从零开始使用ComfyUI：镜像部署与工作流操作全指南

本文基于实际Linux云实例操作场景，详细讲解从ComfyUI镜像环境到成功进入工作流的完整流程，涵盖环境排查、服务启动、访问验证等核心步骤，适配润云平台ComfyUI镜像及类似环境。

一、什么是comfyui

ComfyUI就像拥有一支神奇魔杖，可以轻松创造出令人惊叹的AI生成艺术。从本质上讲，ComfyUI是构建在Stable Diffusion之上的基于节点的图形用户界面(GUI)，而Stable Diffusion是一种最先进的深度学习模型，可以根据文本描述生成图像。 但ComfyUI真正特别之处在于，它如何让像你这样的艺术家释放创造力，将你最疯狂的想法变为现实。

想象一下有一块数字画布，你可以通过连接不同的节点来构建自己独特的图像生成工作流，每个节点代表一个特定的功能或操作。 就像为你的AI生成杰作构建一个视觉食谱!

二、ComfyUI的准备

2.1 前置准备

进入润云平台，创建实例时选择ComfyUI镜像

创建实例成功之后，进入刚创建的实例Jupyter页面，并打开终端

2.2 确认ComfyUI安装路径

首先定位ComfyUI核心启动文件main.py，执行以下命令全局查找：

find / -name "main.py" 2>/dev/null | grep -i comfy

示例输出（本文实操路径）：

/home/ComfyUI/main.py

若输出为空（镜像未预装ComfyUI），手动安装：

cd /root/workspace
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
pip install -r requirements.txt

2.3 查看实例公网IP

访问ComfyUI需实例公网IP，执行命令快速获取：

curl ifconfig.me

示例输出（本文实操IP）：

221.5.60.2

2.4 检查端口占用

ComfyUI默认端口为8188，本文实操使用8888/8889端口，先检查端口是否被占用：

# 检查8888端口
netstat -tuln | grep 8888
# 检查8889端口
netstat -tuln | grep 8889

若输出包含LISTEN，说明端口被占用，需更换端口。

三、启动ComfyUI服务

3.1 基础启动命令（前台运行）

进入ComfyUI主目录，启动服务并指定外网访问权限及端口：

# 进入ComfyUI目录（根据实际路径调整）
cd /home/ComfyUI
# 启动服务（使用8889端口，避开占用）
python main.py --listen 0.0.0.0 --port 8889

启动成功标志：终端最后输出以下内容，说明服务已正常运行：

Starting server
To see the GUI go to: http://0.0.0.0:8889

3.2 后台运行（推荐）

避免关闭终端导致服务停止，使用nohup命令后台启动，同时记录日志：

cd /home/ComfyUI
nohup python main.py --listen 0.0.0.0 --port 8889 > /root/workspace/comfyui.log 2>&1 

• 日志查看：tail -f /root/workspace/comfyui.log 实时监控启动状态

• 停止服务：

    `# 查找ComfyUI进程ID

  ps aux | grep comfy

  3.3 常见启动报错解决

四、访问ComfyUI工作流界面

进入实例详情页增加上面的开启的端口，复制访问地址至浏览器即可看到ComfyUI可视化工作流编辑界面（左侧为节点面板，中间为画布，右侧为控制栏）。

五、首次使用工作流

5.1 加载内置工作流

1. 进入界面后，点击左上角 Load → Load Workflow → From Examples；
2. 选择 basic_text_to_image.json（基础文生图工作流），画布将自动加载预设节点；
3. 在 Checkpoint Loader 节点下拉选择模型（如SD 1.5，需提前放入模型文件至/home/ComfyUI/models/Stable-diffusion目录）；
4. 在 CLIP Text Encode 节点输入正向提示词（如“a cute cat, 4k, detailed”）和反向提示词（如“low quality, blurry”）；
5. 点击右上角 Queue Prompt 运行工作流，生成的图片将在 Preview Image 节点实时显示。

5.2 保存与复用工作流

工作流调试完成后，点击顶部 Save → Save Workflow，将工作流保存为JSON文件，后续可通过 Load Workflow → From File 上传复用。

