# ComfyUI

面向 Stable Diffusion 的基于节点的界面，在 CLORE.AI GPU 上提供极致灵活性。

{% hint style="success" %}
所有示例都可以在通过以下方式租用的 GPU 服务器上运行： [CLORE.AI 市场](https://clore.ai/marketplace).
{% endhint %}

## 服务器要求

| 参数   | 最低        | 推荐     |
| ---- | --------- | ------ |
| 内存   | 16GB      | 32GB+  |
| 显存   | 8GB（SDXL） | 12GB+  |
| 网络   | 500Mbps   | 1Gbps+ |
| 启动时间 | 5-10 分钟   | -      |

{% hint style="warning" %}
**启动时间：** 首次启动将下载依赖项和模型（取决于网络速度需 5-10 分钟）。此期间出现 HTTP 502 是正常的。
{% endhint %}

{% hint style="danger" %}
**重要：** ComfyUI 与 FLUX 模型需要 16GB+ 显存。对于带 ControlNet 的 SDXL，确保至少有 10GB 显存。
{% endhint %}

## 为什么选择 ComfyUI？

* **基于节点的工作流** - 用于图像生成的可视化编程
* **最大控制** - 微调管道的每个步骤
* **高效** - 比替代方案更低的显存使用
* **可扩展** - 大量自定义节点生态系统
* **工作流共享** - 以 JSON 导入/导出

## 在 CLORE.AI 上快速部署

**Docker 镜像：**

```
yanwk/comfyui-boot:cu126-slim
```

**端口：**

```
22/tcp
8188/http
```

**环境：**

```
CLI_ARGS=--listen 0.0.0.0
```

### 验证是否正常运行

部署后，在以下位置查找您的 `http_pub` URL： **我的订单**:

```bash
# 检查 UI 是否可访问（首次运行可能需 5-10 分钟）
curl https://your-http-pub.clorecloud.net/
```

{% hint style="info" %}
如果出现 HTTP 502 超过 15 分钟，请检查：

1. 服务器是否有 16GB+ RAM
2. 服务器具有用于 SDXL 的 8GB+ 显存，FLUX 需要 16GB+
3. 网络速度足以下载模型
   {% endhint %}

## 访问您的服务

部署在 CLORE.AI 时，通过以下方式访问 ComfyUI： `http_pub` URL：

* **Web 界面：** `https://your-http-pub.clorecloud.net/`
* **API：** `https://your-http-pub.clorecloud.net/prompt`
* **WebSocket：** `wss://your-http-pub.clorecloud.net/ws`

{% hint style="info" %}
全部 `localhost:8188` 下面的示例在通过 SSH 连接时可用。若需外部访问，请替换为你的 `https://your-http-pub.clorecloud.net/` URL。
{% endhint %}

## 安装

### 使用 Docker（推荐）

```bash
docker run -d --gpus all \
  -p 8188:8188 \\
  -v comfyui-data:/root \\
  -e CLI_ARGS="--listen 0.0.0.0" \\
  yanwk/comfyui-boot:cu126-slim
```

### 手动安装

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

# 创建虚拟环境
python -m venv venv
source venv/bin/activate

# 安装带 CUDA 的 PyTorch
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu124

# 安装依赖
pip install -r requirements.txt

# 运行
python main.py --listen 0.0.0.0
```

## 目录结构

```
ComfyUI/
├── models/
│   ├── checkpoints/     # SD 模型（.safetensors）
│   ├── loras/           # LoRA 模型
│   ├── vae/             # VAE 模型
│   ├── controlnet/      # ControlNet 模型
│   ├── upscale_models/  # 放大模型
│   └── clip/            # CLIP 模型
├── input/               # 输入图像
├── output/              # 生成的图像
└── custom_nodes/        # 扩展
```

## 下载模型

### Stable Diffusion 检查点

```bash
cd ComfyUI/models/checkpoints

# SDXL 基础模型
wget https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/resolve/main/sd_xl_base_1.0.safetensors

# SDXL 精炼器
wget https://huggingface.co/stabilityai/stable-diffusion-xl-refiner-1.0/resolve/main/sd_xl_refiner_1.0.safetensors

