ComfyUI全面掌握-知识点详解——自定义节点安装与首次 AI 绘图（实操+排错）

本文为系列第 6 篇第一章第 5 个知识点讲解自定义节点的作用与安装方式手把手教读者加载默认工作流、完成首次 AI 绘图解读核心参数并排查常见问题。目录一、引言自定义节点是什么为什么需要它1.1 内置节点 vs 自定义节点1.2 自定义节点的分类1.3 安装自定义节点的注意事项二、ComfyUI Manager最推荐的节点管理工具2.1 ComfyUI Manager 简介2.2 安装 ComfyUI Manager2.3 使用 Manager 管理节点三、自定义节点安装方式详解3.1 方式一通过 ComfyUI Manager 安装3.2 方式二手动 Git 安装3.3 方式三ZIP 手动安装3.4 Cloud 中安装自定义节点四、常用自定义节点推荐4.1 必备节点推荐4.2 按需选装推荐五、首次 AI 绘图加载默认工作流5.1 启动 ComfyUI5.2 加载默认文生图工作流5.3 安装 / 选择 AI 模型5.4 输入提示词5.5 运行工作流5.6 查看与保存结果六、核心参数深度解读6.1 参数总览表6.2 各参数详细说明6.3 提示词编写技巧七、首次操作常见问题排查7.1 启动阶段问题7.2 模型加载问题7.3 生成阶段问题7.4 自定义节点问题八、总结官方参考链接一、引言自定义节点是什么为什么需要它1.1 内置节点 vs 自定义节点ComfyUI 本身内置了一套基础节点涵盖模型加载、提示词编码、采样、图像保存等核心功能。内置节点满足了基础绘图需求但如果你需要更高级的功能——如 ControlNet 控制、视频生成、图像放大、3D 生成等——就需要安装自定义节点。根据 ComfyUI 官方文档 的定义自定义节点允许你实现新功能并与更广泛的社区分享。它们就像任何 Comfy 内置节点一样接收输入对其进行处理然后产生输出。对比维度内置节点自定义节点来源ComfyUI 官方提供社区开发者贡献功能范围基础绘图功能扩展功能视频、3D、ControlNet、放大、特效等安装方式随 ComfyUI 自带需要手动安装或通过 Manager 安装更新维护随 ComfyUI 版本更新由各自作者维护更新频率不一稳定性高度稳定可能因版本兼容性问题出现错误数量几十个数千个持续增长中类比理解内置节点就像手机出厂自带的应用程序电话、短信、相机满足基本需求自定义节点就像从应用商店下载的 App按需安装扩展无限可能。1.2 自定义节点的分类根据官方文档自定义节点可分为四类类型说明示例仅服务器端在 Python 后端运行定义输入/输出类型和处理逻辑大多数图像处理节点仅客户端仅修改前端 UI 行为不添加核心功能界面美化、布局调整节点客户端 服务器端独立同时提供后端功能和前端 UI通过 Comfy 数据流通信控制台日志查看器客户端 服务器端联动需要前后端直接通信⚠️ 无法通过 API 使用实时预览、交互式节点对新手的影响大多数情况下你只需关心第一类和第三类节点。如果你只是使用节点而非开发不需要纠结技术分类——直接用就好了。1.3 安装自定义节点的注意事项在安装任何自定义节点之前请牢记以下原则按需安装不要一次性安装大量节点容易导致依赖冲突来源可信优先从 GitHub 官方仓库或 ComfyUI 管理器安装版本兼容确认节点与当前 ComfyUI 版本兼容查看节点仓库的 README备份习惯安装新节点前备份custom_nodes文件夹重启生效几乎所有自定义节点都需要重启 ComfyUI 才能加载⚠️重要提醒官方故障排除数据显示绝大多数用户反馈的问题与自定义节点有关。遇到错误时首先尝试禁用所有自定义节点python main.py --disable-all-custom-nodes如果问题消失则确定是某个自定义节点导致的问题。二、ComfyUI Manager最推荐的节点管理工具2.1 ComfyUI Manager 简介ComfyUI Manager 是社区中最受欢迎的节点管理工具由 ltdrdata 开发。它提供了一个图形化界面让你无需使用命令行即可完成节点的搜索、安装、更新和卸载。