秋叶ComfyUI整合包安装指南：Windows与macOS中文AI绘画环境部署

在实际的 AI 图像生成领域，Stable Diffusion 的 WebUI 因其直观的图形界面而广受欢迎，但 ComfyUI 凭借其节点式、可编程的工作流设计，为高级用户和自动化流程提供了更高的灵活性与可控性。然而，其全英文界面和相对复杂的配置过程，让许多中文用户望而却步。一个集成了常用插件、预置了中文界面、并且能一键安装的整合包，无疑是降低学习门槛、快速投入创作的关键。

本文旨在为 Windows 和 macOS 用户提供一个清晰、完整的指南，帮助你从零开始，完成“秋叶 ComfyUI 整合包”的下载、安装与基础配置。我们将不仅关注安装步骤，更会解释每一步的目的、可能遇到的问题及其排查方法，确保你能成功运行一个支持中文界面和中文提示词输入的 ComfyUI 环境，并理解其背后的目录结构和关键配置。

1. 理解 ComfyUI 整合包的价值与核心组件

在开始动手之前，有必要先厘清“整合包”究竟整合了什么，以及为什么它能极大简化部署过程。这有助于你在后续遇到问题时，能更准确地定位原因。

1.1 为什么需要整合包？

原生 ComfyUI 是一个纯净的框架，其安装通常需要以下步骤：

1. 安装 Python 并配置环境。
2. 通过 Git 克隆 ComfyUI 仓库。
3. 使用 pip 安装依赖包。
4. 手动下载各种基础模型、VAE、LoRA 等文件，并放置到正确的目录。
5. 寻找并安装汉化插件、管理器插件等。
6. 处理可能出现的依赖冲突、路径错误等问题。

这个过程对新手极不友好，任何一个环节出错都可能导致启动失败。“整合包”的核心价值在于，它将上述所有步骤打包，预先配置好了一个可立即运行的环境，通常包含：

• ComfyUI 主程序：特定版本的核心框架。
• Python 运行时：内置或指定版本的 Python，避免系统环境冲突。
• 预装插件：如汉化插件、工作流管理器、节点包等。
• 基础模型：内置了如 SD 1.5、SDXL 等常用基础模型，开箱即用。
• 启动脚本：针对 Windows 和 macOS 优化的启动器，简化了命令行操作。

“秋叶整合包”是社区中流传较广、维护相对活跃的一个版本，它特别强调了中文界面的支持。

1.2 整合包的关键目录结构

了解整合包解压后的目录结构，对于后续管理模型、插件和工作流至关重要。一个典型的整合包目录可能如下所示：

ComfyUI_Windows/ ├── ComfyUI/ # ComfyUI 主程序目录 │ ├── web/ # Web界面相关文件 │ ├── custom_nodes/ # 插件（自定义节点）存放目录 │ ├── models/ # 模型目录（常链接到外部） │ │ ├── checkpoints/ # 大模型（如 .safetensors, .ckpt） │ │ ├── loras/ # LoRA 模型 │ │ ├── vae/ # VAE 模型 │ │ └── ... # 其他类型模型 │ └── ... ├── python_embeded/ # 内置的 Python 环境（Windows常见） ├── update/ # 更新脚本目录 ├── 启动器/ # 图形化启动器（如有） │ └── 启动器.exe └── run_nvidia_gpu.bat # NVIDIA GPU 启动脚本（Windows）

对于 macOS，目录结构类似，但启动脚本通常是.sh文件，并且可能没有内置的 Python，而是依赖系统已安装的 Python 或通过 Homebrew 管理。