# SD 1.5（更小、更快）
wget https://huggingface.co/runwayml/stable-diffusion-v1-5/resolve/main/v1-5-pruned.safetensors

# Realistic Vision（照片级写实）
wget https://huggingface.co/SG161222/Realistic_Vision_V6.0_B1_noVAE/resolve/main/Realistic_Vision_V6.0_B1_fp16.safetensors
```

### VAE

```bash
cd ComfyUI/models/vae

# SDXL VAE
wget https://huggingface.co/stabilityai/sdxl-vae/resolve/main/sdxl_vae.safetensors

# SD 1.5 VAE（更好色彩）
wget https://huggingface.co/stabilityai/sd-vae-ft-mse-original/resolve/main/vae-ft-mse-840000-ema-pruned.safetensors
```

### LoRA 模型

```bash
cd ComfyUI/models/loras

# 从 CivitAI 或 HuggingFace 下载
# 将 .safetensors 文件放在此处
```

## 基本工作流

### 文本到图像

1. 添加节点：
   * **加载检查点** → 选择模型
   * **CLIP 文本编码** (x2) → 正负提示词
   * **空的潜在图像** → 设置尺寸
   * **KSampler** → 连接全部
   * **VAE 解码** → 从潜在到图像
   * **保存图像** → 输出
2. 连接：

```
[Checkpoint] → MODEL → [KSampler]
[Checkpoint] → CLIP → [CLIP Text Encode +]
[Checkpoint] → CLIP → [CLIP Text Encode -]
[Checkpoint] → VAE → [VAE Decode]
[Text Encode +] → CONDITIONING → [KSampler]
[Text Encode -] → CONDITIONING → [KSampler]
[Empty Latent] → LATENT → [KSampler]
[KSampler] → LATENT → [VAE Decode]
[VAE Decode] → IMAGE → [Save Image]
```

### 图像到图像

替换 **空的潜在图像** 为：

1. **加载图像** → 你的源图像
2. **VAE 编码** → 转换为潜在表示
3. 调整 **去噪** 在 KSampler（0.5-0.8）中

## ComfyUI 管理器

ComfyUI 管理器是一个 **必要的扩展** 它为安装、更新和管理自定义节点添加了 GUI。它是扩展 ComfyUI 的标准方式。

### 安装

```bash
demo.launch(server_name="0.0.0.0", server_port=7860)
git clone https://github.com/ltdrdata/ComfyUI-Manager.git
# 重启 ComfyUI — 工具栏将出现一个 “Manager” 按钮
```

### 使用 ComfyUI 管理器

重启后， **Manager** 按钮会出现在 ComfyUI 界面右上角。

**主要功能：**

| 特性      | 如何访问                                   |
| ------- | -------------------------------------- |
| 安装自定义节点 | Manager → Install Custom Nodes         |
| 更新所有节点  | Manager → Update All                   |
| 禁用/启用节点 | Manager → Custom Nodes Manager         |
| 安装缺失的节点 | Manager → Install Missing Custom Nodes |
| 获取模型信息  | Manager → Model Manager                |
| 恢复快照    | Manager → Snapshot Manager             |

**工作流：安装新的节点包**

1. 点击 **Manager** 按钮
2. 选择 **Install Custom Nodes**
3. 按名称搜索（例如："FLUX"、"AnimateDiff"）
4. 点击 **安装** 在所需包上
5. 点击 **在提示时重启** Restart
6. 新节点会出现在右键添加菜单中

**自动安装缺失节点：** 当你导入使用你没有的节点的工作流 JSON 时，Manager 会检测到它们并提供通过自动安装的选项，使用 **Install Missing Custom Nodes**.

### 保持节点更新

```bash
# 从命令行（作为 GUI 的替代）：
cd ComfyUI/custom_nodes/ComfyUI-Manager
git pull

# 或在 UI 中使用 Manager → Update All
```

***

## ComfyUI 中的 FLUX 工作流

FLUX 使用与标准 SD 模型不同的节点结构。下面是完整的 FLUX.1-dev 工作流。

### 所需文件

在运行工作流之前，下载：

