资源描述
ComfyUI 是基于节点图（Node-based）的 Stable Diffusion 高性能图形界面框架，专为可复现、可版本化、可协作的 AI 图像生成工作流设计。适用于专业创作者、算法工程师与研究者，支持多模型加载、动态参数调试、自定义节点扩展及离线本地部署，显著提升复杂提示工程与批量生成效率。
详细内容
## 框架简介与定位
ComfyUI 是一个开源、轻量、高度模块化的节点式 Stable Diffusion 图形用户界面框架，由 ComfyUI Anonymous 团队开发并持续维护。它不依赖传统 Web UI 的单页应用架构，而是通过可视化节点连接构建完整推理流程，强调工作流（Workflow）的可保存、可复用、可版本控制（`.json` 格式），是面向生产级 AI 绘画 pipeline 构建的核心基础设施。
## 核心特性
- **纯节点化工作流**：所有操作（模型加载、CLIP 编码、采样器配置、VAE 解码等）均以独立节点呈现，支持拖拽连接与实时预览，逻辑清晰、无黑盒封装。
- **原生支持 SDXL / SD 1.5 / Flux / LCM 等主流扩散模型**：兼容 `.safetensors` 和 `.ckpt` 格式，自动识别模型类型与对应参数配置。
- **高性能异步执行与显存优化**：支持分块推理（tiling）、显存释放策略、CPU 卸载（部分节点），在中低端 GPU 上亦可稳定运行复杂工作流。
- **完整扩展能力**：提供标准化 Custom Node SDK（Python），支持第三方开发者发布插件（如 ControlNet 节点、IP-Adapter、AnimateDiff、ReActor 等已广泛集成）。
- **跨平台 CLI + GUI 双模式**：既可通过命令行启动服务（`python main.py --listen`），也支持本地桌面 GUI；工作流可导出为 JSON，便于 Git 管理与团队协作。
## 适用场景
- AI 绘画工作室的标准化出图流水线搭建
- Stable Diffusion 模型微调（LoRA/Textual Inversion）效果对比实验
- 多条件控制（ControlNet + IP-Adapter + Refiner）联合调试
- 学术研究中扩散过程的中间特征可视化与干预
- 企业私有化部署下的权限隔离与工作流审计（结合自建后端扩展）
## 快速入门步骤
1. **安装依赖**：确保 Python ≥ 3.10，执行：
```bash
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
pip install -r requirements.txt
```
2. **下载基础模型**：将 `sd_xl_base_1.0.safetensors` 或 `v1-5-pruned-emaonly.safetensors` 放入 `models/checkpoints/` 目录。
3. **启动服务**：运行 `python main.py`，浏览器访问 `http://127.0.0.1:8188`。
4. **最小示例思路**：
- 加载 CheckpointLoaderSimple → 输入模型路径
- 连接 CLIPTextEncode（positive prompt）与 CLIPTextEncode（negative prompt）
- 连接 KSampler（设置 steps=20, cfg=7, sampler=lms, scheduler=normal）
- 连接 VAEDecode → SaveImage 输出图像
- 点击 Queue Prompt 执行生成
## 生态与社区说明
ComfyUI 拥有活跃的 GitHub 仓库（star 数超 35k+）和 Discord 社区（>50k 成员），官方 Wiki 提供完整 API 文档与节点参考。生态由两大支柱支撑：
- **官方节点库**：内置 `comfyui` 核心节点集（如 `LoadImage`, `SaveImage`, `PreviewImage`）
- **第三方 Custom Nodes**：通过 [ComfyUI Manager](https://github.com/ltdrdata/ComfyUI-Manager) 插件可一键安装社区节点（如 WAS Suite、Impact Pack、EfficientSAM 等）。所有节点均遵循 MIT/Apache 2.0 开源协议，无闭源依赖。