ComfyUI 如何上手节点式 AI 绘图：10 分钟从零到第一张图
【免费下载链接】ComfyUIThe most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface.项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI
你在网页版绘图工具里只敢动几个下拉框，想换模型、叠风格、控制细节，却被锁死的选项挡了回来。ComfyUI 把整条 AI 绘图链路拆成一张张"工位"，用节点式界面让你自己排产：文本、模型、采样、解码，每个环节都能看见、都能调。
为什么值得花 10 分钟试一次 ComfyUI
一句话定位：ComfyUI 是一个本地运行的节点式 AI 绘图引擎，覆盖图像、视频、音频、3D 的生成与编辑。
它和"填表单"式工具最大的区别，是把生成过程变成一条可视化流水线——每个环节是一个工位，你随时可以改参数、换模型、插新工序，并且把整条流水线存成文件复用。对你来说意味着三件事：
- 每一步都可控：步数、采样器、CFG、分辨率不再藏在后台，而是摆在工作台上
- 工作流可存可传：调好的整条流水线保存为 JSON，下次一键加载，也能分享给别人
- 完全离线本地运行：核心功能不依赖云端，模型和数据都在自己机器上
两步装好并启动 ComfyUI
- 克隆项目到本地
git clone https://gitcode.com/GitHub_Trending/co/ComfyUI- 安装依赖并启动
cd ComfyUI pip install -r requirements.txt python main.py启动后浏览器打开 ComfyUI 默认监听的本机地址（通常是http://127.0.0.1:8188）即可进入节点界面。
模型文件统一放在models/目录下：大模型放models/checkpoints/，VAE 放models/vae/，LoRA 放models/loras/。没有模型时，按提示下载任意一个主流 checkpoint 即可开工。
5 分钟出第一张图
第一次不必自己画整条流水线，只需在节点画布上接好这五个工位（双击画布可搜索节点名）：
- 拖出Load Checkpoint（加载模型），选一个你放进
models/checkpoints/的文件 - 拖两个CLIP Text Encode（提示词编码）：一个写正向描述，例如"一个穿粉色裙子的黄色卡通角色，蓝天白云和绿色草地背景"，一个写负向描述
- 拖一个KSampler（采样器），把模型和两条提示词的线接进去，参数先记三组：分辨率 768×768、步数 20–30、采样器 DPM++ 2M Karras
- 拖一个VAE Decode（把潜空间结果解码成像素图）接在 KSampler 后面
- 拖一个Save Image（保存图像）接在 VAE Decode 后面，输出落在
output/目录
按Ctrl+Enter排队执行，几秒钟后得到类似这样的第一张图：
先搞懂三个最高频的工位
上百个内置节点不用一次记完，先认识流水线上最常动的三个：
- Load Checkpoint：整条线的起点。加载基础模型，同时决定风格上限。后续想叠风格，就是在它和 KSampler 之间插一个Load LoRA工位
- KSampler：流水线的核心工序。步数管细腻程度，采样器管生成策略，CFG（提示词权重）管"听话程度"——三个数基本决定了这张图长什么样
- Save Image：终点站。它记录的文件里带有完整工作流和种子，从输出图能反查出当时的整条线
想更进一步：模板、插件与自定义目录
- 预设模板：
blueprints/目录内置了上百条现成流水线 JSON，比如Text to Image (Z-Image-Turbo).json、Image Inpainting (Flux.1 Fill Dev).json、Video Upscale (GAN x4).json，直接拖进画布就能运行，是学习标准接线的最好教材 - 自定义节点：
custom_nodes/目录用于安装社区扩展，功能边界基本由它决定；参考实现见 custom_nodes/example_node.py.example - API 调用：
script_examples/里提供了 basic_api_example.py 等示例，可把整条流水线接入自动化脚本 - 模型路径扩展：用 extra_model_paths.yaml.example 可指向其他位置的模型库，方便多项目共享
它还能用在哪
- 批量内容生产：电商产品图、社交媒体配图、概念设定图，一次调好流水线后重复跑
- 视频与音频链路：文生视频、图生视频、帧插值、背景音乐生成，同一套节点逻辑延伸
- 图像后期工序：局部重绘、放大、抠背景、去模糊等修图环节，都可以作为流水线中的一站编排
接下来往哪走
- 跑通一条现成模板：从
blueprints/挑一个你感兴趣的工作流加载运行，重点观察 KSampler 前后接了什么 - 固定一条自己的流水线：把今天接的五个工位调顺后按
Ctrl+S保存成 JSON，作为你的默认起点 - 动手改参数做对照：同一提示词下把 CFG 和步数各改两档各跑一张，看输出差异——这是理解采样器最快的方式
把整条生成链路搬上工作台之后，AI 绘图就不再是黑盒。现在打开终端，敲下上面那三条命令，让第一张图在output/目录里等你。
【免费下载链接】ComfyUIThe most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface.项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