Manager 的核心功能功能说明搜索和安装在 Manager 界面中搜索节点名称一键安装节点列表查看所有已安装节点的版本和状态一键更新批量更新所有已安装的自定义节点❌卸载节点界面化移除不需要的节点⚠️冲突检测检测节点之间的依赖冲突GitHub 集成直接跳转到节点的 GitHub 仓库2.2 安装 ComfyUI Manager第一步进入 custom_nodes 目录# 假设你的 ComfyUI 安装在 D:\ComfyUI cd D:\ComfyUI\ComfyUI\custom_nodes第二步克隆 Manager 仓库git clone https://github.com/ltdrdata/ComfyUI-Manager.git第三步重启 ComfyUI重新启动 ComfyUI界面右上角会出现一个Manager按钮。验证安装成功启动 ComfyUI打开浏览器访问http://127.0.0.1:8188查看界面右上角是否有Manager按钮点击 Manager 按钮如果能正常弹出管理菜单说明安装成功Mac/Linux 用户命令类似只是路径不同。确保在custom_nodes目录下执行 git clone。便携版用户进入ComfyUI_windows_portable\ComfyUI\custom_nodes目录后执行上述命令。网络慢如果 git clone 速度慢可使用代理或从 GitHub 下载 ZIP 解压。2.3 使用 Manager 管理节点安装完成后Manager 的常用操作安装新节点点击 ComfyUI 界面右上角的Manager按钮选择Install Custom Nodes搜索需要的节点名称如 WAS Node Suite点击目标节点右侧的Install按钮等待安装完成重启 ComfyUI更新已有节点点击Manager→Update Custom Nodes查看有可用更新的节点列表点击Update All一键更新所有节点卸载节点点击Manager→Custom Nodes List找到要卸载的节点点击右侧的Uninstall按钮三、自定义节点安装方式详解3.1 方式一通过 ComfyUI Manager 安装适用场景已经安装了 Manager、有网络连接、节点在 Manager 的可用列表中。步骤确保 ComfyUI Manager 已安装参考上一节在 ComfyUI 界面中点击Manager按钮选择Install Custom Nodes在搜索框中输入节点名称如Efficiency Nodes在结果列表中找到目标节点点击Install等待安装完成重启 ComfyUI优点图形界面操作无需命令行自动处理依赖支持一键更新。缺点需要 Manager 本身已安装部分小众节点可能不在列表中。3.2 方式二手动 Git 安装适用场景未安装 Manager、节点不在 Manager 列表中、需要特定版本的节点。Step 1找到节点仓库地址在 GitHub 上找到目标自定义节点的仓库地址格式为https://github.com/用户名/仓库名.gitStep 2进入 custom_nodes 目录并克隆# Windows cd D:\ComfyUI\ComfyUI\custom_nodes git clone https://github.com/用户名/仓库名.git # macOS / Linux cd ~/ComfyUI/ComfyUI/custom_nodes git clone https://github.com/用户名/仓库名.gitStep 3安装节点依赖如有部分自定义节点有自己的依赖包在requirements.txt中声明# 确保虚拟环境已激活 cd 仓库名 pip install -r requirements.txtStep 4重启 ComfyUI重启后新节点即出现在节点列表中。提示部分自定义节点可能还需要额外的系统依赖或预训练模型文件。请仔细阅读节点仓库的 README 文档按说明完成所有前置安装。3.3 方式三ZIP 手动安装适用场景没有 Git 命令、GitHub 网络不通畅、需要从 ZIP 包安装。