一、前沿
随着人工智能技术的日益成熟和广泛应用，艺术创作领域正经历着一场革命性的变革。特别是AIGC（人工智能生成内容）技术的崛起，为内容创作提供了前所未有的高效和便捷。在这场变革中，Comfyui作为一款前沿的AI绘画软件，正引领着艺术创作的新潮流。
ComfyUI是一款基于Python和PyTorch的图形界面，用于构建和运行深度学习模型，特别是生成对抗网络（GANs）。它提供了一个用户友好的环境，让研究人员和开发者能够轻松地实验和探索不同的模型架构和参数。其设计目标是简化实验流程，使得用户无需编写大量代码即可进行复杂的深度学习研究。由于篇幅过长，就分为基础篇和进阶篇两部分了，此篇为基础入门篇，下篇是进阶应用篇。如有描述错误的地方，欢迎指正!
二、ComfyUI基础介绍
ComfyUI是一个基于节点式流程的stable diffusion绘画工具WebUI，通过将stable diffusion的流程拆分为节点，能够一键加载/定制大量的工作流和完善的可复现性，相较于我们常用的WebUI，ComfyUI有着轻量化、模块化以及灵活性的这些优势，劣势的话就是操作界面复杂，学习成本较高，对新手不太友好。下面通过本篇文章，带领你了解ComfyUI具体的使用方法。
没有ComfyUI
2.1、ComfyUI与WebUI对比优劣势
优势：
（1）轻量化：比SD更省内存，出图速度比SD快，硬件要求低，3G以上内存也能很好工作；
（2）模块化：按需启用不同模块，自由度高；
（3）灵活行，工作流机制，可以把以往复杂多个页面切换使用的步骤在一个流程里面都搞定；
（4）可以保存和共享工作流，可以使用别人的工作流，也可以分享给别人
（5）基于这种架构，适合快速研究新东西
劣势：
（1）操作界面复杂，学习曲线更大，对新手不友好
（2）需要了解一些关于AIGC的底层的知识，要了解编码器、采样器等相关知识，ComfyUI就像拼积木，你需要了解一个完整的流程需要干嘛，才会挑选对应的积木来拼起来这个工作流。
据说是3G以上显存的GPU上也能工作，单从降低电脑配置方面来说，ComfyUI就很值得来学了，总的来说，ComfyUI优点大于缺点，只要你完全掌握了，它能给你带来无限的可能，所以，有兴趣的小伙伴可以跟着我一起来学习ComfyUI技术，一起提高，那么，我们开始吧！
三、ComfyUI安装与配置
3.1、ComfyUI安装方法
由于本地部署的方式有多种，这边就选择最方便的一种来说明，就是直接使用秋叶大佬的整合包，一键安装方便快捷，整合包无需安装git、python、cuda等任何内容。
整合包下载链接可以自行B站搜索秋叶或者公众号回复：ComfyUI安装包
下载完成后，解压压缩包。打开ComfyUI的目录，找到启动器，双击启动即可。
来看看界面，玩过SD整合包的，一定对这个界面很熟悉，与WebUI界面一致，只是功能不同而已，点击一键启动即可。
整合包的插件支持在启动器这边安装，具体大家自行体验。
3.2、模型安装方法
3.2.1、独立模型配置
如果你只使用ComfyUI，点击进入ComfyUI的根目录，找到models的文件夹，对应找到checkpoints、controlnet、embeddings等文件夹，对应放置模型即可，他们分别放置什么类型模型具体看下图。
3.2.2、共享模型配置
如果之前有使用过Stable diffusion的话，那官方早就帮我们想到这点了，ComfyUI支持模型共享使用Stable diffusion的，就不需要额外在下载重复的模型占用内存了。
同样我们还是找到ComfyUI的根目录，找到extra_model_paths.yaml.example这个文件
改名成extra_model_paths.yaml，也就是把尾缀的example去掉，然后直接双击打开
将base_path后面的这个路径，改成你SD的文件路径即可，这个是对应你SD的大模型；
将Controlnet后面路径也改成你WebUI对应的Controlnet的models路径，改完后的结果如下，最后保存即可。
然后重启你的ComfyUI，你就会发现可以选择的模型变多了。（如果没反应检查下前面的步骤是哪一步弄错了）。
3.2.3、各种模型存放路径
这里将comfyUI里面的目录结果做一下介绍，你可以和SD公用，也可以单独使用，下面路径保存对应的模型。
下面是官方版本的路径存放，秋叶整合包的也类似，自己对比下即可。
/ComfyUI\custom_nodes:各种安装的插件存放路径
