企业官网建设流程全解析

Krita AI Diffusion 配置实战指南：8步从零搭好本地出图环境

【免费下载链接】krita-ai-diffusionStreamlined interface for generating images with AI in Krita. Inpaint and outpaint with optional text prompt, no tweaking required.项目地址: https://gitcode.com/gh_mirrors/kr/krita-ai-diffusion

Krita AI Diffusion 是一款把 Stable Diffusion、Flux 等大模型能力无缝嵌入 Krita 绘画流程的开源插件，支持局部重绘、扩图、ControlNet 控制层等高级功能。本文是一份可直接照做的环境搭建与模型配置教程，帮你绕过最坑的路径、模型、依赖问题，从安装到稳定出图一次走通。

很多用户在初次配置时都被同一个问题劝退：插件装好了、界面出来了，可点 Generate 就是一直转圈，日志里反复出现"模型未找到"。这不是运气差，而是 Krita AI Diffusion 必须和 ComfyUI 后端协作——插件负责发指令，ComfyUI 负责跑模型，两者之间通过模型文件路径对接。路径错了、文件名不对、文件夹层级错了，任何一环断裂，整个生成流程都会卡死。

一、出发前的体检：一张硬件自检清单

先别急着下载任何东西，花两分钟确认你的机器能不能跑得动。本地推理对硬件有硬性要求：

软件侧需要 Python 3.8+、Krita 5.2+，磁盘至少预留 20GB（模型动辄十几 GB，选 Flux 等工作负载后翻倍很正常）。

30 秒自检命令，在终端里分别执行：

python --version # 确认 Python 版本 nvidia-smi # NVIDIA 用户看显存和驱动，Win 用户用 nvidia-smi.exe df -h / # 确认剩余磁盘空间

驱动务必保持最新——生成速度慢、显存报错，一半以上的根因是驱动太老。

二、两条路线，先想清楚再动手

获取模型有两条主流路线，别混着用，否则容易互相干扰。

一键脚本法适合绝大多数人，它能保证文件名、目录层级和插件期望的完全一致；手动法的优势是能复用你之前下载好的 SDXL、ControlNet 等模型，省去重复下载。

三、阶段一：5分钟快速上手，用脚本一键补齐模型

克隆仓库到本地，脚本就放在scripts/download_models.py：

git clone https://gitcode.com/gh_mirrors/kr/krita-ai-diffusion cd krita-ai-diffusion python -m pip install aiohttp tqdm

先看看脚本会下载哪些东西，不要盲目执行：

python scripts/download_models.py --list /path/to/your/comfyui

确认无误后开始下载。把目标路径指到你 ComfyUI 的 models 目录，脚本会自动按正确的子文件夹、文件名归位：

python scripts/download_models.py --all /path/to/your/comfyui/models

几个实用参数值得记住：

python scripts/download_models.py --minimal /path/to/comfyui/models # 最小必需集合，先跑通 python scripts/download_models.py --recommended ... # 推荐集合，含 SDXL python scripts/download_models.py --backend cpu ... # 强制按 CPU 过滤模型 python scripts/download_models.py -j 8 ... # 并行下载数，网络好可调高

脚本会自动检测你的硬件后端（CUDA/CPU/ROCm/MPS），只下载匹配的模型；下载中断会自动重试最多 5 次，不用担心断网丢进度。如果下载速度不理想，可以通过环境变量AI_DIFFUSION_DOWNLOAD_URL指向镜像源。

📌 注意：脚本只下载模型，不负责安装 ComfyUI 和自定义节点。使用插件自带的"Local Managed Server"选项时，这些由插件自动处理；手动管理 ComfyUI 的读者请直接跳到下一阶段的节点清单。

四、阶段二：半小时深度调优，手动方案与路径映射

如果你选择手动连接自己的 ComfyUI，除了模型，还要装齐 4 个必需自定义节点：ControlNet 预处理器（comfyui_controlnet_aux）、IP-Adapter（ComfyUI_IPAdapter_plus）、Inpaint 节点（comfyui-inpaint-nodes）、外部工具节点（comfyui-tooling-nodes）。装完后必须重启 ComfyUI，节点才会被加载。

