一、安装与配置

1. 安装步骤

• Windows系统：

  1. 下载秋叶整合包（推荐新手使用），解压至本地目录。
  2. 运行启动器（如A绘图启动器.exe），设置语言和模型路径。
  3. 将模型文件（如.safetensors或.ckpt）放入ComfyUI/models/checkpoints目录。
  4. 双击run_nvidia_gpu.bat启动（NVIDIA显卡）或run_cpu.bat（仅CPU）。

• Mac系统：

  1. 通过终端安装Homebrew和依赖库（如Python 3.10、Git等）。
  2. 克隆ComfyUI仓库并安装依赖：git clone https://github.com/comfyanonymous/ComfyUI.git，pip install -r requirements.txt。
  3. 将模型文件放入对应目录，运行python main.py启动。

2. 共享模型（与WebUI共用）

• 修改extra_model_paths.yaml文件，将base_path指向WebUI的安装目录，重启ComfyUI即可共享模型文件。

3. 汉化设置

• 在界面左下角设置中选择“中文”语言选项，无需额外插件。

---

二、界面与基础操作

1. 核心节点功能

• 加载检查点（Load Checkpoint）：选择大模型，输出模型（MODEL）、CLIP（文本编码器）和VAE（图像解码器）。
• CLIP文本编码器：输入正向和负向提示词，支持权重语法（如(关键词:1.2)）。
• 空白潜空间图像（Empty Latent Image）：设置生成图像的尺寸和批量数量。
• KSampler：核心采样节点，控制种子（Seed）、步数（Steps）、采样器等参数。

2. 基础工作流（文生图）

1. 连接节点：Load Checkpoint → CLIP文本编码器 → KSampler → VAE解码 → 保存图像。
2. 输入提示词，点击“队列提示”生成图像。首次生成时建议使用默认参数（步数20，CFG 7）。

3. 快捷键与界面优化

• 常用快捷键：Ctrl+0显示队列面板，Ctrl+G编组节点，Alt+C折叠节点。
• 界面布局：新版界面支持工作流管理、图像队列平铺展示，以及节点库的模糊搜索。

---

三、进阶技巧与插件

1. 图生图工作流

• 添加“加载图像”节点，将图像输入至VAE编码器生成潜空间图像，再连接至KSampler调整去噪强度（如0.6-0.8）。

2. 插件安装（以ComfyUI Manager为例）

• Windows：在custom_nodes目录下运行git clone https://github.com/ltdrdata/ComfyUI-Manager，重启后通过管理器安装其他插件。
• 必装插件推荐：汉化插件、工作流管理器、资源监控工具。

3. 多模型与LoRA应用

• 使用多个“加载检查点”节点比较不同模型效果；通过LoRA节点注入风格参数，调整生成细节。

---

四、常见问题与优化

1. 性能问题

• 显存不足：启用--lowvram模式或使用优化节点（如分块生成）。
• 速度慢：推荐使用NVIDIA RTX 30/40系列显卡，显存≥8GB。

2. 故障排查

• 模型加载失败：检查模型路径和文件格式（需.safetensors或.ckpt）。
• 节点连接错误：确保连线颜色一致（如橙色CLIP输出只能连橙色输入）。

3. 更新与维护

• 通过ComfyUI Manager一键更新核心和插件，或手动运行git pull。

---

五、学习资源推荐

1. 官方文档：查看节点说明和快捷键列表（链接）。
2. 社区模板：在Civitai或HuggingFace下载预设工作流文件（.json），直接导入复用。

通过以上步骤，新手可快速掌握ComfyUI的核心功能。如需深入探索复杂工作流（如动画生成或高分辨率修复），建议参考进阶教程或社区案例。