Windows 平台 ComfyUI 环境配置与 Python/CUDA 排错指南

这就造成了一个典型错位：

你以为你在用 venv 的 Python 3.10， 但启动器实际上还在调用系统里的 Python 3.14。

2.3 解决方案

解决思路只有一个：彻底让'运行 Python'与'预期 Python'对齐。

具体操作步骤如下：

1. 单独安装 Python 3.10
   • 不要覆盖系统 Python
   • 指定一个清晰、固定的安装目录
2. 使用 venv 进行环境隔离
   • 所有依赖（PyTorch、ComfyUI 插件）只安装在 venv 内
   • 不再向系统 Python 安装任何依赖
3. 在启动器中手动指定 Python 路径（关键步骤）

将启动器中的 Python 路径明确设置为：

E:\Aicg\Comfyui\ComfyUI-aki-v3\venv\Scripts\python.exe 

这一操作的意义在于：

• 强制启动器使用 venv 的 Python
• 避免 PATH 顺序、系统环境变量带来的不确定性
• 确保 PyTorch、CUDA、插件全部运行在同一解释器下

在完成这一步之后，Python 相关的'玄学问题'基本会一次性消失。

2.4 关键经验总结

这次踩坑之后，有一个经验非常值得反复强调：

永远不要相信系统 python，要相信 venv。

在 Windows + 深度学习 + 启动器 + 插件生态的组合下：

• 系统 Python 只适合'存在'
• venv 才适合'运行'
• 启动器不做强制约束，就必须由使用者来'钉死路径'

这是后续所有问题能够继续排查和解决的前提条件。

三、问题二：CUDA / PyTorch 版本不匹配报错

如果说 Python 版本混乱 是'地基问题'， 那么 CUDA / PyTorch 不匹配，就是在地基不稳的情况下继续往上盖楼，最终必然塌。

这一问题在 Windows + NVIDIA 显卡 + 启动器环境中极其常见。

3.1 现象表现

在排查过程中，出现了以下典型现象：

• 启动器环境检测中提示：CUDA 无效
• 在 Python 中执行：

import torch
torch.cuda.is_available()

返回结果为：

False

• 但从硬件层面来看：
  • 显卡型号明确：RTX 4070 Laptop
  • NVIDIA 驱动已安装
  • 系统层面 GPU 工作正常

也就是说，系统'看得到 GPU'，但 PyTorch '用不到 GPU'。

3.2 核心原因

这类问题通常不会只有一个原因，而是两个常见错误叠加导致的：

原因一：PyTorch 安装在'错误的 Python 环境'

• 系统 Python ≠ venv Python
• PyTorch 可能被装在：
  • 系统 Python
  • 其他软件自带 Python
• 但 ComfyUI 实际运行的是 venv 内的 Python

结果就是：

你安装了 PyTorch，但运行时用的不是它所在的解释器。

原因二：CUDA 版本与 PyTorch 不匹配

• PyTorch 的 CUDA 是内置运行时（不是系统 CUDA Toolkit）
• 不同 PyTorch 版本对应不同 CUDA 构建：
  • cu118
  • cu121
  • cpu-only

如果：

• 安装了 CPU 版 Torch 或
• 安装了 CUDA 版本，但与显卡 / 驱动不兼容

都会导致 cuda.is_available() == False。

3.3 解决方案

解决原则只有一句话：

在 venv 中，显式安装'与显卡和驱动匹配的 CUDA 版 PyTorch'。

具体操作如下。

第一步：确保已经进入 venv

E:\Aicg\Comfyui\ComfyUI-aki-v3\venv\Scripts\activate

第二步：安装 CUDA 版 PyTorch（以 CUDA 12.1 为例）

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

说明：

• 不要用默认 PyPI
• 不要让 pip 自行判断
• 明确指定 PyTorch 官方 CUDA 构建源

第三步：验证安装结果

python -c "import torch; print(torch.__version__); print(torch.cuda.is_available())"

