ComfyUI 安装部署教程：Windows 下快速搭建可视化 AI 绘图工作流，零基础也能跑通

这两年 AI 绘图工具是真的多，但如果你稍微玩深一点，很快就会发现：

只会"输入提示词然后点生成"，其实不够。

真正到了要调模型、接 LoRA、接 ControlNet、复用工作流的时候，ComfyUI 这种节点式方案的优势就出来了。

问题也很现实：很多人不是不会用，而是第一步就卡在安装部署上 。

下载完不会放、页面起不来、模型识别不到、GPU 没跑起来......最后一顿折腾，图没生成，心态先崩了。

所以这篇文章不整虚的，直接给你一条 Windows 下最适合普通用户快速上手的路线：官方 Portable 便携版部署 。

目标很明确：先把 ComfyUI 跑起来，再成功出第一张图。

---

一、项目背景

ComfyUI 是一个开源的节点式 AI 绘图工作流界面，核心能力是把 Stable Diffusion 的生成链路拆成一个个可视化节点，比如：

• 模型加载
• 提示词编码
• 采样推理
• 图像解码
• 图片输出

相比传统那种"一整个页面塞满参数"的 AI 绘图工具，ComfyUI 更像一个可编排、可复用、可扩展的工作流平台。

官方GitHub的项目地址:

https://github.com/comfy-org/ComfyUI

它适合什么人？

• 想本地部署 AI 绘图环境的人
• 想研究 Stable Diffusion 工作流的人
• 想接 LoRA、ControlNet、自定义节点的人
• 想把出图流程沉淀成模板的人
• 想从"会点按钮"升级到"会搭流程"的人

为什么它值得单独写一篇部署教程？原因很简单：

1. 真的火，但也真的容易把新手卡住
2. 有官方 README 支撑，部署路线相对清晰
3. 成功跑起来后，验证结果很直观
4. 特别适合写成一篇"环境准备 → 安装部署 → Demo 验证 → 常见报错"的实战教程

这一版文章默认使用 Windows + Portable 便携版 。

因为对大多数普通用户来说，这条路线门槛最低，成功率最高，也最适合做第一篇上手教程。

---

二、本文环境说明

为了避免你照着做，结果环境却完全不一样，先把本文默认条件说清楚。

• 操作系统：Windows 10 / Windows 11
• 部署方式：官方 Portable 便携版
• 运行环境：本地运行
• 推荐显卡：NVIDIA GPU
• CPU 是否可用：可以，但速度较慢
• Python ：便携版一般自带 python_embeded
• 是否为简化方案：是
• 是否适合新手：适合
• 目标结果：成功打开 ComfyUI 页面，并跑通第一个文生图 Demo

