1.ComfyUI安装

首选安装comfyui，配置环境

可参考我的my-setup.sh脚本修改，一步到位，Mac电脑几乎不用改（记得先执行/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"安装homebrew），其中ROOT="/Users/Zhuanz/Desktop/work/ComfyUI"改成你的想放comyui的绝对路径，运行时需要联网

#!/bin/bash
set -euo pipefail

ROOT="/Users/Zhuanz/Desktop/work/ComfyUI"
VENV="${ROOT}/.venv" # comfyui-env
REPO="${ROOT}" # /ComfyUI
CUSTOM_NODES="${REPO}/custom_nodes"

echo "==> Using ROOT: ${ROOT}"
mkdir -p "${ROOT}"

# 1) Homebrew 依赖（重复执行也没事）
#   uv 建议单独装：brew install uv（也可用官方安装脚本）
if ! command -v brew >/dev/null 2>&1; then
  echo "Homebrew 未安装，请先安装 Homebrew: https://brew.sh/"
  exit 1
fi

brew install cmake protobuf rust python@3.10 git wget uv || true

# 2) 准备 Python 3.10（uv 需要能找到 3.10）
#    如果你只想用 brew 的 python@3.10，这一步通常也能让 uv 找到 3.10；
#    但为了更稳，额外让 uv 安装/确保 3.10 可用：
uv python install 3.10 || true

# 3) 虚拟环境：存在就复用，不存在就创建
if [ -d "${VENV}" ] && [ -x "${VENV}/bin/python" ]; then
  echo "==> Found existing venv: ${VENV}"
else
  echo "==> Creating venv with uv: ${VENV}"
  uv venv "${VENV}" --python 3.10
fi

PY="${VENV}/bin/python"

# 4) ComfyUI 仓库：存在就复用，不存在就 clone
if [ -d "${REPO}/.git" ]; then
  echo "==> Found existing ComfyUI repo: ${REPO}"
else
  echo "==> Cloning ComfyUI into: ${REPO}"
  git clone https://github.com/comfyanonymous/ComfyUI "${REPO}"
fi

cd "${REPO}"

# 5) 安装依赖（用 uv pip 安装到指定 venv）
echo "==> Upgrading pip"
uv pip install --python "${PY}" --upgrade pip

echo "==> Installing torch/torchvision/torchaudio"
uv pip install --python "${PY}" torch torchvision torchaudio

echo "==> Installing ComfyUI requirements"
uv pip install --python "${PY}" -r requirements.txt

echo "==> Pin numpy==1.26.4 (match tutorial workaround)"
uv pip uninstall --python "${PY}" -y numpy || true
uv pip install --python "${PY}" numpy==1.26.4

# 6) 插件：Manager + 汉化
mkdir -p "${CUSTOM_NODES}"
cd "${CUSTOM_NODES}"

if [ -d "${CUSTOM_NODES}/ComfyUI-Manager/.git" ]; then
  echo "==> Found ComfyUI-Manager"
else
  echo "==> Cloning ComfyUI-Manager"
  git clone https://github.com/ltdrdata/ComfyUI-Manager.git
fi

cd "${CUSTOM_NODES}/ComfyUI-Manager"
uv pip install --python "${PY}" -r requirements.txt
uv pip install --python "${PY}" setuptools

cd "${CUSTOM_NODES}"
if [ -d "${CUSTOM_NODES}/AIGODLIKE-COMFYUI-TRANSLATION/.git" ]; then
  echo "==> Found translation plugin"
else
  echo "==> Cloning translation plugin"
  git clone https://github.com/AIGODLIKE/AIGODLIKE-COMFYUI-TRANSLATION.git
fi

echo "✅ ComfyUI + comfyui-env 部署完成"
echo ""
echo "运行方式："
echo "  cd \"${REPO}\""
# echo "  \"${PY}\" main.py"
echo "source .venv/bin/activate"
echo "uv run main.py"

到https://hf-mirror.com/LarryAIDraw/v1-5-pruned-emaonly/tree/main下载模型，放到相对路径ComfyUI/models/checkpoints中

2.快速入门

2.1常用模型/模块对比

模型 / 模块	核心定位	所属层级	是否可单独加载	核心作用	典型体积	核心作用对象
Diffusion Model	底层算法框架	理论框架	否	定义正 / 反向扩散流程	无独立文件	无
Checkpoint	扩散模型工程化包	主模型	是	集成所有必备模块，独立生成	2-20G	无
UNet	核心去噪计算引擎	Checkpoint 子模块	否	反向扩散的核心去噪计算	占 ckpt80% 以上	潜空间噪声特征
CLIP/Text Encoder	文本特征编码器	Checkpoint 子模块	是	把提示词转化为文本特征	占 ckpt10% 左右	自然语言提示词
VAE	潜空间 / 像素空间转换器	Checkpoint 子模块	是	编码（像素→潜特征）+ 解码（潜特征→像素）	占 ckpt10% 左右	像素图 / 潜空间特征
LoRA	轻量特征注入插件	配套插件	是（依附主模型）	向 UNet 注入特定特征（人物 / 风格）	10-300MB	UNet
Embedding	轻量文本特征注入插件	配套插件	是（依附主模型）	向 Text Encoder 注入特征	几 KB - 几十 KB	CLIP Text Encoder
ControlNet	几何特征控制插件	配套插件	是（依附主模型）	向 UNet 注入几何控制特征	1-4G	UNet
Hypernetwork	特征增强插件（早期）	配套插件	是（依附主模型）	变换 UNet 中间特征层	100-500MB	UNet
IP-Adapter	图提示词控制插件	配套插件	是（依附主模型）	向 UNet 注入图像参考特征	几百 MB	UNet
Refiner	细节优化模型	配套模型	是（依附主模型）	精细化去噪，提升图像细节	1-5G	主模型生成的潜特征

