企业官网建设流程全解析

很多人第一次打开 ComfyUI，卡住的地方其实不是节点连线，而是压根没装起来。界面打不开、命令行一片红字、明明装了却提示找不到 Python、好不容易进去了模型列表却是空的——这些场景我见得太多了。这篇就专门讲清楚 ComfyUI 的原生安装包怎么装、每个步骤背后的道理是什么、哪一步最容易翻车。原生安装指的是不走别人打包好的整合包，而是自己准备 Python 环境、自己装 PyTorch、自己拉取 ComfyUI 本体，装完之后这套环境是你能完全掌控的。适合愿意花四十分钟认真打地基的人，也适合已经被整合包折磨过、想搞明白到底哪一层出了问题的人。全程命令行操作不多，我会把每条命令为什么要敲、敲完应该看到什么，都交代清楚。

1. 为什么我建议你先啃"原生安装"这块硬骨头

先说个我观察到的现象：绝大多数人入门 ComfyUI 走的是整合包路线，双击启动器，等两分钟，浏览器弹出界面，看起来一切顺利。然后过两周想装个新插件，报错了；想升级到新版，启动器崩了；想换个模型，发现文件夹套文件夹根本找不到位置。这时候再回头补基础，成本比一开始就自己装要高得多。

原生安装的价值不在于"显得专业"，而在于每一层都是透明的。你知道 Python 在哪、知道 torch 是哪个版本、知道模型该丢进哪个文件夹、知道报错来自哪一层。这套认知一旦建立，后面装插件、调显存、换模型，都是顺理成章的事。

1.1 原生安装包和整合包的分界线在哪

我用一张表把两者的差异摊开讲，你自己判断该走哪条路。

关键差异在最后两行之前那一行——出错定位。整合包把 Python 环境藏在一个叫 python_embeded 之类的目录里，一旦某个依赖版本对不上，你既不能用系统的 pip 修，也不敢乱删。而原生安装出问题时，报错信息直接指向你装的那个包，pip 一条命令就能重装。

1.2 这套流程适合谁、不适合谁

坦白讲，原生安装不是所有人的最优解。如果你现在的目标只是"今晚就想跑出一张图给朋友看"，那整合包确实更快，这没什么不好意思的，工具是拿来用的，不是拿来供着的。

但下面这几类人，我强烈建议走原生路线：打算长期把 ComfyUI 当生产力工具用的；需要频繁装自定义节点、调工作流的；显存不算宽裕、需要精细控制显存策略的；以及被整合包坑过一次、想彻底搞明白原理的。

还有一类特殊情况——你的机器上已经有一套 Python 环境了。比如你平时写点脚本、跑点数据处理。这时候用整合包反而更省心，因为它的环境是隔离的，不会污染你原有的东西。真要原生安装，请务必按 3.4 节讲的建虚拟环境，否则很容易把你原来那套环境搞乱。

1.3 装之前必须对上的三张清单

动手之前，先花两分钟把这三件事确认掉，能省掉后面一小时的折腾。

硬件清单：显存 6G 是能跑起来的底线，8G 是比较舒服的档位，12G 以上才谈得上玩大模型和高分辨率。硬盘至少留 30G 空闲，注意这只是软件本体加几个常用模型，模型是个无底洞，我见过硬盘被模型塞满的情况。内存建议 16G 起，8G 内存加载大模型时会频繁读写硬盘，速度掉得厉害。

系统清单：Windows 10 或 11 的 64 位版本。macOS 上 Apple Silicon 芯片也能跑，走的是另一套加速后端，流程大同小异但安装命令不同。Linux 用户基本不需要看这篇，你们本来就熟悉这套。

路径清单：这一条我要加重语气说。安装路径必须全英文、不含空格、不含任何特殊符号。我踩过最冤的一个坑就是把 ComfyUI 放在了一个带中文的目录里，结果某些依赖在读取路径时直接编码失败，报错信息还完全看不出跟路径有关，查了整整一个下午。桌面、我的文档这些位置看着方便，实际路径里往往带用户名，如果你的用户名是中文，一样会出问题。老老实实放到 D 盘根目录下建个纯英文文件夹。

