入门
基于 comfyanonymous/ComfyUI 官方文档（docs.comfy.org）+ GitHub README 编写，对照最新主线版本行为
速查
- 定位：节点式（graph）AI 生成工作流编排工具，GPL-3.0，本地自托管优先；图像 / 视频 / 音频 / 3D 全模态
- 最小 txt2img 工作流：CheckpointLoaderSimple → CLIPTextEncode（正/负）→ EmptyLatentImage → KSampler → VAEDecode → SaveImage
- KSampler 关键参数：
seed（噪声起点，0 – 18446744073709551615）、steps（默认 20，常用 15-30）、cfg（默认 8.0，甜点 6-8）、sampler_name（euler / dpmpp_2m / euler_ancestral / dpmpp_sde）、scheduler（normal / karras / exponential / simple）、denoise（1.0=txt2img，<1.0=img2img） - denoise 一句话：1.0 = 全重生（txt2img），0.X = 部分保留原图（img2img / refine）
- 安装方式：Desktop（Win/macOS，最易）/ comfy-cli / Windows Portable / git clone + PyTorch / Docker / Comfy Cloud
- CLI 关键参数：
--cpu/--preview-method auto|taesd/--disable-api-nodes/--tls-keyfile/--tls-certfile/--enable-counselor-ui/--disable-manager-ui - 智能显存管理：最低 1GB VRAM 也能跑 SDXL/Flux；别频繁 reload 打断调度
- 工作流复现：JSON 存档 + PNG/WebP/FLAC 元数据嵌入；拖回画布即恢复
- 与 A1111 边界：A1111 表单式 UI（新手友好）；ComfyUI 节点图（复杂管线强）
- 与 Diffusers 边界：Diffusers 是 Python 代码 API；ComfyUI 是可视化 + 节点封装
ComfyUI 是什么
ComfyUI 是 comfyanonymous 维护的开源（GPL-3.0）AI 生成工作流编排工具，核心由三部分构成：
- 可视化节点图：用户在画布上把「Checkpoint 加载、CLIP 编码、采样、VAE 解码、保存」等节点用带类型约束的连线接起来，形成 DAG（有向无环图）
- 异步队列：执行时按拓扑顺序跑节点，且只重算变化节点上游的子图——改最末端的 seed 不会让上游 Checkpoint / CLIP 重算
- 智能内存管理：自动在 GPU / CPU 间 offload 模型，最低 1GB VRAM 也能跑大模型，无需手动 reload
ComfyUI 不是只跑 Stable Diffusion — 视频（SVD / Mochi / LTX / Hunyuan / Wan）、音频（Stable Audio / ACE Step）、3D（Hunyuan3D 2.0）都已原生支持。
最小 txt2img 工作流
入门第一步是把下面这 6 个节点连起来：
CheckpointLoaderSimple
├─ MODEL ───────────┐
├─ CLIP ─┬─ CLIPTextEncode (positive) ──┐
│ └─ CLIPTextEncode (negative) ──┤
└─ VAE ─────────────────────────────────┤
↓
EmptyLatentImage (LATENT) ──────────→ KSampler ─→ VAEDecode ─→ SaveImage| 节点 | 作用 | 关键参数 |
|---|---|---|
| CheckpointLoaderSimple | 加载 .safetensors / .ckpt 模型权重，输出 MODEL / CLIP / VAE 三件套 | ckpt_name 选模型文件 |
| CLIPTextEncode（×2） | 把文本提示词经 CLIP 编码为 CONDITIONING；两条支路分别是 positive / negative | text 写 prompt（支持多行 / 加权 (word:1.2)） |
| EmptyLatentImage | 生成空白潜变量，文生图起点 | width / height / batch_size |
| KSampler | 核心去噪采样节点 | seed / steps / cfg / sampler_name / scheduler / denoise |
| VAEDecode | LATENT → IMAGE | 接 CheckpointLoader 输出的 VAE |
| SaveImage | 保存到 output/，PNG 嵌入工作流元数据 | filename_prefix |
img2img 把
EmptyLatentImage换成LoadImage → VAEEncode，并把 KSampler 的denoise降到 0.3-0.7。
