ComfyUI安装配置、插件管理与二次开发指南

来源:本站 {{likeCount}} {{commentCount}} 评论 2026-04-04 16:43:22

ComfyUI 作为一款基于节点流程的 Stable Diffusion 操作界面，以其高效、模块化和高度可定制的特性，深受 AI 绘图爱好者和开发者的喜爱。无论你是刚接触的新手，还是希望进行深度定制的开发者，本文都将为你提供清晰的路径。

我们将 ComfyUI 的学习路径分为三个主要阶段：快速安装与配置、插件管理以及二次开发。

🚀 第一阶段：快速安装与配置

对于大多数用户，尤其是初次使用者，强烈推荐使用官方提供的一键安装包。这是最快捷、最不容易出错的方式。

1. 新手快速启动

下载： 前往 ComfyUI 的官方 GitHub 发布页面。
解压： 下载最新的 Windows 一键安装包（通常是 .7z 或 .zip 格式），解压到任意目录。
运行： 直接运行目录下的 run_nvidia_gpu.bat（如果你有 NVIDIA 显卡）或对应的启动脚本。

💡 提示：这种方式会自动配置好 Python、PyTorch 等所有必要环境，无需手动操作，极大地降低了入门门槛。

2. 进阶配置：共享模型文件
如果你已经是 Stable Diffusion WebUI (A1111) 的用户，不想重复下载几十 GB 的模型文件，可以通过配置让 ComfyUI 共享 WebUI 的模型库。

在 ComfyUI 根目录下，找到 extra_model_paths.yaml.example 文件。
将其复制并重命名为 extra_model_paths.yaml。
使用文本编辑器打开，将 base_path 修改为你的 Stable Diffusion WebUI 安装路径。
确认 checkpoints、loras 等子路径的相对位置是否正确。
保存并重启 ComfyUI，即可直接调用 WebUI 下载的所有模型。

🛠️ 第二阶段：插件（自定义节点）管理

ComfyUI 的强大之处在于其丰富的自定义节点（插件）。管理它们主要有两种方式：

1. 使用 ComfyUI Manager（强烈推荐）
这是社区最主流的插件管理工具，提供了图形化界面，功能包括：

浏览和安装： 从列表中选择并一键安装成百上千个社区节点。
统一更新： 轻松更新所有已安装的插件。
依赖管理： 自动检测并提示安装节点所需的额外 Python 库。
故障修复： 内置“Fix”功能，可尝试修复节点显示异常等问题。

2. 手动安装
当需要的插件不在 Manager 列表中时，可以采用手动方式：

从 GitHub 下载插件源码（克隆或下载 ZIP 包）。
将解压后的文件夹放入 ComfyUI/custom_nodes 目录中。
如果插件包含 requirements.txt，需进入该目录运行 pip install -r requirements.txt 安装依赖。
重启 ComfyUI 即可生效。

💻 第三阶段：二次开发：创建自定义节点

ComfyUI 的二次开发本质上是编写 Python 脚本来创建新的节点。这需要一定的 Python 编程基础。

1. 开发环境准备
建议从源码手动安装 ComfyUI 以便于调试：

创建虚拟环境： 推荐使用 Python 3.10，通过 conda 或 venv 创建独立环境。
获取源码： git clone https://github.com/comfyanonymous/ComfyUI.git
安装依赖： 运行 pip install -r requirements.txt。

2. 编写一个简单节点
所有自定义节点都放在 custom_nodes 目录下。一个基本的节点类需要包含以下核心部分：

INPUT_TYPES: 定义输入参数（如图像、数值）。
RETURN_TYPES: 声明输出数据类型。
FUNCTION: 指定执行核心逻辑的函数名。
CATEGORY: 决定节点在侧边栏菜单中的分类。
NODE_CLASS_MAPPINGS: 注册节点到系统。

代码示例：图像亮度调整节点
以下是一个简单的 Python 示例，创建一个能将图像变亮或变暗的节点：

# 文件名: custom_nodes/image_multiplier.py
import torch

class ImageMultiplier:
    @classmethod
    def INPUT_TYPES(cls):
        return {
            "required": {
                "images": ("IMAGE",), # 输入：图像
                "factor": ("FLOAT", { # 输入：一个浮点数滑块
                    "default": 1.0,
                    "min": 0.1,
                    "max": 3.0,
                    "step": 0.1,
                }),
            }
        }
    
    RETURN_TYPES = ("IMAGE",) # 输出：一个图像
    FUNCTION = "execute" # 执行函数名为 execute
    CATEGORY = "image/post-processing" # 分类位置

    def execute(self, images, factor):
        # 核心逻辑：将图像像素值乘以系数，并限制在0-1之间
        result = torch.clamp(images * factor, 0, 1)
        return (result,) # 返回值必须是元组

# 注册节点
NODE_CLASS_MAPPINGS = {
    "ImageMultiplier": ImageMultiplier
}

将上述代码保存为 image_multiplier.py 并放入 custom_nodes 目录后，刷新 ComfyUI 页面，你就能在 image/post-processing 分类下找到这个新节点了。