5.3 核心界面与节点详解

ComfyUI界面分为三大区域，掌握各区域功能是灵活使用的基础：

• 左侧节点面板：按功能分类存放所有节点，可通过顶部搜索框快速查找（如输入“Lora”定位Lora加载节点）。核心分类包括：
  模型加载类（Checkpoint Loader、Lora Loader、VAE Loader）：用于加载基础模型、微调模型及解码模型；
• 提示词处理类（CLIP Text Encode、CLIP Text Encode (Advanced)）：用于解析正向/反向提示词，控制生成内容；
• 采样生成类（KSampler、EulerSampler）：核心生成节点，控制采样步数、CFG值、生成尺寸等关键参数；
• 后处理类（Preview Image、Save Image）：用于预览生成结果及保存图片到本地。

中间画布区域：工作流编辑核心区，可拖拽节点、连接端口、调整节点位置。操作技巧：

连接节点：点击一个节点的输出端口（右侧小圆点），拖拽到目标节点的输入端口（左侧小圆点），松开即可建立连接；

删除节点：选中节点后按Delete键，或右键节点选择Remove；

清空画布：右键画布空白处，选择Clear Workflow。

右侧控制栏：包含工作流队列、历史记录、设置等功能。队列面板可查看当前生成任务进度，历史记录可回溯之前的生成结果及对应工作流配置。

5.4 自定义工作流搭建（以图生图为例）

除了加载内置工作流，也可手动搭建自定义流程，以图生图为例，步骤如下：

1. 加载基础模型：从节点面板拖拽Checkpoint Loader到画布，选择SD 1.5或SDXL模型，同时拖拽VAE Loader加载对应VAE模型（优化图像质量）；
2. 导入参考图：拖拽Load Image节点，点击节点上的Upload按钮上传本地图片，作为生成参考；
3. 图片预处理：拖拽Image Scale节点，连接Load Image的输出端口，设置目标生成尺寸（如512×512），勾选crop或resize调整图片适配尺寸；
4. 提示词配置：拖拽两个CLIP Text Encode节点，分别输入正向提示词（如“a beautiful landscape, oil painting style”）和反向提示词（如“ugly, distorted, low resolution”）；
5. 采样生成：拖拽KSampler节点，依次连接以下端口：
   model端口：连接Checkpoint Loader的model输出；
6. positive端口：连接正向提示词节点的输出；
7. negative端口：连接反向提示词节点的输出；
8. latent_image端口：连接Image Scale的输出（需先拖拽VAEDecode节点转换图像格式）；
9. 结果预览与保存：拖拽Preview Image和Save Image节点，均连接KSampler的输出端口，设置保存路径（默认保存在/home/ComfyUI/output）；
10. 运行工作流：点击右上角Queue Prompt，等待生成完成，在Preview Image节点查看结果。

5.5 常用功能拓展（插件与模型管理）

ComfyUI支持通过插件拓展功能，核心拓展方式如下：

5.5.1 插件安装（以ComfyUI-Manager为例）

ComfyUI-Manager已预装在当前镜像中，可通过它快速安装插件：

1. 进入ComfyUI界面，点击左侧节点面板顶部的ComfyUI-Manager按钮；
2. 在弹出的窗口中选择Install Custom Nodes，搜索需要的插件（如“ControlNet”“UltimateSDUpscale”）；
3. 点击插件右侧的Install，安装完成后重启ComfyUI服务，插件节点将自动显示在左侧面板。

5.5.2 模型管理与加载

不同类型的模型需放在对应目录，否则无法加载：

六、关键注意事项

1. 核心路径：本文实操中ComfyUI主目录为/home/ComfyUI，启动文件为main.py，实际路径需根据查找结果调整；
2. 端口选择：优先使用未被占用的端口，避免与Jupyter、Nginx等服务冲突；
3. 报错处理：depthanythingv2、nodes_audio.py等扩展节点报错仅影响小众功能，文生图、图生图、ControlNet等核心工作流不受影响，可后续按需修复；
4. 后台运行：生产环境建议使用nohup后台启动，同时定期清理日志文件，避免占用过多存储空间。

七、常见问题排查