步骤在浏览器中访问目标节点的 GitHub 仓库点击绿色Code按钮 →Download ZIP将 ZIP 文件解压到 ComfyUI 的custom_nodes目录解压后的文件夹名称不要包含版本号或特殊字符如有需要重命名为纯英文名称进入解压后的目录检查是否有requirements.txt文件如果有在虚拟环境中执行pip install -r requirements.txt重启 ComfyUI3.4 Cloud 中安装自定义节点在 Comfy Cloud 中安装自定义节点比本地更简单但也有限制安装方式在 Cloud 工作台的设置面板中找到 自定义节点 管理功能直接搜索并一键安装社区常用节点Cloud 会自动处理依赖兼容性问题限制Cloud 目前只支持预选列表中的常用节点不支持任意 GitHub 仓库安装部分需要系统级依赖的节点可能不支持Cloud 会自动管理节点的版本兼容性你无需担心冲突问题提示如果你在 Cloud 中加载的工作流包含未安装的自定义节点Cloud 会自动提示并引导你安装缺失的节点。四、常用自定义节点推荐4.1 必备节点推荐以下节点经过社区广泛验证推荐所有用户安装节点名称功能安装推荐度仓库地址ComfyUI-Manager节点管理和安装助手⭐⭐⭐⭐⭐ 必备GitHubWAS Node Suite多功能节点集图像处理、文本处理、调试工具等⭐⭐⭐⭐⭐ 必备GitHubEfficiency Nodes工作流效率优化简化重复操作⭐⭐⭐⭐ 强烈推荐GitHubComfyUI-Custom-Scripts自定义脚本增强自动排列、文本输入框等⭐⭐⭐⭐ 强烈推荐GitHub4.2 按需选装推荐以下节点按特定功能需求选装功能分类节点名称说明ControlNetComfyUI-Advanced-ControlNetControlNet 的高级控制功能视频生成ComfyUI-VideoHelperSuite视频处理相关的辅助节点图像放大ComfyUI-Impact-Pack图像放大、分割、遮罩等高级功能超分辨率ComfyUI-UltimateSDUpscale高质量图像放大AI 扩图ComfyUI-Inspire-Pack图像外绘、重绘等高级处理LoRA 管理ComfyUI-Lora-Data-ViewerLoRA 标签和数据查看表情捕捉ComfyUI-React-Extension-Template前端扩展模板第三方集成ComfyUI-Nunchaku额外的模型格式支持安装建议不要一次性全部安装。建议先安装 Manager 和 WAS Node Suite然后根据你实际需要使用的功能逐个安装其他节点。这样可以最大程度避免依赖冲突。五、首次 AI 绘图加载默认工作流现在我们开始第一次真正的 AI 绘图之旅。确保你已经完成了本地安装第 4 篇或注册了 Comfy Cloud第 5 篇。5.1 启动 ComfyUI本地用户Windows 便携版双击run_nvidia_gpu.bat或run_cpu.batWindows 手动安装打开命令行 →cd D:\ComfyUI\ComfyUI→venv\Scripts\activate→python main.pymacOS 手动安装打开终端 →cd ~/ComfyUI/ComfyUI→source venv/bin/activate→python3 main.pyLinux打开终端 →cd ~/ComfyUI/ComfyUI→source venv/bin/activate→python main.py启动成功后在浏览器中访问http://127.0.0.1:8188。Cloud 用户直接访问 cloud.comfy.org 并登录5.2 加载默认文生图工作流方式 1自动加载推荐新手正常情况下启动 ComfyUI 后会自动加载默认的文生图工作流。工作流包含以下核心节点Load Checkpoint → CLIP Text Encode (Positive) ─┐ CLIP Text Encode (Negative) ─┼─→ KSampler → VAE Decode → Save Image ↑ Latent Image方式 2从 Workflow Template 加载如果默认工作流没有自动出现点击界面右下角的Fit View适配视图按钮防止工作流在视图外点击左侧边栏的文件夹图标Workflows点击面板顶部的浏览工作流示例Browse example workflows选择Image Generation或Text to Image工作流方式 3从图片或 JSON 加载如果你有一张 ComfyUI 生成的图片含 metadata直接拖入浏览器窗口即可加载对应工作流。