ComfyUI 是什么，为什么值得学
ComfyUI 是一款基于节点（Node）的 Stable Diffusion 图形界面工具。与一键式 WebUI 不同，它把生成图像的每一步拆成独立节点，用户通过连线和参数调整来控制整个流程。这种设计对新手看似复杂，但一旦理解就非常灵活，能精准复现和修改工作流，也方便后续接入 ControlNet、LoRA 等扩展。安装上，ComfyUI 支持官方源码部署，但更省事的方式是使用社区维护的整合包：下载后解压到任意目录，双击运行脚本即可启动，无需手动配置 Python 环境和依赖。
下载与启动整合包
整合包通常以压缩包形式发布，体积在数 GB 到十几 GB 之间，内含 Python 运行时、PyTorch、ComfyUI 本体和常用自定义节点。下载后建议解压到非中文、无空格的路径，例如 D:ComfyUI，避免后续加载模型时出现编码错误。解压完成后，找到 run_nvidia_gpu.bat 之类的启动脚本，双击运行。首次启动会在控制台加载依赖，稍等片刻后浏览器会自动打开 http://127.0.0.1:8188，看到灰色网格画布和左侧节点菜单，就说明安装成功。
节点与连线：理解核心逻辑
ComfyUI 的界面由节点和连线组成。每个节点代表一个具体功能，比如加载模型、编码提示词、采样去噪、解码图像。连线则代表数据流动方向，通常从左侧输入端口连到右侧输出端口。一个节点的输出可以同时连给多个节点，但输入端口一般只能接受一条连线。理解这一点很关键：你调整的不是一个全局参数面板，而是一条从模型到图像的完整数据链。想要生成什么，就把对应的节点按顺序连起来。
Checkpoint Loader：加载大模型
Checkpoint Loader（检查点加载器）是文生图流程的起点。它负责把存放在 models/checkpoints 目录下的大模型文件读入显存，并输出 MODEL、CLIP 和 VAE 三个接口。MODEL 交给采样器去噪，CLIP 交给文本编码器处理提示词，VAE 负责把潜空间数据解码成像素图像。使用时在节点里点选模型名称即可，建议一次只加载一个 Checkpoint，切换模型时重新选择并等待加载完成。
文生图完整流程：五个关键节点
一个最基础的文生图工作流包含五个环节。第一，Checkpoint Loader 加载大模型，输出 MODEL、CLIP、VAE。第二，CLIP Text Encode 节点分别输入正向提示词和负向提示词，把文字转成模型能理解的条件向量。第三，Empty Latent Image 节点设置生成图像的宽高和批次数量，输出一张空白潜空间图。第四，KSampler 采样器接收 MODEL、正向条件、负向条件、空白潜图，并设置采样步数、CFG 强度和采样器类型，输出去噪后的潜空间数据。第五，VAE Decode 节点把潜空间数据解码成真实图像，再连到 Save Image 节点保存到 output 目录。把这五个环节依次连好，点击队列提示词，就能得到第一张 AI 生成的图片。
新手常见问题与建议
如果启动后报错，优先检查整合包路径是否含中文，以及显卡驱动是否支持当前 PyTorch 版本。如果生成结果全黑或全灰，多半是 VAE 没连对，或者采样步数设得过低。建议新手先跑通默认工作流，再逐步替换模型、修改提示词、调整采样参数，每次只改一个变量，方便定位问题。熟悉这套节点逻辑后，再去尝试图生图、ControlNet 和 LoRA，会顺畅很多。