```bash
# FLUX 模型（dev 或 schnell）
cd ComfyUI/models/unet
wget https://huggingface.co/black-forest-labs/FLUX.1-dev/resolve/main/flux1-dev.safetensors

# 文本编码器
cd ../clip
wget https://huggingface.co/comfyanonymous/flux_text_encoders/resolve/main/clip_l.safetensors
wget https://huggingface.co/comfyanonymous/flux_text_encoders/resolve/main/t5xxl_fp16.safetensors

# VAE
cd ../vae
wget https://huggingface.co/black-forest-labs/FLUX.1-dev/resolve/main/ae.safetensors
```

### FLUX.1-dev 工作流 JSON

保存为 `flux_dev_workflow.json` 并通过以下方式导入： **加载** ComfyUI 中的按钮：

```json
{
  "last_node_id": 12,
  "last_link_id": 20,
  "nodes": [
    {
      "id": 1,
      "type": "UNETLoader",
      "pos": [100, 100],
      "size": [300, 60],
      "inputs": [],
      "outputs": [{"name": "MODEL", "type": "MODEL", "links": [1]}],
      "properties": {},
      "widgets_values": ["flux1-dev.safetensors", "default"]
    },
    {
      "id": 2,
      "type": "DualCLIPLoader",
      "pos": [100, 200],
      "size": [350, 80],
      "inputs": [],
      "outputs": [{"name": "CLIP", "type": "CLIP", "links": [2, 3]}],
      "properties": {},
      "widgets_values": ["clip_l.safetensors", "t5xxl_fp16.safetensors", "flux"]
    },
    {
      "id": 3,
      "type": "CLIPTextEncode",
      "pos": [500, 150],
      "size": [425, 180],
      "inputs": [{"name": "clip", "type": "CLIP", "link": 2}],
      "outputs": [{"name": "CONDITIONING", "type": "CONDITIONING", "links": [4]}],
      "properties": {},
      "widgets_values": ["A stunning photorealistic landscape, golden hour lighting, 8K"]
    },
    {
      "id": 4,
      "type": "EmptySD3LatentImage",
      "pos": [100, 350],
      "size": [300, 100],
      "inputs": [],
      "outputs": [{"name": "LATENT", "type": "LATENT", "links": [5]}],
      "properties": {},
      "widgets_values": [1024, 1024, 1]
    },
    {
      "id": 5,
      "type": "ModelSamplingFlux",
      "pos": [500, 350],
      "size": [300, 80],
      "inputs": [{"name": "model", "type": "MODEL", "link": 1}],
      "outputs": [{"name": "MODEL", "type": "MODEL", "links": [6]}],
      "properties": {},
      "widgets_values": [1.15, 0.5, 1024, 1024]
    },
    {
      "id": 6,
      "type": "KSampler",
      "pos": [850, 250],
      "size": [350, 240],
      "inputs": [
        {"name": "model", "type": "MODEL", "link": 6},
        {"name": "positive", "type": "CONDITIONING", "link": 4},
        {"name": "negative", "type": "CONDITIONING", "link": 7},
        {"name": "latent_image", "type": "LATENT", "link": 5}
      ],
      "outputs": [{"name": "LATENT", "type": "LATENT", "links": [8]}],
      "properties": {},
      "widgets_values": [42, "fixed", 20, 3.5, "euler", "simple", 1.0]
    },
    {
      "id": 7,
      "type": "CLIPTextEncode",
      "pos": [500, 500],
      "size": [300, 60],
      "inputs": [{"name": "clip", "type": "CLIP", "link": 3}],
      "outputs": [{"name": "CONDITIONING", "type": "CONDITIONING", "links": [7]}],
      "properties": {},
      "widgets_values": [""]
    },
    {
      "id": 8,
      "type": "VAELoader",
      "pos": [100, 500],
      "size": [300, 60],
      "inputs": [],
      "outputs": [{"name": "VAE", "type": "VAE", "links": [9]}],
      "properties": {},
      "widgets_values": ["ae.safetensors"]