2. 环境地基：Python 与 Git 的安装细节

这一章是全文最"琐碎"的部分，但九成的安装失败都埋在这里。命令行报错最难的地方在于——它不会告诉你"你十分钟前少勾了一个框"。

2.1 Python 版本为什么死守 3.10 或 3.11

现在官网首页默认推的是最新版，很多小白点了大按钮下载，装完就出问题。原因在于 PyTorch 和各种加速库发布的是预编译好的安装包（业界叫 wheel），这些包是按 Python 版本和操作系统分别编译的。新版本 Python 出来后，社区需要一段时间才能跟上，这段时间里你 pip 安装某个包，它会发现没有现成的包，于是尝试"从源码编译"。

源码编译意味着什么？意味着你的电脑上得有完整的编译工具链，得能拉取一堆底层库，编译过程可能跑十几分钟然后报一个你看不懂的错。对新手来说这就是死路。

所以我的建议很明确：Python 3.10 或 3.11，二选一，别贪新。3.10 的兼容性覆盖面最广，很多自定义节点作者就是在这个版本上测的；3.11 在速度和兼容性之间平衡得也不错。3.12 目前大部分常用包已经有轮子了，但个别节点依赖的冷门包仍然可能编译失败。至于 3.13，现阶段不建议碰。

安装时记得选 64 位版本，32 位版本会在装 PyTorch 那一步直接失败。

2.2 安装向导里那个"Add python.exe to PATH"勾选框

Python 安装向导第一屏最下面有两个复选框，第二个写着把 Python 添加到 PATH。这个框必须勾。

PATH 是什么？你可以把它理解成系统找程序的通讯录。你在命令行敲python，系统不知道 python 在哪，就去通讯录里翻，翻到了就执行，翻不到就告诉你"不是内部或外部命令"。不勾这个框，Python 确实装上了，但系统不知道它在哪。

如果已经装完了才发现没勾，有两条路：一是卸载重装，最省事；二是手动改环境变量，在系统设置里找到环境变量配置，把 Python 安装目录和它下面的 Scripts 目录都加进去。第二条路我建议只在你已经装了很多东西不想重来时走，因为很容易漏掉其中一个目录，导致 python 能用但 pip 不能用。

2.3 三条命令验证地基是否牢靠

装完 Python 和 Git，打开一个全新的命令行窗口（这点很重要，旧窗口读的是旧的环境变量缓存），依次敲这三条：

python --version pip --version git --version

正常情况你会看到类似 Python 3.10.x、pip 23.x、git version 2.x 的输出。任何一条报"不是内部或外部命令"，就回到上一步检查。

这里有个小细节：如果你敲python之后没有输出版本号，反而直接进入了>>>提示符，说明系统里可能装了来自应用商店的 Python 别名，这种情况在 Windows 上挺常见。解决办法是在设置里搜索"应用执行别名"，把 Python 相关的两个开关关掉。

2.4 Git 到底用来干什么

有人会问，既然是下载，直接用浏览器下载压缩包不行吗？行，但用 Git 有两个实打实的好处。

第一，更新的时候不用重新下载整包，一条git pull只拉取改动的部分，几十兆的事。第二，装自定义节点时，绝大多数节点的安装说明都是一句git clone，你提前把 Git 装好，后面照抄命令就行，不用再去找压缩包。

安装 Git 的过程中会问你怎么配置 PATH 环境，选那个"从命令行和第三方软件中使用 Git"的选项，别选最保守的那个。装完还需要设一下身份，虽然不是必须，但设了以后提交记录不会报错：

git config --global user.name "你的名字" git config --global user.email "你的邮箱"

这两条只是本地标记，不会上传到任何地方。

2.5 建立虚拟环境，把项目关进独立房间

这一步很多人跳过，我建议你别跳。虚拟环境的逻辑是：给这个项目单独准备一套 Python 包目录，装什么、删什么都在这个房间里发生，不影响系统里其他项目。

生活类比：你家冰箱是公用的，你把所有食材都塞进去，某天发现过期了都不知道是谁的。虚拟环境相当于给这个项目配了一个专属小冰箱。

命令只有三条：

cd /d D:\ComfyUI python -m venv venv venv\Scripts\activate

第三条命令执行后，命令行前面会多出一个(venv)前缀，说明你已经进到这个房间里了。后面所有的 pip 安装操作，都要在这个状态下执行。如果你关掉窗口重新打开，记得先重新 activate 一次，这是新手最常忘的一步，忘了就会装到系统环境里，然后开始怀疑人生。