期望输出结果为：

• PyTorch 版本号正常
• torch.cuda.is_available() 返回 True

3.4 结果

在完成上述操作后，环境状态恢复正常：

• CUDA 成功启用
• PyTorch 正确识别 GPU
• 显卡信息显示为：RTX 4070 Laptop
• ComfyUI 推理阶段不再回退到 CPU

至此，计算层的问题被彻底解决，后续插件与节点的问题，才有继续排查的基础。

四、问题三：启动器使用了'错误的 Python'

在完成 Python 版本与 PyTorch / CUDA 的修复之后，表面上看环境已经'能跑了'，但一个新的问题随之出现：

命令行可以正常启动 ComfyUI，但启动器的一键启动却反复失败。

这一现象往往会让人误判问题已经回到 CUDA 或 PyTorch，其实完全不是。

4.1 现象

具体表现为：

• 在 venv 环境中，通过命令行手动执行 python main.py，ComfyUI 可以正常启动
• 浏览器可以访问 http://127.0.0.1:8188
• 但使用启动器的 一键启动：
  • 环境检测反复报错
  • 提示 Python / CUDA 异常
  • 与命令行运行结果明显不一致

换句话说，同一套代码，在不同入口下表现完全不同。

4.2 原因

原因并不复杂，但非常容易被忽略：

启动器默认调用的是'系统 Python'，而不是 venv 中的 Python。

即使：

• venv 已经正确创建
• PyTorch / CUDA 已在 venv 中配置完成
• 命令行明确使用的是 venv Python

只要启动器没有被显式告知：

'你应该用哪个 python.exe'

它就会继续从系统 PATH 中寻找默认 Python（本例中为 Python 3.14），从而再次造成环境错位。

这也是为什么会出现：

• 启动器报错
• 命令行却一切正常

两者并不在同一个 Python 运行环境中。

4.3 解决方案

解决这一问题的关键在于： 不要试图'让启动器自己判断'，而是直接强制指定路径。

具体操作步骤如下：

1. 启用启动器的「专家模式」
2. 在高级设置中，手动配置：
   • Python 路径覆盖
   • Git 路径覆盖（后续插件安装依赖）

其中，Python 路径必须明确指向 ComfyUI 所使用的 venv：

E:\Aicg\Comfyui\ComfyUI-aki-v3\venv\Scripts\python.exe

这一设置的效果是：

• 启动器不再使用系统 Python
• 所有检测、启动、插件安装行为，全部在 venv 中执行
• 命令行与启动器的行为彻底对齐

4.4 关键结论

这一步完成后，可以得到一个非常重要的结论：

启动器 ≠ venv，必须手动对齐它们。

启动器只是一个'入口工具'，并不会自动理解你的 Python 隔离策略。在多 Python、多环境并存的 Windows 系统中：

• 不显式指定路径 = 不可控
• 一键启动想稳定，必须先把'解释器'钉死

这一点解决之后，后续所有插件、依赖与网络问题，才有继续讨论的意义。

总结

在 Windows 平台使用 ComfyUI 时，大多数启动失败或环境异常问题，最终都可以归结为三个核心原因：

• Python 版本未统一，运行环境发生错位
• PyTorch 未安装正确的 CUDA 构建版本
• 启动器未显式使用虚拟环境中的 Python

只要做到以下几点，基础环境基本可以稳定运行：

• 使用 Python 3.10，并通过 venv 进行环境隔离
• 在虚拟环境中安装匹配显卡驱动的 CUDA 版 PyTorch
• 在启动器中明确指定虚拟环境的 Python 路径

完成以上配置后，ComfyUI 应能够正常启动并识别 GPU，满足日常使用与基础工作流运行需求。

在基础环境稳定的前提下，再逐步引入插件和复杂节点，能够显著降低后续排错成本。

插件相关的问题与安装思路，将在后续文章中继续整理说明。