如果你只是想尽快把 ComfyUI 跑起来，我非常建议先走 Portable 版。

别一上来就自己配 Python、配 torch、配 CUDA、配插件。

那种玩法不是不行，但更适合进阶阶段。

说白了，先出图，再讲究优雅，这是比较符合现实的顺序。

---

三、安装前准备

1. 检查显卡环境

如果你要跑 GPU 版本，先按 Win + R，输入 cmd，执行：

nvidia-smi

如果能看到显卡型号、驱动版本、显存等信息，说明 NVIDIA 驱动基本没问题。

如果这里都报错，那就别急着研究 ComfyUI 了。

因为这说明你底层 GPU 环境都没打通，后面大概率也是一连串问题。

---

2. 准备解压工具

建议准备一个正常可用的解压工具，比如：

• 7-Zip（推荐）
• WinRAR
• Windows 11 自带解压

有些用户下载压缩包后直接双击出问题，或者系统提示阻止访问。

这时候可以右键压缩包 → 属性 → 如果有"解除锁定 / Unblock"，先勾上再解压。

---

3. 规划安装目录

建议把 ComfyUI 解压到一个简单、清爽、权限正常的位置，例如：

D:\ComfyUI

不建议放在这些位置：

• 中文路径很深的目录
• 系统盘乱七八糟的临时目录
• OneDrive 同步目录
• 桌面随手建的测试文件夹

这一步别嫌我啰嗦。

很多看起来像"项目有问题"的报错，最后一查，根本不是 ComfyUI 的锅，是你的路径和权限在搞事情。

---

四、安装与部署

1. 下载官方 Portable 便携版

ComfyUI 官方提供 Windows 下的 Portable 版本，这个版本最大的优点就是：

• 自带运行环境
• 不用你手动配完整 Python
• 更适合第一次部署
• 成功率更高

官方 GitHub 仓库：

https://github.com/comfy-org/ComfyUI

你可以从 README 或 Releases 页面进入下载对应的 Windows Portable 包。

下载时有两个建议：

1. 优先看官方说明，不要乱下第三方打包版
2. 如果你是旧显卡用户，注意版本兼容说明

很多人装不上，不是因为 ComfyUI 难，而是"看见最新版就下"，结果驱动版本、CUDA 支持、显卡代际全没对上。

---

2. 解压安装包

把下载好的压缩包解压到例如：

D:\ComfyUI

解压后，一般会看到类似结构：

ComfyUI_windows_portable
├─ ComfyUI
├─ python_embeded
├─ update
├─ run_nvidia_gpu.bat
├─ run_cpu.bat

不同版本可能会略有差异，但核心逻辑差不多：

• ComfyUI：主程序目录
• python_embeded：内置 Python 环境
• run_nvidia_gpu.bat：GPU 启动脚本
• run_cpu.bat：CPU 启动脚本

第一次上手，你重点盯住这几个就够了。

---

3. 放置模型文件

这一步非常关键。

很多人页面是能打开的，但一到生成环节就卡住，原因通常不是 UI 问题，而是：压根没有可用模型。

主模型一般放到：

ComfyUI\models\checkpoints

如果你的解压目录是：

D:\ComfyUI\ComfyUI_windows_portable

那实际路径大概率类似：

D:\ComfyUI\ComfyUI_windows_portable\ComfyUI\models\checkpoints

把你的模型文件复制进去，例如：

your-model.safetensors

常见模型格式：

• .safetensors
• .ckpt

第一次部署，建议只放一个主模型。

别一口气扔几十个模型进去，真出了问题你根本不知道是谁的问题。

---

4. 启动 ComfyUI

方案一：NVIDIA GPU 启动

如果你有 NVIDIA 显卡，优先双击：

run_nvidia_gpu.bat

---

方案二：CPU 启动

如果你没有 GPU，或者只是想先看看环境能不能跑起来，可以双击：

run_cpu.bat

CPU 版能启动，但速度通常会比较慢。

适合验证环境，不适合长期高频出图。

---

5. 等待服务初始化

第一次启动时，黑窗口可能会跑一会儿，不要急着关。

很多新手有个经典操作：双击脚本 → 看它卡几秒 → 以为死了 → 直接关掉。

实际上，AI 工具第一次初始化慢一点很正常。

等终端里出现类似下面的地址：

http://127.0.0.1:8188

说明服务已经基本起来了。

---

6. 打开浏览器访问页面

在浏览器输入：

http://127.0.0.1:8188

如果能看到 ComfyUI 的节点式界面，说明前端已经启动成功。

到这里先别急着庆祝。

页面能打开，只能说明壳子起来了 ，还不代表你一定能正常出图。

真正的验证还得看后面的模型识别和工作流执行。

---

五、配置说明

1. 核心模型目录

Windows 下 Portable 版常见模型目录包括：

ComfyUI\models\checkpoints
ComfyUI\models\vae
ComfyUI\models\loras
ComfyUI\models\embeddings
ComfyUI\models\vae_approx