    },
    {
      "id": 9,
      "type": "VAEDecode",
      "pos": [1250, 300],
      "size": [210, 46],
      "inputs": [
        {"name": "samples", "type": "LATENT", "link": 8},
        {"name": "vae", "type": "VAE", "link": 9}
      ],
      "outputs": [{"name": "IMAGE", "type": "IMAGE", "links": [10]}],
      "properties": {}
    },
    {
      "id": 10,
      "type": "SaveImage",
      "pos": [1500, 300],
      "size": [300, 270],
      "inputs": [{"name": "images", "type": "IMAGE", "link": 10}],
      "outputs": [],
      "properties": {},
      "widgets_values": ["flux_output"]
    }
  ],
  "links": [
    [1, 1, 0, 5, 0, "MODEL"],
    [2, 2, 0, 3, 0, "CLIP"],
    [3, 2, 0, 7, 0, "CLIP"],
    [4, 3, 0, 6, 1, "CONDITIONING"],
    [5, 4, 0, 6, 3, "LATENT"],
    [6, 5, 0, 6, 0, "MODEL"],
    [7, 7, 0, 6, 2, "CONDITIONING"],
    [8, 6, 0, 9, 0, "LATENT"],
    [9, 8, 0, 9, 1, "VAE"],
    [10, 9, 0, 10, 0, "IMAGE"]
  ],
  "groups": [],
  "config": {},
  "extra": {"ds": {"scale": 0.8, "offset": [0, 0]}},
  "version": 0.4
}
```

### FLUX.1-schnell 工作流（4 步）

对于 schnell，请在上述 JSON 中更改 KSampler 设置：

* `num_inference_steps`: `4`
* `cfg`: `1.0`
* `scheduler`: `"simple"`
* 模型文件： `flux1-schnell.safetensors`

或通过 UI 设置：KSampler → steps： **4**, cfg： **1.0**, sampler： **euler**, scheduler： **simple**

### 关键节点差异：FLUX 与 SD

| 节点    | SD/SDXL        | FLUX                            |
| ----- | -------------- | ------------------------------- |
| 模型加载器 | 加载检查点          | UNETLoader                      |
| 文本编码器 | CLIPTextEncode | DualCLIPLoader + CLIPTextEncode |
| 潜在表示  | 空的潜在图像         | EmptySD3LatentImage             |
| 额外    | —              | ModelSamplingFlux               |
| 负面提示词 | 需要             | 可选（留空）                          |

***

## 重要的自定义节点

### 推荐的节点包

| 节点包                      | GitHub                                  | 模型变体                 |
| ------------------------ | --------------------------------------- | -------------------- |
| **ComfyUI-Manager**      | ltdrdata/ComfyUI-Manager                | 安装并管理所有其他节点          |
| **ComfyUI-FLUX**         | XLabs-AI/x-flux-comfyui                 | FLUX 的 ControlNet 节点 |
| **was-node-suite**       | WASasquatch/was-node-suite-comfyui      | 100+ 实用节点            |
| ComfyUI-Impact-Pack      | ltdrdata/ComfyUI-Impact-Pack            | 人脸检测、SAM、ADetailer   |
| ComfyUI-Inspire-Pack     | ltdrdata/ComfyUI-Inspire-Pack           | 高级采样器、工作流            |
| ComfyUI-AnimateDiff      | Kosinkadink/ComfyUI-AnimateDiff-Evolved | 视频 / 动画生成            |
| ComfyUI-VideoHelperSuite | Kosinkadink/ComfyUI-VideoHelperSuite    | 视频 I/O 处理            |
| ComfyUI-GGUF             | city96/ComfyUI-GGUF                     | 运行量化的 GGUF 模型        |
| ComfyUI-KJNodes          | kijai/ComfyUI-KJNodes                   | 实用与蒙版节点              |
| rgthree-comfy            | rgthree/rgthree-comfy                   | 工作流助手、更好的 UI         |

### ComfyUI-FLUX（XLabs-AI）

在 ComfyUI 中为 FLUX 添加 ControlNet 支持：

```bash
demo.launch(server_name="0.0.0.0", server_port=7860)
git clone https://github.com/XLabs-AI/x-flux-comfyui
cd x-flux-comfyui
pip install -r requirements.txt
```

添加节点： `应用 ControlNet（FLUX）`, `加载 ControlNet 模型（FLUX）`, `XFlux 采样器`

### was-node-suite

用于高级工作流的 100+ 实用节点：

