最近在项目上遇到了一个非常头疼的问题——成本。

最开始，我尝试使用智谱清言、豆包等大模型的图像生成 API。不可否认，它们的效果很不错，接入也非常快速。但是，如果你的应用场景需要大量生成图片（比如基于脚本逐句生成视频背景图或分镜），按照每张图5分到1毛的单价计算，跑一个完整项目的账单绝对会让你“肉痛”。

为了在保证出图质量的前提下把成本压到0元，我决定转向本地化部署方案——ComfyUI。

今天这篇文章，我就把今天踩坑、调试 ComfyUI 并将其封装为一个“免费 API 服务”的完整过程记录下来。内容从环境搭建到代码调试，由浅入深，只用ComfyUI最基础的默认工作流，小白也能轻松上手！

---

1. 为什么选择 ComfyUI？

在开源 AI 绘画领域，WebUI（如 Stable Diffusion WebUI）和 ComfyUI 是两座大山。
相比于 WebUI 的“重度产品化”，ComfyUI 以其节点式（Node-based）的架构设计脱颖而出。你不仅可以像搭乐高一样自由组合生图逻辑，更重要的是，它天生就适合作为 API 供第三方系统调用。

我今天的需求十分简单：只需要最纯粹的“文生图（Text-to-Image）”功能，以此替代昂贵的在线 API。

---

2. 环境说明：Windows 与 WSL 的“双城记”

很多开发者在部署时会纠结操作系统。我的最终方案是：ComfyUI 跑在 Windows 上，而调用它的 Python 代码跑在 WSL (Windows Subsystem for Linux) 中。

2.1 硬件与环境配置

• 显卡：NVIDIA RTX 3070（8GB 物理显存 + 8GB 共享显存，对于常规的 1080P/4K 初期生图基本够用）
• 宿主机：Windows 11（运行 ComfyUI）
• 开发机：Ubuntu (基于 WSL2，运行 Python 脚本)
  

2.2 为什么采用这种混合架构？

采用这种“跨次元”架构并不是因为喜欢折腾，而是基于以下考量：

1. 显卡驱动与性能（Why Windows）：NVIDIA 的显卡驱动和 CUDA 工具包在 Windows 原生环境下兼容性最好，ComfyUI 在 Windows 上可以通过便携包（Standalone）一键运行，省去了大量配置环境的麻烦。
2. 开发体验与流水线（Why WSL）：我的短视频生成核心代码逻辑（涉及视频处理、Git 管理等）都在 WSL 里面。Linux 拥有更好的开发手感和包管理体验。

为了让你更直观地理解，我们可以看下面这张架构交互图：

---

3. ComfyUI 安装与避坑指南

3.1 极简安装步骤

• 1. 前往 ComfyUI 的 GitHub Release 页面，下载最新的 Windows 版本安装包。
• 2. 成功安装后运行服务:
  • 我的安装路径选在D盘了, 执行程序安装在:

    D:\Users\<换成你的用户名>\AppData\Local\Programs\ComfyUI\resources\ComfyUI
    

  • ComfyUI自动把环境配置在C盘, 路径在:

    C:\Users\<换成你的用户名>\Documents\ComfyUI\
    

  • 在命令行窗口执行

    cd /d D:\Users\<换成你的用户名>\AppData\Local\Programs\ComfyUI\resources\ComfyUI
    C:\Users\<换成你的用户名>\Documents\ComfyUI\.venv\Scripts\python.exe main.py --gpu-only --listen 0.0.0.0
    

  • 其中因为我的宿主机配置了GPU, 所以使用gpu-only;
  • 0.0.0.0代表ComfyUI服务监听所有网络接口的请求。这是因为我的WSL并没有配置Netwoking Mirror, 所以我需要WSL上的代码可以通过宿主机的IP，而不是默认的127.0.0.1来访问ComfyUI服务.
• 3. 如果运行成功后，使用浏览器访问 http://127.0.0.1:8188，这就是你的控制台。
• 4. SD等必要的渲染模型, 需要放在 "C:\Users<换成你的用户名>\Documents\ComfyUI\models\checkpoints"路径下。 模型文件可以在 huggingface上下载，我刚下载的版本sd_xl_base_1.0.safetensors大概6G多。
     

3.2 踩坑记录一：如何提供后台 API 服务？

很多初学者以为需要复杂的配置才能把 ComfyUI 变成服务。事实上，当你运行 main.py 后，ComfyUI 本身已经是一个标准的、提供 HTTP 完整接口的 API 服务了。
它默认监听在 8188 端口。 当然如果你并不需要通过API来调用，也可以在浏览器上直接操作了。

对于宿主机和WSL之间的通信，我遇到跨端访问的问题。我在 WSL 中无法直接通过 127.0.0.1 访问 Windows 宿主机的8188端口。而我又不想配置WSL的Networking mirror（我的windows和Ubuntu上都有80端口的web服务， mirror的话会导致端口冲突）。
💡 解决办法： 我在windows上通过ipconfig列出了所有的本地IP，然后通过ping命令，找到了WSL上Ubuntu可以访问的IP地址。这样我的Ubuntu就可以使用这个IP来访问Windows上的ComfyUI服务了。

3.3 踩坑记录二：如何建立默认工作流并导出 JSON？

我们要把界面里的连线，变成 Python 能看懂的代码。

• 1. 加载默认工作流：点击右侧菜单的 模版，在搜索框中输入 default，你会看到一个包含 “Load Checkpoint - CLIP Text Encode - KSampler - VAE Decode - Save Image”的经典流程。如果你不需要API调用, 你就可以试试修改图形界面的CLIP节点中的提示词, 然后点击“运行”按钮, 看看图片的输出效果了。
     