注意：不同整合包发布者的目录组织方式可能有差异。重点是找到ComfyUI主目录和对应的启动脚本。

2. 环境准备与整合包获取

在下载整合包之前，确保你的系统满足基本要求，并选择正确的下载渠道。

2.1 系统与硬件要求

项目	最低要求	推荐配置
操作系统	Windows 10 / macOS 11 (Big Sur)	Windows 11 / macOS 13 (Ventura) 或更高
处理器	支持 AVX2 指令集的 64 位 CPU	多核处理器（如 Intel i5/R5 及以上）
内存	8 GB RAM	16 GB RAM 或更多
显卡	支持 DirectX 12 或 Metal API	NVIDIA GPU (8GB+ 显存) 或 Apple Silicon (M1+)
存储空间	至少 20 GB 可用空间	50 GB 以上（用于存放模型）
网络	需下载整合包（约 10-20 GB）及后续模型	稳定的网络连接

关键点说明：

• 显卡：ComfyUI 在 NVIDIA GPU 上利用 CUDA 加速效果最佳。macOS 上，Apple Silicon (M1/M2/M3) 芯片通过 Metal Performance Shaders (MPS) 也能获得良好支持。Intel 集成显卡或 AMD GPU（非 ROCm）性能会受限。
• 存储：整合包本身可能已包含基础模型（如 SD 1.5），体积较大。后续添加更多模型需要大量空间。
• Windows 特定：确保已安装最新的显卡驱动。部分整合包依赖 Visual C++ Redistributable，如果启动报错，可能需要手动安装。

2.2 获取秋叶 ComfyUI 整合包

由于网络传播的复杂性，整合包的下载链接可能随时变化。请通过可靠的社区论坛、视频教程描述栏或 GitHub 仓库发布页获取最新链接。常见的来源包括：

• 作者发布页：在 Bilibili 等平台搜索“秋叶 ComfyUI 整合包”，关注其最新动态视频或专栏文章。
• 网盘分享：作者通常会提供百度网盘、123 云盘等下载地址，注意提取码。
• 开源仓库：有些整合包会托管在 GitHub 或 Gitee 上，方便通过 Git 克隆或下载 Release 包。

下载注意事项：

1. 核对版本：确认下载的是适用于你操作系统（Windows 或 macOS）的版本。
2. 检查完整性：大型文件下载后，如果提供者给出了 SHA256 或 MD5 校验码，建议进行校验，避免文件损坏导致安装失败。
3. 杀毒软件：解压或运行启动器时，Windows Defender 或第三方杀毒软件可能会误报。可将整合包目录添加到排除列表，或暂时关闭实时防护（操作后请记得恢复）。

3. Windows 系统安装与启动详解

Windows 是 ComfyUI 最主要的使用平台，整合包通常为 Windows 用户提供了最便捷的启动方式。

3.1 解压与目录检查

1. 解压文件：将下载的压缩包（通常是.7z或.zip格式）解压到一个路径中不含中文和特殊字符的目录。例如D:\AI_Tools\ComfyUI。这是为了避免 Python 或某些插件在处理路径时出现编码错误。
2. 检查关键文件：解压后，进入整合包根目录，你应该能看到类似以下结构的文件：
   • run_nvidia_gpu.bat：用于 NVIDIA 显卡的启动脚本。
   • run_cpu.bat：仅使用 CPU 运行的脚本（极慢，不推荐）。
   • 启动器.exe或A启动器.exe：图形化启动器（如果整合包包含）。
   • ComfyUI文件夹：核心程序目录。
   • python_embeded文件夹：内置的 Python 环境。

3.2 使用启动脚本运行（基础方法）

对于没有图形化启动器的整合包，或者你想了解底层命令，可以直接运行批处理文件。

1. 双击启动脚本：根据你的显卡，双击run_nvidia_gpu.bat。
2. 观察命令行窗口：会弹出一个命令行窗口，开始加载 ComfyUI。你会看到一系列 Python 包导入信息和模型加载日志。
3. 等待成功提示：当看到类似以下输出时，表示启动成功：

   ... Starting server To see the GUI go to: http://127.0.0.1:8188

4. 打开浏览器：复制输出的地址（通常是http://127.0.0.1:8188）到浏览器（推荐 Chrome 或 Edge）中打开。你将看到 ComfyUI 的节点式界面。