```bash
demo.launch(server_name="0.0.0.0", server_port=7860)
git clone https://github.com/WASasquatch/was-node-suite-comfyui
cd was-node-suite-comfyui
pip install -r requirements.txt
```

关键节点：图像批处理、文本操作、图像分析、缓存节点、总线节点、放大、蒙版操作

### 通过 Manager 安装

1. 点击 **Manager** 按钮
2. **Install Custom Nodes**
3. 搜索并安装
4. 重启 ComfyUI

## 高级工作流

### ControlNet

```bash
# 下载 ControlNet 模型
cd ComfyUI/models/controlnet

# Canny
wget https://huggingface.co/lllyasviel/ControlNet-v1-1/resolve/main/control_v11p_sd15_canny.pth

# Depth（深度）
wget https://huggingface.co/lllyasviel/ControlNet-v1-1/resolve/main/control_v11f1p_sd15_depth.pth

# OpenPose
wget https://huggingface.co/lllyasviel/ControlNet-v1-1/resolve/main/control_v11p_sd15_openpose.pth
```

工作流：

1. 加载图像 → Canny 边缘检测器
2. 应用 ControlNet → KSampler
3. 使用姿态/边缘引导生成

### 放大（Upscaling）

```bash
# 下载放大器
cd ComfyUI/models/upscale_models
wget https://github.com/xinntao/Real-ESRGAN/releases/download/v0.1.0/RealESRGAN_x4plus.pth
```

工作流：

1. 在较低分辨率（768x768）生成图像
2. Upscale Image（模型）节点
3. 可选：用于细节的 img2img 步骤

### SDXL + 精炼器

1. 使用 SDXL 基础模型生成（步骤 1-20）
2. 将潜在传递给 SDXL 精炼器（步骤 21-30）
3. VAE 解码最终结果

## 键盘快捷键

| 键                  | 操作          |
| ------------------ | ----------- |
| `Ctrl+Enter`       | 加入队列提示      |
| `Ctrl+Shift+Enter` | 将提示加入队列（前置） |
| `Ctrl+Z`           | 撤销          |
| `Ctrl+Y`           | 重做          |
| `Ctrl+S`           | 保存工作流       |
| `Ctrl+O`           | 加载工作流       |
| `Ctrl+A`           | 全选          |
| `Delete`           | 删除所选项       |
| `Ctrl+M`           | 静音节点        |
| `Ctrl+B`           | 绕过节点        |

## API 使用

### 队列提示

```python
import json
import urllib.request

# 若需外部访问，请使用你的 http_pub URL：
SERVER = "your-http-pub.clorecloud.net"
# 或通过 SSH：SERVER = "localhost:8188"

def queue_prompt(prompt, server=SERVER):
    data = json.dumps({"prompt": prompt}).encode('utf-8')
    req = urllib.request.Request(f"https://{server}/prompt", data=data)
    urllib.request.urlopen(req)

# 加载工作流 JSON 并加入队列
with open("workflow.json") as f:
    workflow = json.load(f)
queue_prompt(workflow)
```

### 进度的 WebSocket

```python
import websocket
import json

# 若需外部访问，请使用带有你的 http_pub URL 的 wss://
ws = websocket.WebSocket()
ws.connect(f"wss://{SERVER}/ws")

while True:
    msg = json.loads(ws.recv())
    if msg['type'] == 'progress':
        print(f"Step {msg['data']['value']}/{msg['data']['max']}")
    elif msg['type'] == 'executed':
        print("完成！")
        break
```

## 性能优化建议

1. **启用 --lowvram** 用于 <8GB 显存
2. **尽可能使用 fp16** 模型
3. **批量大小 1** 用于显存受限时
4. **分块 VAE** 用于高分辨率图像
5. **禁用预览** 以加快生成速度

## GPU 要求

| A100              | 最低显存 | 推荐显存 | 最小内存 |
| ----------------- | ---- | ---- | ---- |
| SD 1.5            | 4GB  | 8GB  | 16GB |
| SDXL              | 8GB  | 12GB | 16GB |
| SDXL + ControlNet | 10GB | 16GB | 16GB |
| FLUX              | 16GB | 24GB | 32GB |

## GPU 预设

### RTX 3060 12GB（入门）