模型路径则是另一处高频翻车点。插件通过"搜索模式"匹配模型文件名，只要文件名里包含匹配模式，放在任意子目录都能找到；多个匹配时，放在krita子文件夹下的文件会被优先采用。

已有现成模型想复用？编辑 ComfyUI 根目录下的extra_model_paths.yaml，把路径指向你的模型仓库即可：

clip_vision: - path: /data/ai_models/clip_vision controlnet: - path: /data/ai_models/controlnet ipadapter: - path: /data/ai_models/ipadapter inpaint: - path: /data/ai_models/inpaint

项目自带的 Docker 场景示例可参考scripts/docker/extra_model_paths.yaml，里面完整列出了checkpoints、loras、upscale_models、text_encoders等所有可用键名，按需补齐即可。建议每条路径都检查拼写——多一个斜杠、少一个字母，插件照样报"模型未找到"。

插件设置里的三种后端（在线服务 / 本地托管 / 自定义 ComfyUI）对应完全不同的维护责任：本地托管由插件自动安装和更新服务器，最省心；自定义 ComfyUI 则要求你自行维护，出问题时排查半径更大。

五、阶段三：怎么确认"真的配好了"

配置完成不等于能出图，按下面的顺序做三件验证，缺一不可：

第一步：校验模型完整性。下载可能产生损坏文件，用脚本自带校验功能：

python scripts/download_models.py --check /path/to/your/comfyui/models

输出中出现OK就是完整，MISMATCH表示文件损坏需重新下载。

第二步：在浏览器确认 ComfyUI 能识别模型。打开http://127.0.0.1:8188，在工作流里添加对应的加载节点（如 Load CLIP Vision、Load IPAdapter Model），下拉列表里能看到文件才算路径正确。

第三步：在 Krita 里实测一条最小工作流。新建低分辨率画布（如 512×512），输入一句简短提示词，点击生成。能出图后再逐步测试选区重绘（Inpaint）和控制层功能。

六、出问题别慌：高频故障速查表

若问题依旧，打开插件设置里 Plugin 标签页的"Collect Diagnostics"收集诊断信息，再点"View log files"查看日志——日志里会明确列出哪些模型被找到、搜索模式是什么，是定位路径问题最直接的依据。

七、长期稳定：把环境当成资产来维护

配置完成只是起点，想长期稳定使用，建议建立以下节奏：

• 每周：检查插件和节点包更新，ComfyUI 生态更新很快，旧节点常和新插件版本不兼容；
• 每月：清理临时缓存。重点盯三个位置——HuggingFace 缓存、uv 缓存、pip 缓存，它们占用的空间往往超乎预期，可通过设置HF_HOME、UV_CACHE_DIR、PIP_CACHE_DIR环境变量改到别的盘；
• 每季度：备份krita/ai_diffusion用户目录（含 settings.json、自定义样式和日志），出了问题能一键还原。

多台机器共享资源的话，最省事的做法是：把模型统一放到 NAS 或一台主力机上，写好一份标准的extra_model_paths.yaml分发到各工作站，配合符号链接指向共享目录，团队所有人用同一套模型、同一套命名规范，排查问题时能少走很多弯路。相关实现可参考ai_diffusion/backend/resources.py，模型资源清单和搜索模式都定义在那里。

八、写在最后：三条核心原则

1. 路径比模型更重要——大多数"模型未找到"都是路径或文件名问题，优先用官方下载脚本保证结构一致；
2. 按需选择后端——新手用本地托管最省心，进阶用户才碰自定义 ComfyUI；
3. 验证永远排在生成前面——换模型、改路径后，先跑一遍--check和网页端加载测试，再回 Krita 出图。

配置 Krita AI Diffusion 的本质是理清"插件→ComfyUI→模型文件"这条链路。照着本文的顺序走一遍，把每一步的验证做扎实，你就能把精力全部放回画布上。现在就动手吧，把第一条提示词真正画出来。

【免费下载链接】krita-ai-diffusionStreamlined interface for generating images with AI in Krita. Inpaint and outpaint with optional text prompt, no tweaking required.项目地址: https://gitcode.com/gh_mirrors/kr/krita-ai-diffusion