关键参数解释：run_nvidia_gpu.bat脚本内容通常类似：

@echo off cd /d "%~dp0ComfyUI" python_embeded\python.exe -s ComfyUI\main.py --listen 127.0.0.1 --port 8188 pause

• cd /d "%~dp0ComfyUI"：切换到 ComfyUI 主程序目录。
• python_embeded\python.exe：使用内置的 Python 解释器。
• -s ComfyUI\main.py：运行主程序。
• --listen 127.0.0.1：只允许本地访问。
• --port 8188：指定服务端口为 8188。
• pause：运行结束后暂停，方便查看错误信息。

3.3 使用图形化启动器（推荐）

如果整合包提供了“启动器.exe”，它通常会简化以下操作：

• 一键启动/停止：图形化按钮控制。
• 选项配置：方便地修改监听 IP、端口、显存优化等参数。
• 插件与模型管理：可能集成插件安装、模型下载等功能。
• 更新：提供一键更新 ComfyUI 或整合包本身的入口。

启动器使用步骤：

1. 双击运行启动器.exe。
2. 在“高级选项”或“配置”中，确认或调整参数（初学者可先保持默认）。
3. 点击“一键启动”或“启动”按钮。
4. 启动器会自动打开命令行窗口并加载，完成后通常会弹出浏览器页面。

3.4 验证中文界面与中文提示词

成功打开 Web 界面后，需要进行两项关键验证：

1. 验证界面汉化：

   • 观察界面上的按钮、菜单、节点名称是否为中文。
   • 通常，汉化插件（如ComfyUI-CN）会在启动时加载。你可以在设置或管理器界面查看已安装的插件。
   • 如果界面仍是英文，请检查ComfyUI/custom_nodes/目录下是否存在类似ComfyUI-CN的文件夹，并确认其已正确安装。

2. 验证中文提示词输入：

   • 在界面中找到一个CLIP Text Encode节点。
   • 双击其上的文本输入框，尝试直接输入中文，例如“一只可爱的猫，在阳光下”。
   • 连接节点并执行工作流。如果能够正常生成符合描述的图像，说明中文提示词支持已生效。这通常依赖于汉化插件或底层对 CLIP 模型分词器的扩展处理。

4. macOS 系统安装与启动详解

macOS 下的安装流程与 Windows 类似，但细节上存在差异，主要围绕 Apple Silicon 芯片的优化和终端操作。

4.1 解压与依赖检查

1. 解压文件：使用系统自带的“归档实用工具”或第三方工具（如 The Unarchiver）解压下载的整合包。同样建议放在纯英文路径下，如~/Applications/ComfyUI。
2. 检查 Python：打开“终端”（Terminal），输入python3 --version。ComfyUI 需要 Python 3.10 或 3.11。如果系统没有，建议通过 Homebrew 安装：

   # 安装 Homebrew（如果未安装） /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)" # 使用 Homebrew 安装 Python 3.10 brew install python@3.10

3. 检查 Git：终端输入git --version，确保 Git 已安装，用于后续插件管理。未安装可通过brew install git安装。

4.2 启动 ComfyUI

macOS 整合包通常提供.sh脚本或通过终端命令启动。

方法一：使用提供的启动脚本

1. 在终端中，使用cd命令导航到整合包解压后的目录。

   cd ~/Applications/ComfyUI

2. 查找启动脚本，如run.sh或webui.sh。使用ls -la命令查看文件。
3. 赋予脚本执行权限（如果需要）：

   chmod +x run.sh

4. 执行脚本：

   ./run.sh

   或者，如果脚本设计为使用 Python 3：

   python3 run.sh

   具体请查看脚本内的说明或注释。

方法二：直接通过 Python 启动如果整合包没有提供脚本，或你想自定义参数，可以进入ComfyUI目录直接运行：

cd ~/Applications/ComfyUI/ComfyUI python3 main.py --listen 127.0.0.1 --port 8188

对于 Apple Silicon (M1/M2/M3) 芯片，为了启用 GPU 加速（Metal），需要使用--force-fp16参数并确保 PyTorch 支持 MPS。整合包通常已配置好。一个更完整的启动命令可能如下：

