大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。

# 保姆级教程：在Windows 11上从零部署ComfyUI，含汉化与插件管理器安装

1. 环境准备与基础认知

对于刚接触AI绘画的Windows用户来说，ComfyUI无疑是一个兼顾性能与灵活性的选择。这款基于节点式工作流的工具，相比其他同类软件对硬件配置更为友好——即使使用RTX 3060这类中端显卡也能获得不错的表现。更难得的是，它提供了完整的离线工作能力，这意味着一旦部署完成，即使在没有网络的环境下也能持续创作。

在开始安装前，建议先检查系统环境：

• 操作系统：Windows 10/11（建议21H2及以上版本）
• 显卡驱动：NVIDIA显卡需安装最新Studio驱动
• 存储空间：至少预留15GB可用空间（基础安装+常用模型）
• Python环境：ComfyUI便携版已内置，无需单独安装

> 提示：如果使用AMD显卡，需要额外配置ROCm环境，本教程主要针对NVIDIA显卡用户。

2. 核心安装流程详解

2.1 获取与解压安装包

访问ComfyUI的GitHub发布页，找到最新版的ComfyUI_windows_portable压缩包（约1.4GB）。下载时注意选择标有"Latest"的版本，避免下载到可能含有bug的测试版。

解压时建议遵循以下原则：

1. 路径选择：直接解压到磁盘根目录（如D:ComfyUI）
2. 文件夹权限：确保当前用户有完全控制权限
3. 防病毒软件：临时关闭实时防护功能避免误拦截

解压后的目录结构关键内容：

ComfyUI_windows_portable/ ├── ComfyUI/ # 核心程序目录 ├── python_embeded/ # 内置Python环境 ├── run_cpu.bat # CPU模式启动脚本 └── run_nvidia_gpu.bat # GPU模式启动脚本 

2.2 首次启动与验证

双击run_nvidia_gpu.bat启动GPU模式（若使用CPU则选择另一个脚本）。首次启动时会自动安装必要依赖，这个过程可能持续3-5分钟。当CMD窗口出现以下信息时表示启动成功：

[2024-03-15 10:00:00] [INFO] Listening on http://127.0.0.1:8188 

此时在浏览器访问http://localhost:8188即可看到默认的工作流界面。如果页面无法打开，检查：

• 防火墙是否放行了8188端口
• 是否有多余的空格或特殊字符在安装路径中
• 显卡驱动是否为最新版本

3. 模型管理与基础配置

3.1 模型文件部署

ComfyUI支持多种类型的AI模型，每种模型需要放置到特定目录：

模型类型	存放路径	典型文件扩展名
Checkpoint	ComfyUI/models/checkpoints	.safetensors
LoRA	ComfyUI/models/loras	.pt, .safetensors
ControlNet	ComfyUI/models/controlnet	.pth, .onnx
VAE	ComfyUI/models/vae	.pt, .ckpt

下载模型后，直接将其放入对应文件夹即可。建议首次使用时至少准备一个基础Checkpoint模型（如revAnimated_v122.safetensors，约4GB）。

> 注意：模型放置后需要刷新浏览器页面才能生效，部分大型模型首次加载可能需要1-2分钟。

3.2 性能优化设置

在ComfyUI目录下新建extra_model_paths.yaml文件，添加以下内容可优化模型加载路径：

base_path: D:/ComfyUI/models checkpoints: checkpoints loras: loras controlnet: controlnet vae: vae 

这样设置后，所有模型文件都会从统一的基础路径加载，便于管理和备份。

4. 汉化与插件生态搭建

4.1 中文界面安装

1. 下载汉化包（如AIGODLIKE-COMFYUI-TRANSLATION）
2. 解压到ComfyUI/custom_nodes目录
3. 重启ComfyUI服务
4. 在界面右下角选择"中文"语言选项

汉化效果对比：

• 原始界面：Save / Load / Queue Prompt
• 汉化后：保存 / 加载 / 运行流程

4.2 插件管理器部署

ComfyUI-Manager是管理插件的核心工具，安装步骤：

1. 从GitHub下载最新release包
2. 解压到custom_nodes目录（与汉化包同级）
3. 重启服务后在界面看到新增的Manager标签页

常用插件推荐列表：

• Advanced ControlNet：增强控制网络功能
• ComfyUI-Impact-Pack：提供丰富的后处理节点
• WAS Node Suite：扩展图像处理能力
• Efficiency Nodes：优化工作流执行效率

插件安装后可能出现的问题及解决方案：

• 依赖缺失：在CMD窗口按提示安装所需Python包
• 节点冲突：暂时禁用其他插件逐一排查
• 版本不兼容：在Manager中回退到旧版插件

5. 典型问题排查指南

5.1 启动失败常见原因

通过分析CMD窗口的错误信息可以快速定位问题：

错误现象	可能原因	解决方案
CUDA out of memory	显存不足	降低图像分辨率或批量大小
DLL load failed	CUDA环境异常	重装显卡驱动或CUDA Toolkit
ModuleNotFoundError	Python依赖缺失	手动安装缺失包(pip install)
端口占用	其他程序使用8188端口	更改启动参数(–port 8189)

5.2 工作流设计技巧

对于新手来说，可以从修改预设工作流开始学习：

1. 在默认工作流中添加KSampler节点调整生成参数
2. 使用VAE Decode节点查看中间结果
3. 通过Save Image节点设置输出路径

进阶用户可以利用以下快捷键提升效率：

• Ctrl+C/Ctrl+V：复制粘贴节点
• Ctrl+点击端口：快速连接节点
• 鼠标中键拖动：平移画布
• S键：快速搜索节点

6. 维护与升级策略

6.1 定期更新方法

ComfyUI的更新主要通过替换核心文件实现：

1. 备份custom_nodes和models目录
2. 下载新版便携包并解压到新目录
3. 将备份的文件夹复制到新位置
4. 测试新旧版本工作流兼容性

6.2 资源管理建议

随着使用时间增长，模型和插件会占用大量空间，建议：

• 使用符号链接将模型目录指向大容量磁盘
• 定期清理output文件夹中的临时文件
• 对重要工作流使用Save (JSON格式)备份
• 用Export As Template功能保存常用节点组合

在实际使用中，我发现将模型库按项目分类存放（如/models/character_design、/models/landscape）能显著提升工作效率。对于插件管理，保持"按需安装"原则可以避免环境臃肿——只有当某个功能确实需要时才安装相应插件，而不是一次性加载所有可用扩展。