其中第一次部署最关键的，只有一个：

ComfyUI\models\checkpoints

先保证主模型能被识别，其他目录可以后面再补。

---

2. 额外模型路径配置

如果你本机已经有别的 AI 绘图工具，模型都放在统一目录，不想复制一份到 ComfyUI，也可以通过额外配置文件扩展模型路径。

例如仓库里通常会有类似：

extra_model_paths.yaml.example

你可以复制或重命名为：

extra_model_paths.yaml

然后自己配置模型路径。

但是我还是那句话：

第一次部署别折腾太多变量。

默认路径最简单，排错成本最低。

---

3. 启动脚本怎么选

这两个脚本很重要：

• run_nvidia_gpu.bat
• run_cpu.bat

别选错了。

你明明想用 GPU，却开了 CPU 版，然后再吐槽"为什么生成这么慢"，这就有点冤枉项目了。

---

六、跑通第一个 Demo

1. 打开默认工作流

ComfyUI 正常启动后，一般会看到默认节点工作流。

如果页面空白，或者你不小心删掉了默认节点，可以尝试快捷键：

Ctrl + D

用于加载默认工作流。

---

2. 检查模型是否识别成功

在默认工作流中，通常会有模型加载节点。

你需要确认这里能选到刚才放进去的模型文件。

如果模型下拉框为空，先排查这几件事：

• 模型目录放没放对
• 模型文件是不是完整的
• 后缀是不是 .safetensors 或 .ckpt
• 放好模型后有没有重启 ComfyUI

这类问题特别常见，而且十有八九不是 UI 抽风，单纯就是路径没对上。

---

3. 输入测试提示词

正向提示词可以先用一个简单的：

a cute robot sitting on a desk, soft light, highly detailed

负向提示词：

blurry, low quality, deformed

第一次不用追求出大片。

先出一张正常图，意义比你一上来追求"电影级质感"大得多。

---

4. 执行生成

点击页面中的执行按钮，或者直接按：

Ctrl + Enter

如果一切正常，ComfyUI 会开始按节点顺序执行工作流。

---

5. 成功后你应该看到什么

生成成功后，通常会有这些现象：

• 节点状态开始运行
• 页面出现图像预览
• 启动窗口持续输出日志
• output 目录生成新图片

只要这几步都出现了，就说明你的 ComfyUI 不是"勉强打开"，而是已经真正跑通了。

---

七、效果验证

这里建议你至少做 3 次验证，不要只看网页能不能打开。

1. 验证页面是否正常加载

确认浏览器能稳定打开：

http://127.0.0.1:8188

---

2. 验证日志是否正常

执行生成任务时，观察命令行窗口：

• 是否持续正常输出
• 是否存在大段红色报错
• 是否中途自动退出

如果一点生成就报错，那八成不是"页面问题"，而是模型、驱动、环境链路哪一环没对上。

---

3. 验证输出目录

进入：

ComfyUI\output

确认是否生成了新的图片文件。

如果输出目录里确实有图，那这套环境才算真的搭好了。

---

八、常见报错与解决方案

这一节建议认真看。

因为很多人部署失败，不是教程没写清楚，而是问题就集中在这几个地方。

---

1. 双击脚本后窗口一闪而过

这是 Windows 下非常经典的问题。

解决方案

不要只双击，直接打开 cmd 或 PowerShell，手动进入目录执行脚本，这样能看到完整报错。

例如：

cd /d D:\ComfyUI\ComfyUI_windows_portable
run_nvidia_gpu.bat

这样至少你知道它为什么挂，而不是只看到一个"闪了一下"。

---

2. 页面能打开，但模型列表为空

这类问题太常见了。

解决方案

重点检查：

• 模型是否放在 ComfyUI\models\checkpoints
• 是否放错到根目录了
• 是否是支持的文件格式
• 模型文件是否损坏
• 是否重启过 ComfyUI

