ComfyUI 本地 AI 绘图部署指南：Stable Diffusion XL/Flux 模型全流程实战

Midjourney 每月 $10-60，Stable Diffusion 在线服务也有各种限制。本地部署 ComfyUI 可以完全免费、无限次生成、隐私安全，还能自由组合工作流。本文从零开始，教你搭建一套完整的本地 AI 绘图系统。

📋 硬件要求

显卡要求对照

模型	最低显存	推荐显存	生成速度（512x512）	备注
SD 1.5	4GB	8GB	~3 秒/张	入门首选
SDXL	8GB	12-16GB	~8 秒/张	主流模型
Flux.1-dev	12GB	24GB	~15 秒/张	2026 年最强开源模型
Flux.1-schnell	8GB	12GB	~5 秒/张	Flux 快速版

显存不足怎么办

使用 --lowvram 参数（ComfyUI 自动降级）
开启 FP8 量化（显存减半）
使用 CPU 模式（极慢但不需要 GPU）
租用云端 GPU（按小时计费）

各显卡性能参考

显卡	显存	SD 1.5	SDXL	Flux	推荐指数
RTX 4090	24GB	~1.5s	~5s	~10s	⭐⭐⭐⭐⭐
RTX 4080	16GB	~2s	~7s	~15s	⭐⭐⭐⭐⭐
RTX 4070 Ti	12GB	~2.5s	~8s	~20s	⭐⭐⭐⭐
RTX 3060	12GB	~4s	~12s	⚠️ FP8	⭐⭐⭐⭐
RTX 4060	8GB	~3s	⚠️ FP8	⚠️ FP8	⭐⭐⭐
Mac M2/M3 Max	32GB+	~8s	~25s	~40s	⭐⭐⭐

🚀 ComfyUI 安装

方式一：官方安装包（Windows 推荐）

bash

# 1. 下载 ComfyUI Windows 便携包
# 访问 https://github.com/comfyanonymous/ComfyUI/releases
# 下载 ComfyUI_windows_portable_nvidia_cu121_or_cpu.7z

# 2. 解压到任意目录（如 D:\ComfyUI）

# 3. 运行 update/update_comfyui.bat 更新到最新版

# 4. 运行 run_nvidia_gpu.bat 启动（NVIDIA 显卡）
#    或 run_cpu.bat 启动（CPU 模式）

方式二：Git 安装（跨平台推荐）

bash

# 1. 克隆仓库
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# 2. 创建虚拟环境
python -m venv venv

# 3. 激活虚拟环境
# Windows:
venv\Scripts\activate
# macOS/Linux:
source venv/bin/activate

# 4. 安装 PyTorch（NVIDIA GPU）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

# macOS（Apple Silicon）
pip install torch torchvision torchaudio

# CPU only
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

# 5. 安装依赖
pip install -r requirements.txt

# 6. 启动
python main.py

启动后访问 http://127.0.0.1:8188 即可打开 ComfyUI 界面。

方式三：Docker 部署

yaml

# docker-compose.yml
version: '3.8'
services:
  comfyui:
    image: yanwk/comfyui-boot:latest
    container_name: comfyui
    ports:
      - '8188:8188'
    volumes:
      - ./models:/app/ComfyUI/models
      - ./output:/app/ComfyUI/output
      - ./custom_nodes:/app/ComfyUI/custom_nodes
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]
    command: --listen 0.0.0.0 --port 8188

bash

docker compose up -d

远程访问

添加 --listen 0.0.0.0 参数允许局域网访问。如需外网访问，建议通过 Cloudflare Tunnel 或 Tailscale 暴露，不要直接暴露端口。

📦 模型下载

模型目录结构

ComfyUI/
├── models/
│   ├── checkpoints/      # 主模型（.safetensors）
│   ├── loras/            # LoRA 微调模型
│   ├── vae/              # VAE 模型
│   ├── controlnet/       # ControlNet 模型
│   ├── embeddings/       # 文本反转嵌入
│   └── upscale_models/   # 放大模型
├── output/               # 生成图片输出
└── custom_nodes/         # 自定义节点

SD 1.5 模型（入门推荐）

bash

# 下载 SD 1.5 基础模型
# 推荐下载带修复的社区版：
wget -P models/checkpoints/ \
  "https://huggingface.co/runwayml/stable-diffusion-v1-5/resolve/main/v1-5-pruned-emaonly.safetensors"

SDXL 模型（主流推荐）

bash

# SDXL Base 1.0
wget -P models/checkpoints/ \
  "https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/resolve/main/sd_xl_base_1.0.safetensors"