```bash
# 启动并应用优化
python main.py --lowvram --force-fp16

# 推荐设置：
# - SDXL：768x768，批量 1
# - SD 1.5：512x512，批量 4
# - 使用 VAE 平铺
# - 20-30 步
```

**最佳适用：** SD 1.5、SDXL（有一定限制）

### RTX 3090 24GB（理想）

```bash
# 标准启动
python main.py --force-fp16

# 推荐设置：
# - SDXL：1024x1024，批量 2
# - FLUX schnell：1024x1024，批量 1
# - ControlNet + SDXL 效果良好
# - 30-50 步
```

**最佳适用：** SDXL、ControlNet 工作流，中等 FLUX

### RTX 4090 24GB（性能）

```bash
# 全速启动
python main.py

# 推荐设置：
# - SDXL：1024x1024，批量 4
# - FLUX dev：1024x1024，批量 1-2
# - 多个 ControlNet 的复杂工作流
# - 为获得高质量建议 50+ 步
```

**最佳适用：** FLUX、复杂工作流、批量生成

### A100 40GB/80GB（生产）

```bash
# 最大性能
python main.py --highvram

# 推荐设置：
# - SDXL：1024x1024，批量 8+
# - FLUX：1024x1024，批量 2-4
# - 同时加载多个模型
# - 高分辨率输出（2048x2048）
```

**最佳适用：** 生产级工作负载、FLUX、高分辨率生成

## 下载所有所需的检查点

典型 CLORE.AI 市场价格：

| GPU     | 显存   | 价格/天       | SDXL 速度  |
| ------- | ---- | ---------- | -------- |
| 按小时费率   | 12GB | $0.15–0.30 | \~15 秒/图 |
| 速度      | 24GB | $0.30–1.00 | \~8 秒/图  |
| 512x512 | 24GB | $0.50–2.00 | \~4 秒/图  |
| 2s      | 40GB | $1.50–3.00 | \~3 秒/图  |

*价格以美元/天计。费率因提供商而异——请查看* [*CLORE.AI 市场*](https://clore.ai/marketplace) *A100 40GB*

## # 使用固定种子以获得一致结果

### 长时间出现 HTTP 502

1. **检查内存（RAM）：** 服务器必须有 16GB+ RAM
2. **检查显存（VRAM）：** SDXL 需 8GB+，FLUX 需 16GB+
3. **依赖项下载：** 首次运行需 5-10 分钟
4. **模型下载：** 大型模型需更长时间

### 内存不足

```bash
# 使用低显存模式运行
python main.py --lowvram

# 或强制使用 fp16
python main.py --force-fp16
```

### 黑图（全黑图像）

* 检查 VAE 是否已加载
* 尝试不同的 VAE
* 降低图像大小

### 生成速度慢

* 启用 CUDA
* 使用 fp16 模型
* 减少步数（20-30 步通常足够）

## 工作流示例

在 ComfyUI 中导入这些 JSON 工作流：

* [基础 txt2img](https://comfyworkflows.com)
* [SDXL + 精炼器](https://comfyworkflows.com)
* [ControlNet Canny](https://comfyworkflows.com)
* [AnimateDiff 视频](https://comfyworkflows.com)

## 使用以下方式支付

* [ControlNet 指南](/guides/guides_v2-zh/tu-xiang-chu-li/controlnet-advanced.md)
* [Real-ESRGAN 放大](/guides/guides_v2-zh/tu-xiang-chu-li/real-esrgan-upscaling.md)
* [Kohya 训练](/guides/guides_v2-zh/xun-lian/kohya-training.md) - 训练自定义 LoRA
* [- 将重光图像转换为 3D](/guides/guides_v2-zh/tu-xiang-sheng-cheng/fooocus-simple-sd.md) - 更简单的替代方案


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-zh/tu-xiang-sheng-cheng/comfyui.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.