3. 拿到 ComfyUI 本体：两种路径的取舍

PyTorch 环境准备好之后，就该拿到 ComfyUI 本体了。这里有两条路，各有各的适用场景。

3.1 官方便携包解压即用

官方会发布一个压缩包版本，解压出来直接带内嵌的 Python 运行环境，本质上是个"半原生"方案——它不是第三方整合包，代码是官方的、干净的，只是把 Python 环境一起打包了。

这种做法适合想省掉第 4 章全部内容的人。解压时有两个细节要注意：一是别用系统自带的老解压工具，压缩包可能用了高压缩率格式，用专业的解压软件更稳妥；二是解压出来的文件夹同样要遵守纯英文路径的规矩。

解压完成后，目录里会有几个启动脚本，一般分显卡版和纯 CPU 版。有独立显卡就点显卡那个，没有就点 CPU 那个——后者出图极慢，一张 512 分辨率的图可能要几分钟，做好心理准备。

3.2 用 git clone 拉取源码

如果你已经按上一章建好了虚拟环境，那用这种方式最干净。命令结构是这样：

git clone <ComfyUI 官方仓库地址> ComfyUI

仓库地址去官方发布页面上复制，我在这里写死一个地址反而容易过期。命令最后那个ComfyUI是你想建的文件夹名字，可以自定义，但同样建议纯英文。

拉取完成后进入目录，你会发现里面没有模型文件、没有依赖包，干干净净就是源码。这很正常，接下来的活就是把它"养"起来。

3.3 目录结构逐层拆解，尤其是 models

装好后花三分钟认清目录，比后面瞎找半小时值。核心目录我列在下面：

我强调一下checkpoints：很多人第一次跑图失败，就是因为把大模型文件直接扔在了models根目录，或者扔进了models/loras。放错位置，界面的模型下拉框里就是空的，你会以为是软件坏了。

还有一类新架构的模型，主干和文本编码器是分开的，会分别放到models/unet（有的版本叫diffusion_models）和models/clip目录下，跟传统单文件大模型不是一回事。第一次接触这类模型时容易懵，记住"单文件进 checkpoints，拆分的进对应子目录"就行。

3.4 一个容易忽略的细节：模型文件夹可以不存在

刚拉下来的源码里，models下的很多子文件夹是空的，甚至有些目录压根没建。这不影响启动，但会让你在找位置的时候犯迷糊。我的做法是提前把常用子目录手动建一遍，反正不占空间，后面往里丢东西的时候路径是现成的。

4. 装 PyTorch 与依赖：决定出图速度的分水岭

这一章是整篇最关键的部分。装错一个包，你的显卡可能就从"十几秒一张图"变成"五分钟一张图"，而且界面上不会有任何提示，你只会觉得"这软件怎么这么慢"。

4.1 先搞清楚驱动支持到哪个版本

打开命令行敲：

nvidia-smi

输出里右上角会显示一个版本号，那是驱动支持的运行时上限。比如显示支持到 12.4，那你可以装 CUDA 12.1 或 12.4 对应版本的 PyTorch，但不能装 12.6 的。原则是向下兼容：驱动新、框架旧，没问题；驱动旧、框架新，可能报错。

如果这条命令提示找不到，说明驱动没装好或者版本太老，先去更新显卡驱动，这是所有后续步骤的前提。

4.2 安装命令是怎么拼出来的

PyTorch 的安装命令不是随便写的，它由三部分组成：包名、CUDA 版本对应的源地址。

pip install torch torchvision torchaudio --index-url <对应你 CUDA 版本的官方源地址>

那条--index-url是核心。默认的源里放的是 CPU 版本，你不指定，pip 就给你装个只能用处理器跑的版本。装完之后一切看起来正常，界面能开、模型能加载，就是出图慢得离谱。这是新手第二大坑。