/ComfyUI\models\checkpoints:大模型存放路径
/ComfyUImodels/loras:lora存放路径
/ComfyUImodelslembeddings:embeddings 存放路径
/ComfyUI\models/vae:vae存放路径
/ComfyUIoutput :图片保存路径
/ComfyUI\pysssss-workflows:工作流保存位置
3.3、内存小于3G设置
如果你的GPU内存小于3G，需要调整下脚本，依旧是打开ComfyUI的根目录，找到run_nvidia_gpu.bat这个文件，路径看下图
右击记事本打开，在后面添加上–lowvram，保存即可
四、必备的插件安装
这里只推荐2个必备的插件，是你开展后续工作的必备选项。
1、插件管理器
2、中文汉化插件
插件管理器这个插件很重要，有了它后，就有了一个统一管理插件的地方，后面需要的一些插件，直接通过这个管理器来安装即可。所以这个插件算是排在第一个要安装的。
插件地址：
https://github.com/ltdrdata/ComfyUIManager
ComfyUI 的插件都放在路径:\ComfyUI\custom_nodes
下面然后重启下 ComfyUI 即可。
【如果你是安装的秋叶整合包，就可以跳过这一步。因为已经默认就自带了很多插件，也包含了这两个，重复安装反而会报错】
这时候你就会发现多了个Manager的按钮
点击它就会弹出插件管理的页面了
到这里，就算成功了，下面我们就通过这个插件安装第二个插件，也就是中文翻译器
打开插件管理器，在这输入关键词Translation
重启之后你会发现变成中文了，如果后续还想使用英文版的话，点击打开设置，在语言这一栏，切换你想要的语言即可。
目前支持的语言有：简体中文 (zh-CN)、繁体中文 (zh-TW)、英语 (English)、日语 (Japanese)、韩语 (Korean)
五、ComfyUI文生图工作流搭建
5.1、出你的第一张图
以上的前期配置工作都完成的话，目前你离画出第一张图就差最后一步了
在最左边节点随意一个模型，右边执行提示词队列（也可以快捷键Ctrl+Enter运行）就可以出图了
这样你就制作出你的第一张图了，是不是很有成就感呢
那就接着往下看，详细介绍里面的节点功能以及使用方法
5.2、工作流节点介绍
启用ComfyUI后，默认的工作流是文生图，（如果你前面使用过ComfyUI，那么加载的会是你上次关闭的工作流）这里是所有工作流的基础，所以我们一定要知道这的每个节点是用来干嘛的。
为了更好的了解每个节点的功能，我们在右边菜单找到清除按钮，并点击清除，删除界面中所有的节点，目的就是让大家亲手搭建一下工作流，以便更好的了解他们的作用。
5.2.1、加载顺序介绍
在工作区的空白界面右击，会弹出一些列的节点，这里展示出来的顺序其实也是推荐的顺序，选择一个K采样器，这样，我们的工作区就添加了一个K采样器的节点。
这个采样器，左侧有4个输入节点，右侧有1个输出几点，随便一个节点拖出来后就会弹出对应的推荐节点，所以是很方便的（下面会详细介绍如何连接节点）
这里我们先由上往下介绍K采样器中的参数配置：
1、随机种，对应的是stable diffusion中的seed值，每一张生成的图片就会有对应的数值，默认为0；
2、运行后操作，里面对应的有固定、增加、减少、随机四个参数
这两个参数是搭配使用的，固定是指固定该图片的seed值，增加或者减少则对应数值的+1或者-1，随机则代表该数值的随机。
3、步数，对应的是stable diffusion中的迭代步数，意思就是我们要在这幅画上面花多少笔，画的越多，画面的细节就越多，但不是说步数越多就越好，电脑配置比较低的时候，可能就会带不动，出现照片无法生成的情况，所以，电脑配置较低的设置20-25步，配置较好的就设置25-40左右；
4、CFG对应stable diffusion中的提示词相关性，参数越大，所生成的图片越接近提示词；反之越小，则生成的图片和提示词差异越大，这个数值不要太高，一般设置10左右，默认为8。
5、重点讲一下K采样器中的两个参数：
采样器和调度器，在stable diffusion里面这2个是合在一起使用的，在comnfyUI中却是分开的，我们常用的是dpm++_2m Karras，这里的pp就是webui里面的++的意思
采样器选择dpm++_2m，调度器选择Karras，就等同于webUI中的DPM++_2m Karras，以此类推其他的采样器和调度器。