也可以使用菜单Workflows → Open打开.json文件。5.3 安装 / 选择 AI 模型检查缺失模型加载工作流后如果提示模型缺失通常是一个黄色的警告条点击警告条查看缺失的模型名称如果网络可访问 Hugging Face直接点击Download自动下载如果网络受限参考下方手动安装模型手动安装模型# 将下载好的模型文件放入 checkpoints 目录 # 便携版 # ComfyUI_windows_portable\ComfyUI\models\checkpoints\ # 手动安装 # D:\ComfyUI\ComfyUI\models\checkpoints\ # macOS # ~/ComfyUI/ComfyUI/models/checkpoints/推荐入门模型模型大小下载地址特点v1-5-pruned-emaonly-fp16~1.5GBHugging Face官方推荐兼容性好SDXL 1.0~7GBHugging Face更高画质需要更多显存dreamshaper 8~2GBCivitAI社区热门画风优秀模型选择操作在Load Checkpoint节点中点击模型名称的下拉箭头从列表中选择你放置的模型文件。按键盘R键刷新节点列表。5.4 输入提示词找到工作流中的两个 CLIP Text Encode 节点正向提示词Positive Prompt描述你想要的画面内容a beautiful mountain landscape at sunset, glowing sky, pine trees, crystal clear lake reflecting the mountains, highly detailed, 8k, cinematic lighting, masterpiece反向提示词Negative Prompt描述你不想要的内容blurry, low quality, ugly, deformed, noisy, bad anatomy, watermark, text, signature, extra fingers, distorted face, bad proportions提示词技巧正向提示词用英文逗号分隔关键词越靠前的词权重越高反向提示词写常见的图像缺陷和质量问题新手可以直接复制上面的示例提示词后续再学习优化5.5 运行工作流确认节点连接正确后点击界面右上角的Queue Prompt按钮或使用快捷键CtrlEntermacOS 用CmdEnter。运行过程中你可以在命令行窗口看到进度日志100%|████████████████████████████████████████| 20/20 [00:0500:00, 3.54it/s]等待进度条完成工作流将自动显示生成结果。Cloud 用户注意首次运行需要等待机器分配约 5-20 秒后续运行无需等待。5.6 查看与保存结果生成完成后查看结果在Save Image节点中预览生成的图片右键保存在图片上右键 → 保存图片 保存到本地调整参数重试如果不满意修改提示词或参数后再次点击 Queue Prompt查看输出文件夹所有生成结果自动保存在 ComfyUI 的output目录中六、核心参数深度解读6.1 参数总览表默认工作流的KSampler节点中包含以下核心参数参数中文含义推荐初始值取值范围影响Steps采样步数201-150步数越多细节越丰富但耗时线性增长CFG提示词引导强度71-30数值越大越贴近提示词过高会导致过饱和/伪影Sampler采样器算法Euler多种不同算法影响生成质量和速度Scheduler调度器类型Normal多种控制步长调度策略Denoise去噪强度1.00-1图生图专用控制与原图的相似度Width/Height图像宽高512×51264-2048分辨率越高越耗显存batch_size批量生成数量11-64一次生成多张图片消耗更多显存6.2 各参数详细说明Steps采样步数扩散模型从纯噪声开始逐步去噪直到生成清晰的图像。Steps 就是这个去噪过程的迭代次数。较少步数10-15生成速度快但图像质量较低细节不够丰富推荐步数20-30质量和速度的平衡点绝大多数场景的推荐值较多步数40-50细节更丰富但提升幅度递减耗时显著增加超多步数50收益极低通常不推荐经验法则Steps 超过 30 后的质量提升非常微小不建议盲目增加步数。