# SDXL Refiner（精修模型）
wget -P models/checkpoints/ \
  "https://huggingface.co/stabilityai/stable-diffusion-xl-refiner-1.0/resolve/main/sd_xl_refiner_1.0.safetensors"

Flux 模型（2026 年最强）

bash

# Flux.1-schnell（快速版，Apache 2.0 开源）
wget -P models/checkpoints/ \
  "https://huggingface.co/black-forest-labs/FLUX.1-schnell/resolve/main/flux1-schnell.safetensors"

# Flux.1-dev（完整版，非商业授权）
wget -P models/checkpoints/ \
  "https://huggingface.co/black-forest-labs/FLUX.1-dev/resolve/main/flux1-dev.safetensors"

# Flux VAE
wget -P models/vae/ \
  "https://huggingface.co/black-forest-labs/FLUX.1-schnell/resolve/main/ae.safetensors"

模型选择建议

新手入门：SD 1.5（文件小 ~4GB，出图快，教程多）
日常使用：SDXL（文件 ~6.5GB，画质好，生态丰富）
追求极致：Flux.1-dev（文件 ~23GB，画质最强，细节丰富）
快速预览：Flux.1-schnell（4 步出图，速度快）

模型名称	类型	特点	下载来源
DreamShaper	SD 1.5	通用写实，画面精美	CivitAI
Realistic Vision	SD 1.5	真实摄影风格	CivitAI
Juggernaut XL	SDXL	写实人像	CivitAI
DreamShaper XL	SDXL	通用增强	CivitAI
Flux.1-dev	Flux	最强开源模型	HuggingFace

🎨 基础工作流

加载默认工作流

ComfyUI 启动后会加载一个默认的 SD 1.5 工作流。如需切换：

界面右下角 → Queue Prompt 旁边 → Load Default
选择对应的模型（Checkpoints 节点）

SDXL 工作流

Load Checkpoint (SDXL) → CLIP Text Encode (Prompt) →
                        → CLIP Text Encode (Negative) →
                        → KSampler → VAE Decode → Save Image

关键参数：

参数	推荐值	说明
Steps	25-35	采样步数，越多越精细
CFG	5-8	提示词权重，过高会过饱和
Sampler	dpmpp_2m	采样器，dpmpp_2m 最稳定
Scheduler	karras	调度器，karras 效果好
Denoise	1.0	去噪强度（图生图时调整）

Flux 工作流

Flux 不需要负面提示词，工作流更简单：

Load Checkpoint (Flux) → CLIP Text Encode (Prompt) →
                        → KSampler → VAE Decode → Save Image

参数	Flux-schnell	Flux-dev
Steps	4	20-30
CFG	1.0	3.5
Sampler	euler	euler
Scheduler	simple	simple

Flux 提示词技巧

Flux 对自然语言理解更好，不需要像 SD 那样堆叠关键词。直接用描述性句子效果更佳：

SD: masterpiece, best quality, 1girl, red dress, beach, sunset, detailed
Flux: A young woman in a flowing red dress standing on a beach at sunset, golden light reflecting off the ocean waves, cinematic composition

🔧 LoRA 微调模型

LoRA（Low-Rank Adaptation）是小型的风格微调模型，可以在不修改主模型的情况下改变画风。

安装 LoRA

bash

# 将 LoRA 文件放入
ComfyUI/models/loras/

# 文件大小通常 36MB-2GB

在工作流中使用 LoRA

Load Checkpoint → Load LoRA → CLIP Text Encode → KSampler → VAE Decode → Save
                    ↑
              模型 + LoRA 融合

LoRA 参数

参数	推荐范围	说明
strength_model	0.6-1.0	模型权重，过高会扭曲画面
strength_clip	0.6-1.0	CLIP 权重，通常与模型权重一致

LoRA 名称	用途	下载来源
Detail Tweaker	增加细节	CivitAI
Add More Details	通用增强	CivitAI
Filmgrain	胶片颗粒效果	CivitAI
各种角色 LoRA	特定角色/风格	CivitAI

🎯 ControlNet 精准控制

ControlNet 可以通过参考图控制生成结果的构图、姿态、边缘等。

安装 ControlNet 模型

bash

# SDXL ControlNet 模型
wget -P models/controlnet/ \
  "https://huggingface.co/stabilityai/control-lora/resolve/main/control-LoRA-rank256-canny-sdxl.safetensors"

wget -P models/controlnet/ \
  "https://huggingface.co/stabilityai/control-lora/resolve/main/control-LoRA-rank256-depth-sdxl.safetensors"

wget -P models/controlnet/ \
  "https://huggingface.co/stabilityai/control-lora/resolve/main/control-LoRA-rank256-openpose-sdxl.safetensors"