调度器说明：
这里其实就是一些降噪曲线
normal是线性的
karras是曲线降噪，较为平滑
exponential急速降噪，收敛较快
sgm_uniform需要配合上面的lcm搭配使用
6、降噪这个参数就是输入输出有个加噪和减噪的过程，基本是不用去动的，默认1即可。
5.2.2、加载大模型
如图所示，在模型这个节点拖出来，可以看到一些推荐的节点，添加Checkpoint加载器，也就是大模型的节点，后面添加节点的方式也是一样的，就不重复演示该操作。
5.2.3、加载文本提示词
提示词是通过CLIP文本解码器来运行，所以正负提示词拖出后，选择CLIP文本编码器
然后你会发现CLIP文本编码器和前面拖出来的大模型都有个CLIP的节点，原因是模型要通过文本进行了总结和压缩计算，所以这里我们就将他们连接上。
5.2.4、加载图片尺寸修改
如果是文生图，需要生成一个空白的图片，这里的话就是对应采样器输入的Latent节点，在这个节点可以设置你要生成的图片的大小尺寸。
5.2.5、加载VAE解码器
前面输入和采样都介绍过了，这时候需要输出图像了，需要再K采样器右边输出方向找到Latent，拖出来，找到一个VAE解码器
5.2.6、加载图片生成区
通过VAE解码之后，就是要变成图片了,在VAE解码器的右边图像节点拖出来，选择保存图像即可。
5.2.7、大模型与VAE解码器互连接
这时候点击运行会报错，因为还差最后一个步骤，需要把大模型的VAE与VAE解码器相连接起来，才算是一个完整的流程。
到这里，一个文生图的工作流就搭建完成了
图片保存路径，可以在ComfyUI的根目录找到output文件夹
六、ComfyUI图生图工作流搭建
这里开始解释ComfyUI中的图生图的流程，图生图流程只是在文生图的基础上做了一些小改动，只要把控Latent变成我们具体要参考的图片即可，把图片当做第一次采样的参考。
6.1、图生图流程
在前面的文生图的基础上修改一下流程，在空白地方按下面顺序加载图像这个节点
具体图片的话，流程都需要先经过VAE解码器后才接入到采样器的，所以这里我们将加载图像右边的图像节点拖出，连接一个VAE解码器节点，这时候才可以去连接到采样器的输入端Latent（看到这里大家可能会有疑问，那我的控Latent控制图片尺寸的要怎么连，别急，下面会讲到的）最后也需要将VAE节点与大模型的去链接才行，不管是CLIP编码器还是VAE解码器都是需要大模型提供的，所以都需要连接上的。
还有一个小技巧，在连接节点的时候，大家应该也注意到了节点上是有不同颜色的，相同颜色的节点才可以连接。
另外，这里采样器的降噪就是重绘幅度了，范围是0-1，数值越大则越不像原图，越小则越像
6.2、修改尺寸
上面的只是图生图的最基本工作流，你会发现图片好像无法修改，只能用参考图默认尺寸。
如果想要控制输出的图片尺寸，则需要修改工作流，在加载图像这里拖出来右边的图像节点拖出来，按下图所示找到图像放大的节点，通常用到的就是图像缩放和图像按系统缩放
如下图所示，将节点连接起来
图像拖放可以设置具体的宽高，也是最常用的，第二种就是直接设置缩放的倍数
后面常见的缩放在下一篇进阶篇会具体讲到，目前大家主要知道这里可以调整尺寸大小即可。
七、ComfyUI工作流的使用技巧
7.1、界面操作
一般启动后的界面默认都是文生图的，除非之前用过，启动的页面就是之前关闭的工作流
7.1.1、创建节点
前面在文生图和图生图的时候都介绍过，在空白区域右击可以打开节点目录，可以在目录中选择节点，可以看到里面是有非常多的节点的，但是大家不用紧张，我们常用的就几个，其他的可以后面学习的时候再了解；
7.1.2、搜索节点
节点太多了，有时候记不得所要的节点是在哪个菜单下的，这时候可以通过搜索节点的方式来快速找到所需的节点，只需要在空白区域双击鼠标左键呼出搜索窗口，知道节点名称的话，可以在左边的搜索框快速找到，也可以在右边下拉窗口找到对应类型的节点；
7.1.3、各节点之间的链接
每一个节点都有输入和输出的两个节点，分别位于节点的左右两侧，可以看到他们节点的颜色都是不同的，不同之间的节点组件只有相同颜色的节点才可以连接，连接方式也简单，从一个节点拖到另一个节点上即可连接；
如果想取消链接，则在输入这边拖出来即可，就会自动断开连接了；
7.1.4、执行菜单
在整个页面的最右侧，你会看到这么一个菜单
最上面的添加提示词队列就是用来生成图片的，对应的快捷键是Ctrl+Enter（回车键）
多次重复点击的话，就会变成队列，最上方的队列大小的数字0就会变成对应的数字，然后一次执行