很多时候不是模型"没加载"，而是你"没放对地方"。

---

3. GPU 没有真正跑起来

表现通常是：

• 页面能打开
• 也能生成
• 但速度慢得像在赎罪

解决方案

先执行：

nvidia-smi

然后在生成时观察显存占用有没有变化。

如果显存完全不动，那基本可以判断：你并没有真正跑在 GPU 上。

优先检查：

• 显卡驱动是否正常
• 启动的是不是 run_nvidia_gpu.bat
• 当前版本是否和你的显卡兼容

---

4. 显存不足

这是 AI 绘图工具的常见问题，不是 ComfyUI 独有。

解决方案

可以先这样降载：

• 降低图片分辨率
• 减少 batch 数量
• 使用更小的模型
• 不要一开始就上复杂工作流
• 暂时先不用高负载增强节点

很多人一开始就想 1024 高分图、叠一堆节点、再加一堆增强，这种玩法对显存是真的不客气。

---

5. 解压失败或文件被系统拦截

这在 Windows 也不少见。

解决方案

可以尝试：

• 右键压缩包 → 属性 → 解除锁定
• 使用 7-Zip 重新解压
• 把目录移动到 D:\ComfyUI 这类权限更宽松的位置

---

6. 页面可以打开，但一生成就报错

这通常说明：

• 模型不对
• 模型没加载成功
• 工作流节点配置有问题
• 环境支持链路不完整

解决方案

先不要乱改一堆参数，按这个顺序排查：

1. 页面能否稳定访问
2. 模型节点能否识别模型
3. 默认工作流能否执行
4. 输出目录是否能生成文件

先从最小闭环查，效率最高。

---

九、进阶说明

如果你已经跑通了 Portable 版，后续可以继续做这些事情。

1. 安装更多模型

后续可以逐步加入：

• LoRA
• VAE
• Embedding
• ControlNet 相关模型

但建议一个一个加，每加一个都验证一次。

别一口气全塞进去，到时候谁出问题都分不清。

---

2. 使用额外模型目录

如果你本地已经有模型库，可以通过配置文件统一接入。

这样后续维护会更方便，也不用多个 UI 之间重复拷贝大模型。

---

3. 迁移到手动 Python 版本

Portable 版适合快速上手。

如果你后面需要：

• 自己管理 Python
• 升级 torch
• 安装大量自定义节点
• 做更稳定的长期环境维护

那就可以考虑迁移到手动 Python 安装路线。

---

4. 安装自定义节点

ComfyUI 的生态很强，自定义节点非常多。

但真心建议一句：基础环境没稳之前，不要急着装一堆插件。

不然最后最常见的场景就是：

昨天还能跑，今天不知道装了什么，整个环境突然起不来了。

这个剧情，在 AI 工具圈里并不罕见。

---

十、总结

这篇文章带你完成了一套 Windows 下 ComfyUI Portable 便携版的完整部署流程，包括：

• 下载官方安装包
• 解压目录规划
• 模型文件放置
• GPU / CPU 启动
• 页面访问
• 首个 Demo 运行
• 输出结果验证
• 常见报错排查

如果你现在已经能看到 ComfyUI 页面、能识别模型、能运行默认工作流、还能成功生成图片，那就说明你已经把这套环境真正搭起来了。

对于大多数普通用户来说，这一步已经足够用了。

别小看"先成功出第一张图"这件事，它往往是后面继续折腾 LoRA、ControlNet、工作流模板、自定义节点的起点。

说到底，ComfyUI 最难的不是会不会点，而是第一步能不能顺利跑起来。

一旦第一张图出来，后面的很多问题，其实就从"玄学"变成"工程问题"了。

---

十一、适合谁继续深入

• 想长期做本地 AI 绘图的人
• 想研究 Stable Diffusion 工作流的人
• 想接入 LoRA / ControlNet / 自定义节点的人
• 想做自动化出图的人
• 想做 ComfyUI 二次开发的人

可以继续往下研究 ComfyUI

如果你只是想先试试 AI 绘图，这篇文章的路线已经够用。

如果你想把它变成自己的长期生产力工具，那后面还有很多值得继续深入的空间。

---