📖 教程 · 5 分钟读完 · 2026-07-24

ComfyUI 快速上手教程（GitHub README 中文整理）

从 ComfyUI 官方 GitHub README 翻译整理的快速上手指南。

ComfyUI 快速上手教程

ComfyUI 是一款面向视觉创作者的开源 AI 引擎，采用节点图（Node Graph） 界面，让你像搭积木一样组合模型、参数和输出流程。它不写代码，全靠拖拽连线，就能构建从简单到极其复杂的 AI 生成工作流。

支持 Windows、macOS、Linux 本地运行，也提供云端版本。

ComfyUI 原生支持当前最热门的开源模型，包括但不限于：

图像生成：SD1.x、SD2.x、SDXL、SD3/SD3.5、Flux、Stable Cascade、Pixart、AuraFlow、HunyuanDiT、Lumina Image 2.0、HiDream、Qwen Image 等
视频生成：通过节点接入相关模型
3D 模型：支持 Hunyuan3D 等
音频处理：扩展节点可接入音频模型

此外，API 节点还能调用闭源模型（如 Nano Banana、Seedance 等），满足生产级需求。

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

# 安装依赖（推荐使用虚拟环境）
pip install -r requirements.txt

# 启动
python main.py

启动后浏览器访问 http://127.0.0.1:8188 即可打开界面。

注意：首次使用需下载模型文件（如 SD 基础模型），放入 models/checkpoints/ 目录。

启动 ComfyUI，浏览器打开界面
你会看到一个空白画布，左侧是节点列表
右键点击画布 → 选择 Add Node → 搜索 Load Checkpoint → 添加
在 Load Checkpoint 节点中，选择你已下载的模型
继续添加 CLIP Text Encode（输入提示词）、KSampler（采样器）、VAE Decode、Save Image 等节点
将节点输出端口（小圆点）拖拽连线：
- Load Checkpoint 的 model → KSampler 的 model
- CLIP Text Encode 的 conditioning → KSampler 的 positive
- KSampler 的 latent → VAE Decode 的 samples
- VAE Decode 的 image → Save Image 的 images
点击右侧面板的 Queue Prompt 按钮，等待生成

更详细的示例工作流可参考官方模板库：ComfyUI 示例工作流

翻译整理自 GitHub README，原文：https://github.com/Comfy-Org/ComfyUI