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）

ChengHai37

745人浏览 · 2026-05-12 07:00:00

ChengHai37 · 2026-05-12 07:00:00 发布

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。

一、引言：自定义节点是什么？为什么需要它？
二、ComfyUI Manager：最推荐的节点管理工具
三、自定义节点安装方式详解
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
六、核心参数深度解读
七、首次操作常见问题排查
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.git

Step 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.git

Step 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.txt

Step 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 ComfyUI

3.4 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	GitHub
WAS Node Suite	多功能节点集：图像处理、文本处理、调试工具等	⭐⭐⭐⭐⭐ 必备	GitHub
Efficiency Nodes	工作流效率优化，简化重复操作	⭐⭐⭐⭐ 强烈推荐	GitHub
ComfyUI-Custom-Scripts	自定义脚本增强：自动排列、文本输入框等	⭐⭐⭐⭐ 强烈推荐	GitHub

4.2 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
ControlNet	ComfyUI-Advanced-ControlNet	ControlNet 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-Viewer	LoRA 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.bat）
Windows 手动安装：打开命令行 → cd D:\ComfyUI\ComfyUI → venv\Scripts\activate → python main.py
macOS 手动安装：打开终端 → cd ~/ComfyUI/ComfyUI → source venv/bin/activate → python3 main.py
Linux：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	~1.5GB	Hugging Face	官方推荐，兼容性好
SDXL 1.0	~7GB	Hugging Face	更高画质，需要更多显存
dreamshaper 8	~2GB	CivitAI	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 Ctrl+Enter，macOS 用 Cmd+Enter）。

运行过程中，你可以在命令行窗口看到进度日志：

100%|████████████████████████████████████████| 20/20 [00:05<00:00,  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	20	1-150	步数越多细节越丰富，但耗时线性增长
CFG	提示词引导强度	7	1-30	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	1.0	0-1	图生图专用，控制与原图的相似度
Width/Height	图像宽高	512×512	64-2048	分辨率越高越耗显存
batch_size	批量生成数量	1	1-64+	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。

CFG（Classifier-Free Guidance Scale）

CFG 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
LCM（Latent 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）
512×512	SD1.5 模型的默认尺寸	~2-3GB
768×768	SD1.5 的最大推荐尺寸	~4-6GB
1024×1024	SDXL 模型的默认尺寸	~6-8GB
1280×720（横屏）	视频 / 宽屏创作	~8-10GB
2048×2048	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 ≥ 3.10
Windows 提示 "VCRUNTIME140.dll 丢失"	缺少 VC++ Redistributable	下载安装 VC++ Redistributable
ComfyUI 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 LoRA

7.3 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（7-10）
Cloud 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）	✅