python3 main.py --listen --port 8188 --force-fp16

4.3 macOS 特定优化与问题

• 性能：在 Apple Silicon 上，确保使用--force-fp16参数以利用 MPS 后端，这能显著提升生成速度。
• 内存管理：macOS 使用统一内存，显存和内存共享。如果生成高分辨率图像时崩溃，可尝试在启动命令中添加--medvram或--lowvram参数来优化内存使用。
• 端口占用：如果 8188 端口被占用，启动时会报错。可以更换端口，如--port 7860。
• 权限问题：如果遇到“Permission denied”错误，确保你对 ComfyUI 目录有读写权限，并使用chmod修正脚本权限。

5. 核心配置与目录管理

成功启动只是第一步，合理管理模型和插件才能让 ComfyUI 发挥最大效用。

5.1 模型文件的管理

模型是 ComfyUI 的核心资产。整合包可能预置了一些模型，但你需要知道如何添加新的模型。

1. 模型目录结构：所有模型都应放在ComfyUI/models/下的对应子文件夹中。这是 ComfyUI 默认的查找路径。

   • checkpoints/：存放 Stable Diffusion 大模型文件（.safetensors或.ckpt）。
   • loras/：存放 LoRA 模型文件。
   • vae/：存放 VAE 模型文件。
   • controlnet/：存放 ControlNet 模型文件。
   • upscale_models/：存放超分辨率模型（如 ESRGAN）。
   • clip_vision/、insightface/等：其他特定功能的模型。

2. 添加新模型：

   • 从 Civitai、Hugging Face 等社区下载你需要的模型文件。
   • 根据模型类型，将其放入上述对应的文件夹。
   • 重启 ComfyUI（或刷新浏览器页面），新模型就会出现在节点的下拉列表中。

3. 使用相对路径与符号链接（高级）：如果你的模型库很大，不想复制到整合包内，可以：

   • 修改路径配置：在ComfyUI目录下找到或创建extra_model_paths.yaml文件，指向外部模型库目录。
   • 创建符号链接（适用于 Windows 和 macOS）：在ComfyUI/models/checkpoints目录下，创建指向外部模型文件的符号链接。

5.2 插件的安装与管理

插件（Custom Nodes）极大地扩展了 ComfyUI 的功能。整合包已预装了一些，但你可能需要更多。

1. 插件安装方式：

   • 通过管理器：如果整合包安装了ComfyUI Manager插件，你可以在 Web 界面中通过它搜索、安装、更新插件。这是最推荐的方式。
   • 手动安装：将插件的 Git 仓库克隆到ComfyUI/custom_nodes/目录下。

     cd ComfyUI/custom_nodes git clone https://github.com/作者名/插件仓库名.git

   • 安装依赖：许多插件需要额外的 Python 包。手动安装插件后，通常需要重启 ComfyUI，它会自动安装requirements.txt中的依赖。如果失败，可能需要手动进入插件目录运行pip install -r requirements.txt。

2. 插件冲突与排查：安装过多插件可能导致冲突或启动变慢。如果启动失败，可以尝试：

   • 暂时移除最近安装的插件文件夹。
   • 查看命令行窗口的错误信息，通常能定位到具体是哪个插件的问题。
   • 在ComfyUI/custom_nodes目录下，有些插件可能有disabled.前缀，这是禁用插件的一种方式。

