latest版本的 NSIS 安装包。 - macOS 用户：若使用 Apple Silicon 芯片（M1/M2/M3），建议选择专用构建以获得最佳性能；否则可采用源码安装方式。
- Linux 用户：推荐结合 conda 创建虚拟环境进行部署，便于隔离依赖冲突。
⚠️ 注意：无论哪种方式，只要涉及从 GitHub 拉取代码或更新插件，就必须确保 Git 配置正确且网络通畅。否则即使下载成功，后续也无法正常获取模型或扩展组件。
虽然预编译版内置了 Python 环境（通常是 3.11 或 3.12），但了解底层机制有助于排查异常。ComfyUI 使用的是由 python-build-standalone 项目提供的独立 Python 构建体，包含完整的标准库和 ctypes 支持，适合嵌入式应用。
首次启动时，系统会自动调用 pip 安装以下核心依赖：
torch (需 CUDA 支持) torchvision transformers safetensors accelerate 这些包体积庞大，尤其是 torch，其 CUDA 版本动辄超过 2GB，且托管在境外服务器上。如果未做任何加速处理，很容易因连接超时导致安装中断。
因此，在运行前做好全链路镜像配置，是决定成败的关键一步。
镜像加速策略：分层应对，精准打击
我们面临的网络瓶颈主要集中在三个层面：PyPI 包管理、PyTorch 官方仓库、GitHub 资源分发。每个环节都需要单独优化。
1. PyPI 镜像源 —— 提升通用包安装速度
国内最稳定的 PyPI 镜像是清华大学 TUNA 团队维护的：
https://pypi.tuna.tsinghua.edu.cn/simple 该镜像同步频率高、响应快，几乎能覆盖所有常用 Python 库。设置后，pip install 命令将自动从此源拉取数据，避免访问原始 pypi.org。
2. PyTorch 专用镜像 —— 解决最大“卡点”
torch 及其生态（如 torchaudio, torchvision）默认从 AWS S3 下载，国内直连极慢。幸运的是，阿里云提供了完整的 PyTorch 镜像服务：
https://mirrors.aliyun.com/pytorch-wheels/cu128 ✅ 支持cu121/cu128CUDA 版本
✅ 包含 nightly 构建和稳定版轮子（wheel）
✅ 更新及时，兼容 ComfyUI 当前所需版本（如 torch==2.3.0+cu128）
实际测试表明，使用阿里云镜像后，torch 安装时间可从半小时以上缩短至 3–5 分钟。
3. Node.js/NPM 镜像（可选）
如果你计划自行构建前端界面（非必须），建议配置淘宝 NPM 镜像：
https://registry.npmmirror.com 可通过命令快速设置：
npm config set registry https://registry.npmmirror.com GitHub Host 配置 —— 打通插件与模型通道
ComfyUI 的强大之处很大程度来自丰富的第三方插件生态，而这些插件大多托管在 GitHub 上。无论是通过 Manager 安装插件，还是克隆自定义节点仓库，都离不开对 github.com、raw.githubusercontent.com 等域名的访问。
然而，GitHub 在国内的解析不稳定，经常出现连接超时或 SSL 错误。一个简单有效的解决方案是修改本地 hosts 文件，强制将关键域名指向可用 IP。
修改方法
- Windows：以管理员身份编辑
C:\Windows\System32\drivers\etc\hosts - Linux/macOS：编辑
/etc/hosts，需sudo权限
添加如下记录（2025年6月验证可用）：
# GitHub Host Start - 2025年6月更新 140.82.112.3 github.com 140.82.112.4 gist.github.com 140.82.112.10 codeload.github.com 140.82.112.26 alive.github.com 140.82.113.3 github.com 140.82.113.18 github.community 140.82.114.6 api.github.com 140.82.114.22 education.github.com 140.82.114.25 live.github.com 185.199.108.153 assets-cdn.github.com 185.199.109.153 github.io 185.199.110.153 github.githubassets.com 185.199.111.133 avatars.githubusercontent.com 185.199.109.133 desktop.githubusercontent.com 185.199.111.133 cloud.githubusercontent.com 185.199.111.133 media.githubusercontent.com 185.199.111.133 objects.githubusercontent.com 185.199.108.133 raw.githubusercontent.com 185.199.111.133 user-images.githubusercontent.com 185.199.108.133 private-user-images.githubusercontent.com 151.101.1.194 github.global.ssl.fastly.net 151.101.193.194 github.global.ssl.fastly.net 52.216.144.211 