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
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。
安装方式推荐
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。
底层机制与依赖
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
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。