关于版本对应关系，去官方安装页面上按你的系统、包管理方式、CUDA 版本选一下，它会直接给你一条完整命令，复制粘贴最保险。

4.3 requirements.txt 里埋的雷

装完 PyTorch，接着装 ComfyUI 自己的依赖：

pip install -r requirements.txt

这里有个很多人中招的地方：requirements.txt里往往也写着 torch 相关的条目。如果你不加约束地执行，pip 有可能把刚装好的显卡版 torch 覆盖成 CPU 版，或者降级成一个不匹配的版本。

我的处理方式是：装完依赖后立刻回头验证一次。

python -c "import torch; print(torch.__version__, torch.cuda.is_available())"

正常输出应该是版本号加一个 True。如果打印出 False，说明当前 torch 用不了显卡，回到 4.2 重新装一次显卡版即可。别嫌麻烦，这个验证花五秒钟，能省掉后面半小时的困惑。

还有一种情况是版本号里带着+cpu字样，那基本可以确定装错了，直接重装。

4.4 顺便装一下 pip 加速

依赖包体积不小，默认源在国内访问速度可能很慢，几十兆的包下十分钟。建议临时指定一个国内镜像源来加速：

pip install -r requirements.txt -i <国内常用镜像源地址>

镜像源地址在各大开源社区都能查到，选一个响应快的就行。注意镜像源存在同步延迟，如果某个包提示找不到版本，把-i参数去掉再试一次，走官方源兜底。

4.5 加速库要不要装

有些教程会让你装额外的加速库来提升出图速度。我的建议是：先别装。第一次安装的目标是跑通，不是跑快。多装一个包就多一个变量，出问题时你分不清是哪一层导致的。等你确认基础环境能稳定出图了，再回头折腾加速，出问题也好回退。

5. 首次启动与跑通第一张图

环境齐了，接下来就是把界面拉起来。

5.1 启动命令与常用参数

最基础的启动方式：

python main.py

命令行会打印出一串加载日志，最后告诉你服务跑在某个本地地址上。把这个地址复制到浏览器打开，就是节点界面。

但实际使用中，我建议你写一个启动脚本，把常用参数固定下来。Windows 下新建一个.bat文件，内容大致是这样：

@echo off cd /d D:\ComfyUI call venv\Scripts\activate python main.py --port 8188 --preview-method auto pause

最后那个pause很重要，程序崩了窗口不会瞬间消失，你能看到报错信息。

常用参数我整理成表：

显存那几个参数，我的经验是能不设就不设。默认策略已经能应付大部分情况，加了低显存模式反而可能让模型在内存和显存之间反复搬运，速度掉一截。只有真的报显存不足，再逐级加上去试。

5.2 默认工作流的节点链路拆解

界面打开后，你会看到一个已经连好的工作流。别急着改，先理解它。这条链路是 ComfyUI 的最小闭环：

加载模型 → 正向提示词编码 → 反向提示词编码 → 生成空白潜空间 → 采样器 → VAE 解码 → 保存图像

逐个说人话。

加载模型节点负责把checkpoints里的模型读进显存，下拉框里能选到的就是你放对位置的文件。正向和反向两个文本编码节点，分别写你想要的和你不想要的，反向提示词不是必须的，但写了通常更稳。空白潜空间节点决定出图的宽高，这里的数字是像素除以 8 之后的结果，所以想生成 512×512，这里填 64×64。采样器是核心，负责把那团噪声一步步"雕"成图像，步数控制迭代次数，步数越高细节越多但边际收益递减，20 到 30 步是常用区间；CFG 控制模型对提示词的服从程度，太低画面散，太高画面僵，7 左右是个常见起点；随机种子决定构图，同一个种子加同一套参数，出来的图基本一致，这是复现别人作品的关键。

最后 VAE 解码把潜空间数据还原成像素图，保存节点写进output目录。

5.3 从零跑通第一张图的完整动作

模型文件放进checkpoints之后，回到界面点一下刷新按钮，或者直接按一下键盘上的 R 键，下拉框里就会出现新模型。

选好模型，在正向提示词里写一句简单的描述，比如一个场景加光照加画风的组合。反向提示词先留空或者写几个通用的负面词。宽高先用 512×512 试水，采样步数 20，点一下队列按钮，等十几秒。