5.3 工作流的保存与加载

你的节点布局和连接就是“工作流”。整合包通常预置了一些示例工作流（.json或.png文件）。

• 保存工作流：在 Web 界面中，点击“Save”按钮，可以将当前工作流保存为.json文件。
• 加载工作流：点击“Load”按钮，选择之前保存的.json文件，即可还原整个工作流。
• 从图片加载：ComfyUI 支持将工作流信息嵌入 PNG 图片的元数据中。你可以直接拖拽一张由 ComfyUI 生成的、包含工作流信息的图片到界面，它会自动还原工作流。这是分享工作流的常用方式。
• 工作流存放位置：你可以将常用的工作流文件整理到一个单独的文件夹中，方便管理。加载时从该文件夹选择即可。

6. 常见问题排查与解决方案

即使使用整合包，也可能会遇到各种问题。以下是按现象分类的排查指南。

6.1 启动阶段问题

问题现象	可能原因	检查与解决方案
双击.bat或.sh后窗口闪退	1. 路径包含中文/特殊字符。 2. 依赖缺失（如VC运行库）。 3. 脚本内部错误。	1. 将整合包移动到纯英文路径。 2. (Win) 安装最新 Visual C++ Redistributable 。 3. 右键编辑.bat文件，在最后一行pause前添加，以便查看错误信息。
命令行提示python不是命令	系统未安装 Python，或整合包内置 Python 路径错误。	1. 确认整合包python_embeded目录存在且完整。 2. (Mac) 在终端使用python3命令，或通过 Homebrew 安装 Python。
提示端口8188被占用	已有 ComfyUI 或其他程序占用该端口。	1. 关闭正在运行的 ComfyUI 进程。 2. 修改启动脚本或命令，使用其他端口，如--port 7860。
启动时下载模型卡住或报网络错误	首次启动需要下载一些必要文件，网络连接不稳定。	1. 检查网络。 2. 可以尝试手动下载相关文件并放置到正确目录（需根据错误日志判断文件名）。 3. 某些整合包提供了“离线运行”模式，可查阅其说明。

6.2 运行与生成阶段问题

问题现象	可能原因	检查与解决方案
点击“Queue Prompt”后无反应，或提示错误	1. 工作流节点连接有误。 2. 缺少必要的模型。 3. 节点参数设置不合理。	1. 检查节点间的连线是否正确、完整（特别是从 Load Checkpoint 到 VAE Decode 的主流程）。 2. 确认Load Checkpoint节点选择的模型文件确实存在于models/checkpoints目录。 3. 查看命令行窗口或浏览器开发者工具（F12）控制台的具体报错信息。
生成图片纯黑、纯灰或扭曲	1. VAE 模型不匹配或缺失。 2. 模型本身需要特定 VAE。 3. 采样器或步数设置极端。	1. 在VAE Loader节点中，为你的大模型选择合适的 VAE。许多 SD 1.5 模型使用vae-ft-mse-840000-ema-pruned.ckpt。 2. 尝试更换不同的采样器（如 Euler a, DPM++ 2M Karras）和步数（20-30）。
中文提示词不生效，生成结果与输入无关	1. 汉化插件未正确加载或配置。 2. 使用的 CLIP 模型对中文支持不佳。	1. 确认custom_nodes目录下有汉化插件（如ComfyUI-CN）且无报错。 2. 尝试在CLIP Text Encode节点前添加一个专门的中文编码节点（如果插件提供）。 3. 暂时使用英文提示词测试工作流是否正常。
显存不足（Out of Memory, OOM）	1. 生成分辨率过高。 2. 同时加载了多个大模型。 3. 使用了高分辨率修复（Hires. fix）等耗显存功能。	1. 降低生成图像的宽高（如 512x512, 768x768）。 2. 使用--medvram或--lowvram参数启动 ComfyUI（牺牲速度换显存）。 3. 分步进行：先生成小图，再用 Upscale 节点放大。