如果图像质量不理想应优先调整提示词或更换模型。CFGClassifier-Free Guidance ScaleCFG 控制生成图像对提示词的遵循程度。CFG 1-4低引导模型有较大创作自由可能偏离提示词CFG 7-8推荐值提示词和模型创造力之间的良好平衡CFG 10-14高引导严格遵循提示词但可能损失画质CFG 15极高引导容易出现色彩过饱和、伪影artifacts经验法则大多数模型在 CFG 7 附近表现最佳。如果图像与提示词不符优先优化提示词而非盲目提高 CFG。Sampler采样器采样器是去噪过程中的数学算法不同的采样器有不同的特性采样器速度质量特点Euler快良好最基础的采样器推荐新手使用Euler a快良好Euler 的祖先变体有一定随机性DPM 2M Karras中等优秀质量和速度的绝佳平衡最常用的采样器之一DPM 2S a Karras中等优秀祖先采样图像更锐利DDIM快一般较少步数也能工作的采样器LCMLatent Consistency Model极快良好4-8 步即可生成需要 LCM 专用模型新手建议从Euler开始熟悉后切换到DPM 2M Karras获得更佳质量。Width / Height图像尺寸生成图像的尺寸直接影响显存消耗和生成质量尺寸适用场景显存占用约512×512SD1.5 模型的默认尺寸~2-3GB768×768SD1.5 的最大推荐尺寸~4-6GB1024×1024SDXL 模型的默认尺寸~6-8GB1280×720横屏视频 / 宽屏创作~8-10GB2048×2048高分辨率~12GB可能需要--lowvram显存不足时的策略先生成低分辨率图像如 512×512再通过 Upscale放大节点或额外的高清修复工作流放大到目标尺寸。6.3 提示词编写技巧正向提示词的结构化写法[主体] [细节描述] [环境/背景] [光照/色彩] [风格/质量标签]示例a beautiful girl, (detailed eyes:1.2), flowing hair, wearing a red dress, in a garden with cherry blossoms, golden hour lighting, warm atmosphere, photorealistic, 8k, highly detailed, masterpiece提示词权重控制语法效果示例(关键词)权重提升 1.1 倍(sunset)(关键词:1.3)权重提升 1.3 倍(glowing sky:1.3)[关键词]权重降低至 0.9 倍[blurry background]关键词1 | 关键词2交替组合cat | dog写好提示词的技巧具体而不抽象a fluffy white cat sitting on a red velvet chair 好于 a cat先写主体再写细节先确定主体内容再补充环境、光影、风格参考优秀作品在 CivitAI 等平台上查看他人作品的提示词反向提示词要全面常见的质量缺陷都要列上blurry, low quality, ugly 等七、首次操作常见问题排查7.1 启动阶段问题问题可能原因解决方法浏览器访问 127.0.0.1:8188 打不开ComfyUI 未成功启动 / 启动报错查看命令行窗口是否有报错信息检查端口是否被占用端口 8188 被占用其他程序占用了这个端口使用--port 8189指定其他端口启动后命令行闪退缺少依赖 / Python 版本不对检查依赖安装是否完整确认 Python 版本 ≥ 3.10Windows 提示 VCRUNTIME140.dll 丢失缺少 VC Redistributable下载安装 VC RedistributableComfyUI 界面显示空白浏览器不兼容 / 前端加载失败使用最新版 Chrome 浏览器清除浏览器缓存Cloud 中一直在排队服务器资源紧张尝试在非高峰时段使用检查订阅计划是否有限制7.2 模型加载问题问题可能原因解决方法Load Checkpoint 节点显示 null模型文件夹中没有模型文件确认models/checkpoints目录中有.safetensors或.ckpt文件刚放入模型但下拉列表里没有ComfyUI 未刷新模型列表按键盘R键刷新节点列表或重启 