ControlNet 类型

类型	控制内容	适用场景
Canny	边缘检测	线稿转彩图
Depth	深度图	保持空间结构
OpenPose	人体姿态	控制人物动作
Tile	图像分块	放大/重绘
Lineart	线稿	动漫线稿上色
Scribble	涂鸦	草图生成

ControlNet 工作流示例

Load Image → Canny Preprocessor → ControlNet Apply →
                                    ↓
Load Checkpoint → Load LoRA → CLIP Text Encode → KSampler → VAE Decode → Save

🧩 自定义节点（Custom Nodes）

安装 ComfyUI Manager

ComfyUI Manager 是最重要的自定义节点，提供节点管理界面：

bash

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

重启 ComfyUI 后，界面右上角会出现 Manager 按钮。

必装自定义节点

节点名称	功能	安装方式
ComfyUI-Manager	节点管理器	Git
ComfyUI_IPAdapter_plus	图像风格迁移	Manager 安装
ComfyUI-ControlNet-Aux	ControlNet 预处理器	Manager 安装
ComfyUI_essentials	常用工具节点	Manager 安装
cg-use-everywhere	无线连接节点	Manager 安装
ComfyUI-Custom-Scripts	质量增强脚本	Manager 安装

通过 Manager 安装

点击 Manager → Install Custom Nodes
搜索节点名称
点击 Install
重启 ComfyUI

⚡ 性能优化

显存优化

bash

# 启动时添加参数
python main.py --lowvram        # 低显存模式（按需加载）
python main.py --novram         # 无显存模式（使用系统内存）
python main.py --fp8_e4m3fn     # FP8 量化（显存减半）

# 推荐组合（8GB 显卡跑 SDXL）
python main.py --lowvram --fp8_e4m3fn

参数说明

参数	效果	适用场景
`--lowvram`	模型分块加载到显存	8-12GB 显存
`--novram`	完全使用系统内存	4GB 以下显存
`--fp8_e4m3fn`	FP8 量化，显存减半	所有显存不足场景
`--highvram`	全部加载到显存（默认）	16GB+ 显存
`--cache-none`	不缓存模型	显存不足
`--cache-classic`	经典缓存策略	多模型切换

Apple Silicon 优化

bash

# macOS Apple Silicon
python main.py --force-fp16

# CoreML 加速（需安装 coremltools）
pip install coremltools
python main.py --coreml

🖼️ 图片放大

Latent 放大（简单）

KSampler → Upscale Latent → KSampler (denoise: 0.5) → VAE Decode → Save

模型放大（高质量）

KSampler → VAE Decode → Load Upscale Model → Upscale Image →
                         (4x-UltraSharp)
                                                    ↓
                         → KSampler (denoise: 0.25) → Save

bash

# 下载放大模型
wget -P models/upscale_models/ \
  "https://huggingface.co/Kim2091/4x-UltraSharp/resolve/main/4x-UltraSharp.safetensors"

🔄 批量生成

KSampler (batch_size: 8) → VAE Decode → Save Image (for each)

批量数	8GB 显存	12GB 显存	24GB 显存
SD 1.5	4 张	8 张	16 张
SDXL	1 张	2 张	4 张
Flux	❌	1 张	2 张

📁 工作流管理

保存工作流

界面菜单 → Save → 保存为 .json 文件
也可以直接拖拽图片到界面加载工作流（ComfyUI 将工作流嵌入 PNG 元数据）

导入工作流

界面菜单 → Load → 选择 .json 文件
或拖拽含工作流元数据的 PNG 图片到界面

社区工作流资源

来源	说明
ComfyUI Examples	官方示例工作流
OpenArt	社区分享工作流
CivitAI	模型 + 工作流

❓ 常见问题

Q: 生成图片全黑/全噪点？

检查模型是否正确加载
检查 VAE 是否配置正确
尝试降低 CFG 值（5-7）
检查 Denoise 是否设为 1.0（文生图）

Q: 提示词不生效？

SD 1.5/SDXL 使用逗号分隔的关键词
Flux 使用自然语言描述
权重语法：(keyword:1.5) 增加权重
确认正面和负面提示词没有放反

Q: 显存不足（OOM）？

添加 --lowvram 参数
开启 FP8 量化 --fp8_e4m3fn
降低图片分辨率（1024x1024 → 768x768）
减少 batch_size 到 1
使用更小的模型（Flux → SDXL → SD 1.5）

