ComfyUI 本地部署及 Stable Diffusion 使用指南

如果一切正常，命令行会显示类似：

To see the GUI go to: http://127.0.0.1:8188 

在浏览器中打开对应网址 http://127.0.0.1:8188/ 后，恭喜你已经完成安装并且成功打开。打开的页面情况如下。

（端口可能默认为 8188） 打开浏览器访问 http://localhost:8188，如果看到 ComfyUI 界面即启动成功。 此时，在界面中选中'Load Checkpoint'节点，应当可见你放入的 v1-5-pruned.safetensors 模型选项。若不可见，请检查文件是否放在正确目录。

❗如果你只是为了安装配置 ComfyUI 与 Stable Diffusion 模型，到这一步就可以了。

可以看一下下文的'三、（可选）安装 ComfyUI Manager（管理自定义节点）'如果扩展节点、插件、自定义工作流，安装 ComfyUI Manager 很有用。

对于'四、（使用）首次运行文本→图像（Text-to-Image）流程'涉及使用，本人还没有完全弄明白操作流程，建议去别处再看看。

四、（可选）安装 ComfyUI Manager（管理自定义节点）

虽然你只是想简单用 Stable Diffusion 生成图像，但如果未来想扩展节点、插件、自定义工作流，安装 ComfyUI Manager 很有用。通过 Github 网址你可以看到 ComfyUI-Manager 源码内容。我们需要将源码通过 Git 拉取到 custom_nodes 文件夹中。

1. 重启 ComfyUI 界面（关闭命令行窗口后重新执行 python main.py）

界面顶部应出现'Manager'按钮，用于安装／更新节点、模型。

✅拉取完成

输入指令，等待拉取。

git clone https://github.com/ltdrdata/ComfyUI-Manager.git 

于 custom_nodes 文件夹内右键打开 Open Git Bash here。（或者通过 github 直接下载压缩包解压后放入）

遇到问题解决方式： 如果未显示 Manager，可能是 Git 拉取下来的文件不完整，建议可以直接下载安装包然后解压收到复制到目标文件目录中。 如果在 python main.py 过程中一直在卡在 manager 编译上或者报错。有可能是 toml 缺少依赖。在 custom_nodes 文件夹中运行 cmd 添加依赖。

五、（使用）首次运行文本→图像（Text-to-Image）流程

以下流程基于你已将 v1.5 模型加载成功。

1. 在 ComfyUI 界面中，加载默认工作流

• 如果界面打开后看不到任何节点图，可以点击右侧'Load Default'按钮，加载默认 text2img 工作流。

2. 确保'Load Checkpoint'节点已指向你的 SD1.5 模型

• 点击该节点，模型名称下拉框应显示你之前放入的 v1-5-pruned 模型，选择它。

3. 配置生成参数

• 在节点'KSampler'或类似节点中，设置步数（Steps）、分辨率（如 512×512）、随机种子（Seed）、正向提示（Positive Prompt）和负向提示（Negative Prompt）等。 根据教程，步数越高、采样越充分，但运行时间越长。
• 确保分辨率适合你的 GPU VRAM（例如 512×512 或 768×768 若 VRAM 足够）。

4. 点击'Queue Prompt'或'Run'开始生成

• 系统将运行采样，输出图像。
• 输出完成后，可在 ComfyUI 界面中查看、保存图像。

5. 进阶：尝试 Img2Img、Upscale、ControlNet 等

• 若想更复杂，可尝试基于图片输入 (Img2Img)、使用放大器 (Upscale)、加入 ControlNet 等节点。教程中亦有介绍。

6. 常见问题排查

• 若模型不出现在下拉框：确认模型文件是否在正确路径、是否为支持格式 (.ckpt 或 .safetensors)。
• 若启动失败或报错：确认 PyTorch 是否正确安装、CUDA 驱动是否匹配、Python 环境是否为你预期版本。
• 若 GPU 占用过高或出错：可尝试'–force-fp16'启动选项以降低精度。

六、推荐的补充配置与优化

• 建议为不同模型版本创建子目录（比如 SD1.5、SDXL 等）以便今后管理。
• 可通过 ComfyUI Manager 安装额外的自定义节点（如 LoRA、ControlNet、Live Portrait 等），扩展功能。
• 若想让 Python 环境更可控，建议使用 virtualenv 或 conda 方式，而不是系统全局安装。
• 对于 VRAM 较少的显卡，可考虑减少生成分辨率或步数，或启用 fp16 模式。

定期从 GitHub 更新 ComfyUI 源码：

git pull pip install -r requirements.txt 

或通过 ComfyUI Manager 进行'Update All'。

如果你希望 ComfyUI 界面从局域网其他设备访问，可在启动时加参数：

python main.py --listen 0.0.0.0 

这样可使用机器的 IP 在同一网段浏览。

七、完整操作流程（按顺序）

1. 安装 Python 3.11.3、Git、CUDA 12.0 与 cuDNN 8.9。
2. 安装 GPU 支持版 PyTorch。
3. 克隆 ComfyUI 仓库。
4. 安装依赖：pip install -r requirements.txt。
5. 下载 Stable Diffusion v1.5 模型文件（如 v1-5-pruned.safetensors）。
6. 将模型文件放入 ComfyUI\models\checkpoints\ 目录。
7. 启动 ComfyUI：python main.py。
8. 在浏览器访问 http://localhost:8188 界面打开。
9. 加载默认工作流，选择模型，设置参数。
10. 点击运行，生成图像。
11. （可选）安装 ComfyUI Manager，扩展节点功能。
12. 根据需要，通过 Manager 或手动更新、安装自定义节点。
13. 若扩展到 Img2Img、Upscale、ControlNet，可加载相应流程并调整节点。
14. 若想跨设备访问，启动时加 --listen 0.0.0.0。
15. 若模型或节点有更新，定期 git pull 并重启。

八、注意事项

• 模型版权／许可：你下载的模型需确认其使用许可。
• GPU VRAM 限制：高分辨率、高步数会占用大量 GPU 内存，建议先从 512×512、50 步数起。
• 操作系统权限：Windows 防火墙可能阻止 ComfyUI 端口访问，首次运行时注意允许。
• 安全备份：如果你未来安装大量自定义节点／模型，建议经常备份 models 文件夹与 custom_nodes 目录。

九、总结

通过上述流程，你即可在 Windows + CUDA 12.0 + cuDNN 8.9 环境下，使用 Python 3.11.3 来运行 ComfyUI 并加载 Stable Diffusion v1.5 模型。这样你就拥有一个本地、可控、支持 GPU 的生成式 AI 图像创作平台。以后如想扩展为 Img2Img、多模型切换、ControlNet、LoRA 等，也可在此基础上继续扩展。