github-cloud.s3.amazonaws.com 52.216.54.185 github-production-repository-file-5c1aeb.s3.amazonaws.com 52.216.37.105 github-production-user-asset-6210df.s3.amazonaws.com 16.182.107.17 github-com.s3.amazonaws.com 16.182.37.57 github-production-release-asset-2e65be.s3.amazonaws.com 13.107.42.16 pipelines.actions.githubusercontent.com 13.107.246.51 vscode.dev 192.0.66.2 github.blog # GitHub Host End 💡 小技巧：可以使用开源项目 GitHub520 自动生成最新的 hosts 规则，省去手动查找 IP 的麻烦。
修改完成后，请刷新 DNS 缓存使配置生效：
- Windows：
cmd ipconfig /flushdns - macOS：
bash sudo dscacheutil -flushcache - Linux（systemd）：
bash sudo systemd-resolve --flush-caches
pip 源设置：让依赖安装不再“裸奔”
即便用了预编译版，ComfyUI 在首次运行或安装插件时仍会触发 pip 安装流程。如果不提前设置镜像源，就会默认访问国外服务器，极易失败。
以下是几种实用的配置方式，推荐优先使用第一种。
方法一：命令行配置（作用于当前环境）
进入 ComfyUI 安装目录下的 python_embeded\Scripts（Windows）或对应虚拟环境的 bin 目录，执行：
pip3.12.exe config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple/ pip3.12.exe config set install.trusted-host pypi.tuna.tsinghua.edu.cn 这个做法的好处是只影响当前项目的 pip 行为，不会干扰系统的全局配置，安全又干净。
方法二：创建配置文件（Linux/macOS 推荐）
在用户主目录下创建 ~/.pip/pip.conf 文件，内容如下：
[global] index-url = https://pypi.tuna.tsinghua.edu.cn/simple/ trusted-host = pypi.tuna.tsinghua.edu.cn timeout = 120 这样每次使用 pip 都会自动读取该配置，无需重复设置。
方法三：临时指定镜像（应急使用）
对于单次安装任务，可以直接在命令中加入参数：
pip install some-package -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn 适合调试或不确定是否要永久更改的情况。
一切准备就绪后，就可以启动 ComfyUI 了。
双击根目录下的 run.bat 即可自动检测 GPU 并启用 CUDA 加速。如果是集成显卡或调试用途，可以选择 run_cpu.bat 强制使用 CPU 渲染（但速度明显变慢）。更进阶的用户还可以通过 web_server.py 自定义启动参数，比如绑定特定 IP 或开启远程访问。
首次启动通常需要 5–15 分钟，期间会自动完成以下动作：
- 创建缓存目录
- 安装缺失的 Python 依赖
- 初始化节点注册表
- 启动本地服务（默认端口 8188）
如果过程中出现 ERROR: Could not find a version 类似错误，大概率是以下原因之一：
- pip 源未正确配置，仍在尝试访问 pypi.org
- hosts 未生效，无法拉取 PyTorch wheel 或 GitHub 插件
- 缺少对应 CUDA 版本的
torch包（例如系统为 cu128，但源中只有 cu118）
此时应逐一检查网络配置，并考虑手动指定镜像源重试。
启动成功后，建议立即安装几个高频使用的增强插件：
| 插件名称 | 功能亮点 |
|---|---|
| ComfyUI-Custom-Scripts | 提供更多采样控制节点和逻辑判断模块 |
| Impact Pack | 内置人脸检测、自动裁剪、批量处理等功能，极大提升出图效率 |
| Segment Anything Node | 集成 Meta 的 SAM 模型，实现一键图像分割 |
| Efficient Loader | 简化模型加载流程，支持一键切换 checkpoint + VAE + LoRA 组合 |
这些插件可通过内置的 Manager 工具搜索安装，前提是你的 GitHub 访问已恢复正常。
插件市场地址：https://comfy.org/plugins（建议在 hosts 生效后再打开）
ComfyUI 不只是一个图像生成工具，更是一种思维方式的转变——从“点击生成”到“构建流程”。一旦掌握了节点连接的基本逻辑，你会发现许多复杂的创作需求都可以通过组合已有模块来实现。
而这一切的前提，是一个稳定可靠的运行环境。本文所介绍的这套配置方案，已在多台 Windows 和 Linux 设备上验证有效，能够显著降低国内用户的入门门槛。
值得注意的是，GitHub 的 IP 地址并非一成不变，每隔几个月就可能出现波动。因此建议每季度检查一次 hosts 是否仍有效，或者借助 GitHub520 这类自动化脚本定期更新规则。
当你顺利完成第一次全流程部署，看着浏览器中那个由自己亲手搭建的工作流缓缓输出高质量图像时，那种掌控感，正是 ComfyUI 最迷人的地方。
