ComfyUI 部署实战：从节点流到 API 化
唐唐老师690 阅读
Stable Diffusion WebUI 用了一年，后来被 ComfyUI 吸引：它把生图流程拆成节点，灵活度完全碾压 WebUI。特别是想搞自动化出图的时候，ComfyUI 的 API 化能力是刚需。这篇记录部署和使用的过程。
部署：
Bash
git clone https://github.com/comfyanonymous/ComfyUI
cd ComfyUI
pip install -r requirements.txt
python main.py --listen 0.0.0.0 --port 8188
起来之后浏览器访问 8188 就是工作流界面。显卡是 N 卡的话记得装对应 CUDA 的 torch，别用 CPU 版。
节点流 vs 脚本：WebUI 是"填参数点生成"，ComfyUI 是"拖节点连线"。一开始不习惯，但用熟了之后会发现：想要"先放大再修脸再放大"这种复杂流程，ComfyUI 直接连线就行，WebUI 要装一堆扩展。
踩的坑：
-
模型放对位置。Checkpoint 放 models/checkpoints，LoRA 放 models/loras，VAE 放 models/vae。放错位置节点里找不到，会报 checkpoint does not exist。这个错误信息还特别迷惑。
-
显存管理。ComfyUI 默认把模型常驻显存，生大图容易 OOM。可以在启动时加 --lowvram 或 --medvram，自动管理显存。我 8G 卡跑 SDXL 用的 --medvram，能跑但慢。
-
节点版本兼容。ComfyUI 更新频繁，自定义节点容易失配。装了新节点报错先看是不是版本问题，
git pull前记得备份工作流。
API 化：这是 ComfyUI 最强的地方。前端设计好的工作流，可以直接用 API 触发：
Python
# 1. 把工作流 JSON 提交到 /prompt
resp = requests.post("http://localhost:8188/prompt", json={"prompt": workflow})
# 2. 轮询 /history/{prompt_id} 拿结果
# 3. 从结果里下载生成的图片
配合队列，能批量出图。我做了一个"文案 → 配图"的自动化流水线，就是这么干的。
最后：ComfyUI 上手曲线比 WebUI 陡，但值得。特别是做自动化、复杂工作流，它几乎是唯一解。
评论0
还没有评论，来抢沙发～