点击显示队列，可以显示出目前在排队等待执行的任务，你可以手动去关闭某一个任务
依次而下，下方有个保存功能，分为保存到工作量和保存json两种选项，默认点击保存是另存为json，点击后会出来一个弹窗，命名好好点击确定，就会自动下载待json尾缀的文件了；
保存到工作流的话，点击下方的加载就会有记录，点击对应需要的工作流就能打开了
重刷新：字面意思，刷新界面
清除：点击后就会删除点当前界面的流程图，请勿轻易点击
加载默认：点击后就会加载默认的文生图工作流
切换语言：如果安装过翻译插件，点击后就会在中文与英文界面中来回切换
管理器：这个是最重要的功能了，在前面讲到过，是用来安装、管理我们的插件以及节点用的
7.2、加载工作流方式
想要加载别人的工作流的话，这边分享两种常用的形式，一种是图片形式，另外一种是json文件形式
7.2.1、图片形式加载
使用ComfyUI生成的图片，将该图片拖入ComfyUI界面即可，因为所生成的图片会记录该生成的工作流；也可以在右侧的菜单中点击【加载】按钮，选择生成的图片打开，工作量也能展示出来；
7.2.2、json文件加载
在右侧的菜单中点击【加载】按钮，然后打开我们保存好的json文件，工作流也就加载出来了；
7.3、工作流分享网站
在这里分享几个工作流分享的网站，这也是学习ComfyUI必备的网站
https://comfyworkflows.com/
https://www.esheep.com/app
网站上面分享了比较常用或者流行的工作流，我们可以直接拿来使用，体验最新的功能
这里一排是分类，可以看你喜欢或者想要的功能去点击
在网站中找到满意的工作流，点击进去，常用的就我圈出来的几个地方
点击显示的工作流，可以查看每个节点的连接信息
下载节点，直接拖入ComfyUI中使用
复制JSON，直接复制节点信息，在ComfyUI粘贴即可显示对应工作流
复制过来使用一般会有一下两种情况：
1-使用的模型或者lora缺失；
2-缺少自定义节点，需要安装
这两点在下面会详细讲到。
7.3.1、使用的lora或者大模型缺失
这种情况是最简单的，就是对方保存的工作流里面使用的大模型或者lora文件你是没有的，界面会标红，如下图所示，标红的节点是需要你去修改的，大模型或者lora替换成其他即可，如果非要一样的，那么久去C站或者libi上面下载对应的模型，丢在前面所讲的模型安装路径下即可，这种不用重启ComfyUI前端，只需要刷新页面就可以选择新模型了；
7.3.2、缺少自定义节点
这种情况的话是比较常见的，别人使用的工作量，你打开大概率就会缺少一些节点
这时候就需要手动去安装缺失的节点，在右边菜单找到管理器，然后点击安装缺少节点
这时候就需要手动去安装缺失的节点，在右边菜单找到管理器，然后点击安装缺少节点
这时候会弹出安装节点的界面，依次点击安装即可，安装完后记得重启ComfyUI，这样你的节点就不会标红，可以正常使用了。
7.4、常用的快捷键
下面是一些比较常用的快捷键，也可以去官网查看更多的快捷键
https://github.com/comfyanonymous/ComfyUI?tab=readme-ov-file
八、总结
以上的话就是本篇ComfyUI常见工作流的一些使用技巧介绍了，都能掌握的话就等于打好了一定的基础了。首先十分感谢你能看到最后，尽管在学习的过程中，你会遇到除了本篇文章提到外的各种各样的问题，但请不要灰心！一步一步的去解决你的问题，你将会得到意想不到的收获！
写在最后
AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。
感兴趣的小伙伴，赠送全套AIGC学习资料和安装工具，包含AI绘画、AI人工智能等前沿科技教程，模型插件，具体看下方。
一、AIGC所有方向的学习路线
AIGC所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。
二、AIGC必备工具
工具都帮大家整理好了，安装就可直接上手！
三、最新AIGC学习笔记
当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。
四、AIGC视频教程合集
观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
五、实战案例
纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
总结