新手必看：ComfyUI本地部署与模型放置完整教程

环境配置与核心原理

部署ComfyUI前，请确认您的本地工作站符合以下硬件与软件要求。核心硬件需要一张支持CUDA的NVIDIA显卡，并确保已安装匹配的显卡驱动与CUDA工具包，这是稳定运行Stable Diffusion相关应用的计算基础。软件层面，需要预先配置Python环境，推荐使用3.10或3.11版本以保证最佳的库兼容性。同时，请安装Git客户端，用于获取ComfyUI的官方源码库。理解ComfyUI的节点式工作流架构至关重要：它将图像生成流程解构为独立的、可连接的功能模块，不仅提供了前所未有的参数控制粒度，也实现了更优化的显存管理与任务调度。

源码获取与启动流程

部署的第一步是获取源代码。在命令行终端中，导航至您选定的工作目录，执行Git克隆命令拉取官方仓库。完成后，进入新生成的ComfyUI项目文件夹。接下来安装Python依赖，运行 `pip install -r requirements.txt` 命令，系统将自动解析并安装所有必需的第三方库，此过程耗时取决于您的网络环境。安装完毕后，即可启动应用。Windows用户可直接双击运行 `run_nvidia_gpu.bat` 批处理文件；macOS或Linux用户则需在终端执行对应的启动命令。服务成功启动后，在浏览器中访问本地回环地址（默认为 http://127.0.0.1:8188）即可进入ComfyUI的图形化操作界面。

关键步骤：模型文件的目录规划与部署

此环节是确保ComfyUI功能正常的核心，模型文件的存放路径必须绝对准确。ComfyUI依赖多种类型的模型文件，包括基础大模型、变分自编码器、低秩适配器以及各类控制网络模型。这些文件需严格放置于ComfyUI主目录下的 `models` 文件夹内，并遵循子目录分类规范：将主模型文件（.safetensors或.ckpt格式）置于 `checkpoints` 子目录；LoRA模型放入 `loras` 目录；VAE模型放入 `vae` 目录；ControlNet模型则放入 `controlnet` 目录。请确保从外部下载的模型文件按此结构归类存放，重启ComfyUI服务后，所有模型便可在对应节点的加载菜单中正确显示并调用。

工作流加载与初步实践

当系统环境与模型库均就绪后，即可开始探索ComfyUI的节点化创作。建议新手从加载社区共享的工作流文件入手进行学习。您可以从相关平台下载后缀为 `.json` 的工作流模板，在ComfyUI界面中点击“Load”按钮导入。导入后，画布将呈现一个完整且已连线的节点流程图，清晰展示从文本编码、采样到图像解码的端到端过程。点击“Queue Prompt”按钮执行该工作流，实时观察图像生成进度。您可以尝试修改正向/负向提示词、调整采样器步数与CFG值，或切换不同的大模型，直观对比输出效果的变化。通过分析与复用这些成熟的工作流，能快速掌握节点间的数据流逻辑与参数依赖关系。

故障诊断与效能提升指南

初次使用可能遇到一些典型问题。若浏览器无法访问界面，请检查默认端口（8188）是否被其他进程占用，或尝试以管理员权限重新运行启动脚本。加载工作流时若报错“Missing Node”，通常是由于未安装相应的自定义节点插件，可通过ComfyUI Manager进行搜索安装。最常见的生成失败提示是“Model not found”，这几乎总是由于模型文件未按前述目录结构存放，请逐级核对路径。对于进阶用户，强烈建议安装ComfyUI Manager来集中管理插件与模型更新。养成定期备份复杂工作流.json文件的习惯。随着熟练度增加，您可以尝试从空白画布开始，自主拖拽和连接节点，构建定制化的高效生成流水线，从而完全释放节点式架构的灵活性与控制潜力。