出图之后先看一眼有没有问题。如果一切正常，恭喜你，环境彻底通了。这时候再去调分辨率、加步数、试不同采样器。

5.4 出图异常的速查表

我把常见现象和对应原因列出来，出问题时按表排查，比在群里问快得多。

这张表我建议你截图存着，前面三次装环境基本都会撞上一两条。

6. 装完之后：更新、插件与模型共享

环境跑通只是开始，后面还有三件事决定了这套东西好不好用。

6.1 更新本体的正确姿势

用 git 方式装的，更新就两条命令，在项目目录下执行：

git pull pip install -r requirements.txt

第二条别省。代码更新了，依赖清单往往也跟着变，只拉代码不更新依赖，很容易出现缺包报错。

更新前有个动作我强烈建议你做：把custom_nodes目录复制一份备份。插件生态更新节奏和本体不同步，本体升级后偶尔会出现某个插件不兼容、启动直接报错的情况。有备份就能快速定位是不是插件导致的——把custom_nodes临时改名，重启，如果正常了，那就是插件问题，再一个个往回放。

用便携包方式的，官方通常会提供更新脚本，双击运行即可，原理一样。

6.2 装一个节点管理器

ComfyUI 的插件叫自定义节点，装法是把插件仓库克隆到custom_nodes目录下：

cd custom_nodes git clone <插件仓库地址>

但手动装有个痛点：有些工作流依赖十几个节点，你根本不知道该装哪些。所以第一件事我建议装一个节点管理器，它能扫描工作流里缺哪些节点、一键安装、还能管理已有节点。

安装方式同样是克隆到custom_nodes，然后重启程序。装完界面上会多出一个管理入口，之后遇到"缺少节点"的红框提示，点一下就能补齐，省掉大量查文档的时间。

要注意的是，管理器装插件时默认也会走网络下载，速度可能不稳定，遇到卡住就重试，别急着删。

6.3 用配置文件共享已有的模型库

如果你之前用过别的绘图工具，硬盘里已经躺着一堆模型，那没必要再复制一份。ComfyUI 支持通过配置文件挂载外部模型目录。

在项目根目录下找一个以.yaml.example结尾的示例文件，复制一份去掉后缀，然后用文本编辑器打开，按里面注释的格式写路径就行，大致结构是这样：

comfyui: base_path: D:/其他工具目录 checkpoints: models/checkpoints loras: models/loras vae: models/vae

写的时候注意两点：路径用正斜杠，别用反斜杠；缩进用空格不用制表符。这两点错了配置文件会静默失效，界面上看不到任何报错，只是模型列表还是空的。

改完重启，两边就能共用同一批模型文件了，硬盘空间省下来不少。

6.4 几条踩出来的经验

最后分享几条我在反复装环境中总结的东西，都属于文档里不会写、但实际很影响体验的。

一次只改一个变量。装环境最忌讳东改一下西改一下，改完发现不行了，也不知道是哪一步导致的。每改一处，重启验证一次，出问题立刻回退，这是排错效率最高的方式。

保留一份能跑的环境快照。确认环境稳定之后，把整个目录压缩备份一份。后面折腾插件把环境搞坏了，直接解压回来，比重新装一遍快得多。这一步花五分钟，能救你一次重装。

别迷信"最新版本"。Python、PyTorch、插件，三个东西都有更新冲动，但它们的兼容性不是同步的。我的习惯是环境稳定后就不动 Python 和 PyTorch，只在必要时更新本体代码和插件，这样能避开大部分兼容性问题。

显存不够先降分辨率，别急着换硬件。很多人一看到显存报错就觉得卡不行了，实际上把 1024 降到 768，或者把批次数从 4 改成 1，往往就够用了。分辨率对显存占用的影响是平方级的，768 比 1024 少了将近一半的像素量。

报错先看最后几行。命令行刷屏很快，但真正的错误原因几乎总在最后几行。往上翻找关键词，比如版本冲突、找不到模块、显存不足，比从头读一遍日志快得多。养成复制最后几行去搜索的习惯，绝大多数问题别人都遇到过。

我自己现在装一套新环境，从零到出第一张图大概二十分钟，其中一半时间花在等下载。这个时间投入换来的是一套你完全理解、随时能修的环境，后面每次遇到问题都能自己解决，不用等人回复。这个交换，我觉得挺值。