ComfyUI模型加载失败 / 报错模型文件损坏 / 不兼容重新下载模型检查模型是否适用于当前 SD 版本提示自动下载模型但进度不动无法访问 Hugging Face复制下载链接用浏览器或下载工具手动下载或使用国内镜像Cloud 中找不到常用模型Cloud 预装模型列表有限查看 Cloud 的模型库列表通过 CivitAI 导入 LoRA7.3 生成阶段问题问题可能原因解决方法生成全黑 / 全灰图像模型未正确加载 / 提示词问题检查 Load Checkpoint 中模型是否选中检查节点连线是否正确生成图像质量极差模型选择不当 / CFG 值不合适更换模型将 CFG 调整到 7-8显存不足CUDA out of memory图像尺寸过大 / 显存不足降低分辨率使用--lowvram启动关闭其他 GPU 程序生成速度非常慢CPU 模式运行 / 未使用 GPU 加速检查是否安装了 GPU 版 PyTorch是否误用了--cpu参数Prompt execution failed 错误节点配置有误 / 节点连线错误点击 Show report 查看详细错误检查节点类型和连线是否正确生成的图与提示词不符提示词过于简单 / CFG 过低完善提示词描述适当提高 CFG 值7-10Cloud 生成提示积分不足免费版积分已用完等待下月积分重置升级到付费计划加购积分生成结果出现重复/扭曲模型过时或损坏 / 参数异常更换模型检查 Denoise 值图生图时7.4 自定义节点问题问题可能原因解决方法自定义节点不显示安装路径错误 / 未重启检查节点是否在custom_nodes目录下重启 ComfyUI节点安装后报 ImportError缺少依赖包进入节点目录执行pip install -r requirements.txt节点显示红色报错节点配置错误 / 输入不匹配检查连线的数据类型是否正确阅读节点文档了解参数要求界面出现奇怪的 UI 错位前端扩展冲突在设置中禁用第三方前端扩展排查安装节点后 ComfyUI 无法启动节点导致启动崩溃使用--disable-all-custom-nodes参数启动禁用所有自定义节点节点在 Manager 中搜不到节点不在 Manager 列表中手动 Git 安装或从 GitHub 下载 ZIP更新 ComfyUI 后节点失效版本兼容性问题更新节点到最新版等待节点作者发布兼容更新排查自定义节点问题的黄金法则先用--disable-all-custom-nodes启动确认问题是否与自定义节点相关如果是使用二分法——每次启用一半节点逐步缩小范围找到问题节点后更新 → 替换 → 报告 → 移除按此顺序尝试详细排查方法参考 官方自定义节点故障排除指南八、总结通过本文的学习你已经掌握了✅ 自定义节点的定义、分类与核心作用✅ ComfyUI Manager 的安装与使用方法✅ 三种自定义节点安装方式Manager 安装、Git 安装、ZIP 安装✅ Cloud 环境中自定义节点的安装和管理✅ 常用自定义节点的推荐必备和按需选装✅ 加载默认文生图工作流的完整流程✅ 核心参数Steps、CFG、Sampler、Size的详细解读✅ 首次操作常见问题的排查与解决方法至此第一章入门启蒙的学习全部完成你已掌握以下核心能力知识点对应文章掌握状态生成式 AI 工具对比及 ComfyUI 优势第 2 篇✅ComfyUI 核心介绍定位、特性、文档框架第 3 篇✅本地安装全流程多系统适配 避坑第4篇✅Comfy Cloud 部署与使用第5篇✅自定义节点安装与首次 AI 绘图第6篇本文✅下一篇预告进入第二章基础夯实——学习工作流、节点、连接等核心基础概念全面掌握 ComfyUI 的界面操作与基础设置。官方参考链接ComfyUI 自定义节点概述 — 自定义节点官方文档ComfyUI 首次生成指南 — 从零开始生成第一张 AI 图像ComfyUI Manager GitHub 仓库 — 最推荐的自定义节点管理工具ComfyUI 自定义节点故障排除 — 排查自定义节点问题官方指南ComfyUI 故障排除总览 — 常见问题与解决方案ComfyUI 文生图教程 — 文生图工作流详细说明ComfyUI 模型设置指南 — 模型管理与配置ComfyUI 内置节点文档 — 所有内置节点功能详解ComfyUI 社区资源 — 加入社区、交流分享