6.3 界面与插件问题

问题现象	可能原因	检查与解决方案
界面仍然是英文	汉化插件未安装、安装失败或未启用。	1. 检查custom_nodes目录下是否存在汉化插件文件夹。 2. 重启 ComfyUI，观察启动日志是否有插件加载错误。 3. 尝试通过 ComfyUI Manager 重新安装汉化插件。
安装了新插件但在节点列表找不到	1. 插件安装失败。 2. 需要刷新浏览器或重启 ComfyUI。 3. 插件节点位于非默认分类下。	1. 重启 ComfyUI 并查看启动日志是否有该插件的错误。 2. 在浏览器中按Ctrl+F5强制刷新页面。 3. 在节点搜索框中输入插件或节点名称的关键词。
浏览器界面卡顿、节点拖拽不流畅	1. 工作流过于复杂，节点太多。 2. 浏览器硬件加速未开启或性能不足。	1. 将复杂工作流拆分成多个部分，使用“组”节点进行管理。 2. 在浏览器设置中开启硬件加速。 3. 尝试使用更轻量的浏览器，或关闭其他占用资源的标签页。

7. 生产环境建议与进阶方向

当你熟悉了基本操作后，可以考虑以下优化和进阶使用，让 ComfyUI 更稳定、高效。

7.1 稳定性与维护最佳实践

1. 定期备份工作流：将重要的、调试好的工作流.json文件备份到云端或本地其他位置。
2. 插件管理：不要一次性安装大量未经验证的插件。逐个安装测试，确保稳定后再加入生产环境。
3. 模型管理：建立规范的模型库目录，使用extra_model_paths.yaml进行统一管理，避免与 ComfyUI 主程序升级冲突。
4. 版本控制：如果你对整合包内的ComfyUI主程序或插件进行了自定义修改，考虑使用 Git 进行版本管理。
5. 日志监控：养成查看启动和运行日志的习惯。日志是排查问题的第一手资料。可以将日志重定向到文件以便查阅：

   # 在启动命令后添加（示例） python main.py ... > comfyui.log 2>&1

7.2 性能优化建议

1. Windows (NVIDIA)：
   • 在run_nvidia_gpu.bat中，可以添加--force-fp16使用半精度浮点数，减少显存占用并可能加速。
   • 添加--cuda-device 0指定使用哪块 GPU（多卡情况）。
   • 考虑使用xformers（如果整合包已集成）以优化注意力计算。
2. macOS (Apple Silicon)：
   • 务必使用--force-fp16启动参数以启用 MPS 后端。
   • 如果遇到内存压力，使用--medvram。
   • 关闭不必要的后台应用，为 ComfyUI 预留更多统一内存。
3. 通用优化：
   • 使用LCM或TCD等快速采样器，可以极大幅度减少生成步数（4-8步）。
   • 对于固定尺寸的批量生成，使用Empty Latent Image节点比Load Image更高效。

7.3 下一步学习方向

1. 掌握核心节点：深入理解KSampler,CLIP Text Encode,VAE Decode,Load Checkpoint等核心节点的每一个参数。
2. 学习工作流设计：从加载图片、使用 ControlNet（如 Canny, Depth）、添加 LoRA、到后期高清修复，构建复杂而可控的生成管线。
3. 探索高级插件：
   • ComfyUI Manager：插件生态的入口。
   • WAS Node Suite：提供大量图像处理、文件操作工具。
   • Impact Pack：集成了人脸识别、检测、分割等高级功能。
   • Efficiency Nodes：优化工作流执行效率。
4. API 调用：ComfyUI 支持 WebSocket 和 HTTP API，学习如何通过编程方式（如 Python 脚本）调用工作流，实现自动化生成。
5. 自定义节点开发：如果你有特定需求，可以学习使用 Python 为 ComfyUI 开发自己的自定义节点。

整合包解决了从零到一的部署难题，但 ComfyUI 真正的力量在于其无限的可组合性。从成功运行第一个中文提示词开始，逐步构建属于你自己的、高效稳定的 AI 图像生成工作流，才是这个工具带来的长期价值。遇到问题时，善用日志、社区搜索和模块化测试，大部分技术障碍都能被系统地解决。