2.2模板实操

打开http://127.0.0.1:8188/，点击模板

点击快速开始，选择最后一个模板点击

这个模板的工作流是：加载模型 → 写提示词 → 设定尺寸 → 采样生成 → 保存图片

Step 1：加载模型

左上：Load model / Checkpoint

• 这里选的是：v1-5-pruned-emaonly.ckpt

• 作用：决定整体画风（写实 / 二次元 / 插画 等）

Step 2：提示词Prompt（对国外模型建议用英文提示词）

1） 正向提示词

用于描述要画的内容或效果等，一般来说越具体越好

2） 反向提示词

用于描述不要画出来的内容或效果等，如text（文字）、 watermark（水印）

Step 3：图片尺寸

• width：宽度，默认是512，越大会相应增加时间和空间的开销

• height：高度，默认是512，越大会相应增加时间和空间的开销

• batch_size：生成图片的数量，默认是1，越大会相应增加时间和空间的开销

核心生成器：K采样器

关键参数：

参数	解释
seed	随机种子（同一 seed = 类似画面，用于复现结果）
steps	从纯噪声图逐步去除噪声、生成清晰图像的迭代次数（通常20～30）。次数太少会导致图像模糊、噪点多、细节缺失，次数过多会使生成时间大幅增加，但效果提升边际递减
cfg	分类器自由引导，控制AI遵守提示词的程度，数值越高，AI 越 “听话”，越低则越自由发挥，常用7–9
sampler	采样器去除噪声、生成图像的算法，常见类型 & 特点： Euler：最简单、速度最快，适合快速预览，细节一般； Euler a（Euler ancestral）：随机性强，创意感足，但稳定性差（同参数多次生成差异大）； DPM++ 2M Karras：最常用，平衡速度和细节，生成效果稳定且精致； DDIM：生成速度快，结果可控性强，适合需要精准复现的场景。
denoise	去噪强度，仅用于 “图生图” 场景，控制 AI 保留原图特征的程度，取值范围 0-1，为0时完全保留原图，无任何修改；为1时完全忽略原图，等同于 “文生图”（从头生成） 常用数值场景： 轻微修图（换色调 / 补细节）：0.1-0.3； 保留构图改内容（比如把原图的猫换成狗）：0.5-0.7； 仅留轮廓重绘：0.8-1.0。

新手一般steps 20 + cfg 8 + Euler即可

VAE 解码（从“草稿”变成“图片”）

是特征到像素的生成过程，解码器会根据潜特征的抽象信息，“创造” 出具体的像素细节（比如潜特征中只有 “猫的轮廓”，解码器会生成猫的毛发、眼睛、胡须等像素细节）；

保存图像Save Image

• filename_prefix：文件名前缀

• 图片会自动存到 ComfyUI/output 文件夹

点击运行，过一会就可以生成图片，在图片那里点击右键会显示保存图片的选项，点击Save Image就能下载图片

你也可以改其他提示词试试~

3.Qwen-Image-Edit-2511-GGUF 编辑图像

3.1安装ComfyUI-GGUF

点击右上角的Manager，然后点击Custom Nodes Manager

选择ComfyUI-GGUF的1.1.10版本进行安装

出现下面的红字说明安装完成，刷新浏览器就能应用

3.2下载模型

在https://hf-mirror.com/unsloth/Qwen-Image-Edit-2511-GGUF/tree/main下载Qwen-Image-Edit-2511-GGUF量化后的扩散模型，这里选择qwen-image-edit-2511-Q4_0.gguf，放到ComfyUI/models/unet

​打开链接下载模型，这里选择Qwen-Image-Edit-2511-Lightning-4steps-V1.0-bf16.safetensors，放到ComfyUI/models/loras中
打开链接下载文本编码器，这里选择qwen_2.5_vl_7b_fp8_scaled.safetensors，放到ComfyUI/models/text_encoders中
打开链接下载变分自编码器，选择qwen_image_vae.safetensors，放到ComfyUI/models/vae中

3.3搭建工作流

提前准备两张图放到ComfyUI/input中

到这个链接：

​​​https://raw.githubusercontent.com/Comfy-Org/workflow_templates/refs/heads/main/templates/image_qwen_image_edit_2511.json下载工作流模板

加载工作流

提示缺乏模型，可以关闭，因为没下载原版扩散模型等对应位置

点击打开子图节点，查看具体组件连接，删除UNET加载器

点击节点库，搜索gguf，选择支持GGUF格式的UNET加载器

将Unet Loader (GGUF)移到合适的位置，连接LoRA加载器

​

放入你的两张图片，输入提示词，只填上面即可，下面的紫灰色分支默认禁用（在json文件中这个节点被设置mode=4 通常表示节点处于“禁用/旁路”状态），这里为了快速查效果和避免内存不足，设置步数为10，CFG=10，如果硬件较好建议按默认

点击运行，最后可以看出效果不错，生成的图片等主体接近原图的机器人和猫，另外下面那条链路没有参与本次执行，因此不会出图。

​

创作不易，禁止抄袭，转载请附上原文链接及标题