     
• 2. 开启开发者选项：默认情况下，你是找不到“导出为 API”的按钮的。点击右侧面板的图标 ⚙️ (Settings)，勾选 Enable Dev mode Options。
     
• 3. 导出 JSON：回到主界面，点击右侧的 导出 (API)，可以下载一个 workflow_api.json 文件。这个文件就是把工作流框中的节点信息转换成json格式，方便Python调用。
     

[!WARNING]
巨坑预警：务必使用 Save Image 节点！

在调试中我发现，如果你在界面里图方便，使用的是 Preview Image（预览节点）而不是 Save Image（保存节点），导出的 JSON 虽然能提交执行，但它是没有任何物理文件输出的，Python 后续的获取结果会得到一个空的列表 []！务必确保你的最后一棒连接的是标准的保存节点。

---

4. Python 代码实战：自动化调用的核心逻辑

在搞定了宿主机服务和 API JSON 后，我们要在 WSL 中写一段 Python 代码来自动化这个流程：

1. 替换 Prompt：读取 JSON 并修改提示词。
2. 提交任务：发送给 8188 端口。
3. 轮询状态并下载：等待生图结束，下载并存储到 WSL 目录。

以下是我优化后能够完美处理单图及多图并发任务的 Python 测试脚本：

4.1 调用ComfyUI服务的代码

# -*- coding: utf-8 -*-
import json
import requests
import time
import subprocess
import os

# 1. 获取宿主机 IP (WSL -> Windows 穿透)
def get_host_ip():
    return "127.0.0.1" # 此处务必要替换成你可以访问的宿主机IP !!!!!! 💀💀💀 

COMFY_URL = f"http://{get_host_ip()}:8188"

# 2. 下载图片的协助函数
def download_image(filename):
    print(f"📥 正在下载: {filename} ...")
    url = f"{COMFY_URL}/view?filename={filename}"
    try:
        r = requests.get(url)
        r.raise_for_status()
        local_name = f"output_{int(time.time())}_{filename}"
        with open(local_name, "wb") as f:
            f.write(r.content)
        print(f"✨ 保存成功: {local_name}")
    except Exception as e:
        print(f"❌ 下载失败 {filename}: {e}")

# 3. 主调度函数
def run_task(prompt_text):
    print(f"🚀 初始化并加载 workflow_api.json ...")
    with open("workflow_api.json", "r", encoding="utf-8") as f:
        workflow = json.load(f)

    # 这里的 "6" 对应导出 json 中 正向提示词(CLIPTextEncode) 节点的 ID
    # 如果你的节点 ID 不同，请根据实际 JSON 结构修改
    if "6" in workflow:
        workflow["6"]["inputs"]["text"] = prompt_text

    print(f"📡 发送生图任务到 ComfyUI ({COMFY_URL})...")
    p = requests.post(f"{COMFY_URL}/prompt", json={"prompt": workflow}).json()
    prompt_id = p['prompt_id']
    print(f"✅ 任务已排队，ID: {prompt_id}")

    # 轮询状态处理多图延迟
    while True:
        h = requests.get(f"{COMFY_URL}/history/{prompt_id}").json()
        
        # history 只有在任务彻底完成后才会出现对应的 prompt_id 键
        if prompt_id in h:
            outputs = h[prompt_id].get("outputs", {})
            if not outputs:
                print("⚠️ 任务结束，但没有找到输出！请检查刚才的警告，是否使用了 SaveImage 节点。")
                break
                
            print(f"🎨 渲染完成！发现 {len(outputs)} 个输出节点。")
            for node_id, node_data in outputs.items():
                if "images" in node_data:
                    for img in node_data["images"]:
                        download_image(img['filename'])
            break
        
        print("⏳ 渲染中，由于可能包含多张图片，请耐心等待...")
        time.sleep(2)

if __name__ == "__main__":
    # 测试生成指令
    run_task("a high-tech laboratory, futuristic, blue lighting, photorealistic, 8k")

4.2 核心调试复盘

在这段代码的编写中，我遇到了一个关于**“多张图片并发响应为空”的问题：
一开始跑脚本时，控制台直接抛出了找不到键值的错误。排查发现，生图是一个重资源操作。如果要生成 Batch Size > 1 或者是多图任务，渲染时间会从 5 秒激增到 15 秒以上。
之前因为没有做轮询（Polling）**等待，请求发出去后直接去拿结果，任务处于 Queued 或 Executing 状态，自然拿不到被保存的 outputs。
因此，加入一个 while True + time.sleep(2) 的设计是极其必要的。只有当 /history 接口的返回值里包含了当前任务的 ID，才说明执行生命周期彻底结束。

---

5. 效果与总结

在跑通这个自动化流水线之后，我一连生成了上百张不同领域的转场和背景图。

通过本次调试我们可以得出：

1. 大规模应用的必备品：如果你要做自动化的视频流水线、小说推文或者批量插图，一定要放弃按量计费的生图 API，把本地 GPU 利用起来。 ComfyUI 这种 Server-Client 结构堪称完美。
2. API 的门槛其实很低：无需复杂的编程框架，只需要把可视化连线导出为 JSON，再通过 requests.post 发送字典即可，哪怕是编程新手也能在一天内完成改造。
3. WSL环境的兼容性佳：事实证明，宿主机（Windows）扛算力、子系统（WSL）跑逻辑这种分层架构不仅不复杂，还能最大化两者的天然优势。

希望这篇博文能帮到由于业务需求被 文生图模型API 费用困扰的朋友们。如果大家感兴趣，下一期我还会讲讲如何在 ComfyUI 内部通过自动化脚本加载不同的 LoRA 模型以及高清放大（Upscale）算法。

欢迎在评论区探讨交流！