KSampler 速查
KSampler 是 ComfyUI 的核心节点，参数决定生成质量：
| 参数 | 含义 | 典型值 |
|---|---|---|
seed | 随机种子（噪声起点） | 0 – 18446744073709551615 |
control_after_generate | 跑完后怎么改 seed | fixed / random / increment / decrement |
steps | 去噪步数 | 15-30（太少欠采样、太多浪费） |
cfg | Classifier-Free Guidance 强度 | 6-8（>15 易失真） |
sampler_name | 采样器 | euler / euler_ancestral / dpmpp_2m / dpmpp_sde / ddim |
scheduler | 步长调度 | normal / karras / exponential / simple / sgm_uniform |
denoise | 重生强度 | 1.0 = txt2img，<1.0 = img2img / refine |
control_after_generate=fixed+ 固定 seed 是可复现工作流的基础；批量出图用random/increment。
安装方式
| 方式 | 命令 / 入口 | 适用 |
|---|---|---|
| Desktop | 官方下载 | Win/macOS 新手首选，自带 Python/PyTorch |
| comfy-cli | pip install comfy-cli && comfy install | 跨平台、可脚本化 |
| Windows Portable | GitHub Release 解压即用 | NVIDIA/AMD/Intel，免装环境 |
| 手动 git clone | git clone https://github.com/comfyanonymous/ComfyUI + PyTorch + pip install -r requirements.txt | 完全可控，老玩家 |
| Docker | 官方镜像 / 自写 Dockerfile | 服务端部署首选 |
| Comfy Cloud | comfy.org/cloud | 无本地 GPU 时的官方云 |
入门选 Desktop 或 comfy-cli；线上服务用 Docker；纯小白出图也可看 Comfy Cloud。
关键 CLI 参数
| 参数 | 作用 |
|---|---|
--cpu | 强制 CPU 模式（无 GPU 时） |
--preview-method auto|taesd | 潜变量预览方式 |
--disable-api-nodes | 关掉付费外部模型（GPT-Image-1 / Flux Pro / Nano Banana 等 API Nodes） |
--tls-keyfile / --tls-certfile | 启用 HTTPS |
--front-end-version | 切换前端版本 |
--enable-manager / --enable-counselor-ui / --disable-manager-ui | Manager 启停与 UI 形态 |
--disable-api-nodes是一刀切开关：开了就只剩本地模型路径，所有付费外部模型节点失效。
工作流复现机制
ComfyUI 的可复现性建立在三套机制上：
- JSON 存档：完整的节点图序列化（API 格式与 UI 格式两份），是正式生产存档
- PNG/WebP/FLAC 元数据嵌入：把 JSON 工作流嵌入图像文件元数据；拖回画布即恢复节点图
- ComfyUI-Manager Snapshot：保存当前所有 custom_nodes 的版本组合，可整体回滚
正式生产应 JSON + PNG 双存：PNG 元数据跨平台压缩 / 二次编辑易丢，单存 PNG 不够。
与同类的边界
vs AUTOMATIC1111 (A1111) WebUI
| 维度 | A1111 | ComfyUI |
|---|---|---|
| UI 形态 | Gradio 表单 | 节点图 |
| 上手 | 新手快 | 学习曲线陡 |
| 复杂管线 | 弱 | 极强 |
| 工作流复现 | txt2img 参数 | 整张节点图 |
| 适用 | 纯小白快速出图 | 生产 / 批量 / 高级控图 |
vs Diffusers 库
| 维度 | Diffusers | ComfyUI |
|---|---|---|
| 形态 | HuggingFace Python 库 | 可视化 + 节点封装 |
| 灵活性 | 最高（代码级 API） | 受节点能力约束（可写自定义节点扩展） |
| 上手 | 需写代码 | 拖拽即用 |
| 互斥吗 | 否（不少 custom_nodes 内部用 Diffusers） | — |
下一步
- 核心节点与 KSampler 深度：内置节点全图鉴、KSampler 参数对生成质量的影响、API 集成三件套、Manager / Registry 治理、反模式
- 参考：完整节点参数表、采样器/调度器对照、API 端点速查、官方资源