Q: 如何在 Mac 上使用？

bash

# Apple Silicon Mac
python main.py --force-fp16

# 统一内存即显存
# M2/M3 Max 32GB+ 可以跑 SDXL
# M2/M3 Max 64GB+ 可以跑 Flux

Q: ComfyUI 和 WebUI (A1111) 有什么区别？

对比	ComfyUI	WebUI (A1111)
界面	节点式（工作流）	表单式
灵活性	极高	中等
上手难度	较高	低
性能	更优	一般
工作流复用	强	弱
推荐	进阶用户	新手

选择建议

新手先用 WebUI (A1111) 入门，熟悉后切换到 ComfyUI 获取更大灵活性。ComfyUI 的工作流思维一旦掌握，效率远超 WebUI。

🔗 相关文章

Ollama 入门教程 — 本地大语言模型部署
Open WebUI 部署 — AI 对话界面
Dify 零代码自建 Agent — AI 工作流编排
AI 方案选择指南 — 本地 vs 云端
N100 小主机搭建全攻略 — 家庭服务器方案
Docker 自托管服务部署合集 — 容器化部署

ComfyUI 本地 AI 绘图部署指南：Stable Diffusion XL/Flux 模型全流程实战 ​

📋 硬件要求 ​

显卡要求对照 ​

各显卡性能参考 ​

🚀 ComfyUI 安装 ​

方式一：官方安装包（Windows 推荐） ​

方式二：Git 安装（跨平台推荐） ​

方式三：Docker 部署 ​

📦 模型下载 ​

模型目录结构 ​

SD 1.5 模型（入门推荐） ​

SDXL 模型（主流推荐） ​

Flux 模型（2026 年最强） ​

推荐社区模型 ​

🎨 基础工作流 ​

加载默认工作流 ​

SDXL 工作流 ​

Flux 工作流 ​

🔧 LoRA 微调模型 ​

安装 LoRA ​

在工作流中使用 LoRA ​

LoRA 参数 ​

推荐社区 LoRA ​

🎯 ControlNet 精准控制 ​

安装 ControlNet 模型 ​

ControlNet 类型 ​

ControlNet 工作流示例 ​

🧩 自定义节点（Custom Nodes） ​

安装 ComfyUI Manager ​

必装自定义节点 ​

通过 Manager 安装 ​

⚡ 性能优化 ​

显存优化 ​

参数说明 ​

Apple Silicon 优化 ​

🖼️ 图片放大 ​

Latent 放大（简单） ​

模型放大（高质量） ​

🔄 批量生成 ​

📁 工作流管理 ​

保存工作流 ​

导入工作流 ​

社区工作流资源 ​

❓ 常见问题 ​

Q: 生成图片全黑/全噪点？ ​

Q: 提示词不生效？ ​

Q: 显存不足（OOM）？ ​

Q: 如何在 Mac 上使用？ ​

Q: ComfyUI 和 WebUI (A1111) 有什么区别？ ​

🔗 相关文章 ​

ComfyUI 本地 AI 绘图部署指南：Stable Diffusion XL/Flux 模型全流程实战

📋 硬件要求

显卡要求对照

各显卡性能参考

🚀 ComfyUI 安装

方式一：官方安装包（Windows 推荐）

方式二：Git 安装（跨平台推荐）

方式三：Docker 部署

📦 模型下载

模型目录结构

SD 1.5 模型（入门推荐）

SDXL 模型（主流推荐）

Flux 模型（2026 年最强）

推荐社区模型

🎨 基础工作流

加载默认工作流

SDXL 工作流

Flux 工作流

🔧 LoRA 微调模型

安装 LoRA

在工作流中使用 LoRA

LoRA 参数

推荐社区 LoRA

🎯 ControlNet 精准控制

安装 ControlNet 模型

ControlNet 类型

ControlNet 工作流示例

🧩 自定义节点（Custom Nodes）

安装 ComfyUI Manager

必装自定义节点

通过 Manager 安装

⚡ 性能优化

显存优化

参数说明

Apple Silicon 优化

🖼️ 图片放大

Latent 放大（简单）

模型放大（高质量）

🔄 批量生成

📁 工作流管理

保存工作流

导入工作流

社区工作流资源

❓ 常见问题

Q: 生成图片全黑/全噪点？

Q: 提示词不生效？

Q: 显存不足（OOM）？

Q: 如何在 Mac 上使用？

Q: ComfyUI 和 WebUI (A1111) 有什么区别？

🔗 相关文章