企业官网建设流程全解析

在 AI 绘画领域，Stable Diffusion 的 WebUI 界面虽然直观，但节点式工作流工具 ComfyUI 因其灵活性、可定制性和对复杂流程的精细控制能力，正受到越来越多高级用户的青睐。然而，原生 ComfyUI 的英文界面和相对复杂的初始配置，对国内新手用户构成了不小的门槛。秋叶大佬发布的 ComfyUI-v35 整合包，正是为了解决这些问题而生，它提供了全中文界面、预装常用插件、支持中文提示词，并实现了 Windows 和 macOS 双平台的解压即用。

本文将带你从零开始，使用秋叶 ComfyUI-v35 整合包完成本地部署，并构建一个基础的文生图工作流。你会理解 ComfyUI 的核心概念，掌握节点连接的基本逻辑，并学会如何利用中文提示词生成你的第一张 AI 绘画作品。无论你是刚从 WebUI 转来的用户，还是初次接触 Stable Diffusion，这个整合包都能让你快速上手，体验节点式工作流的强大之处。

1. 理解 ComfyUI 与秋叶整合包的价值

1.1 为什么选择 ComfyUI 而非 WebUI

Stable Diffusion WebUI（如 Automatic1111）采用固定标签页布局，功能集中但扩展性有限。ComfyUI 则将图像生成过程拆解为独立的节点（Node），每个节点负责特定任务（如加载模型、编码提示词、执行采样等），用户通过连线定义数据流向。这种设计带来几个核心优势：

• 流程可视化与可复用：整个生成过程一目了然，成功的工作流可以保存为 JSON 文件，方便分享和重复使用。
• 极致可控性：可以精确控制每个环节的参数，甚至插入自定义处理节点，实现 WebUI 难以完成的复杂逻辑（如多模型混合、条件控制生成）。
• 资源效率：节点式架构更利于内存管理，尤其在处理高分辨率图像或长流程时，相比 WebUI 可能更稳定。

但原生 ComfyUI 的问题也很明显：默认英文界面、插件需要手动安装、环境配置对新手不友好。这正是秋叶整合包要解决的痛点。

1.2 秋叶 ComfyUI-v35 整合包的核心改进

秋叶的整合包并非简单打包，而是做了大量本地化优化：

• 全中文界面：对 ComfyUI 界面及常用插件进行了汉化，降低语言障碍。
• 预置依赖与环境：内置 Python、PyTorch 等必要组件，避免用户手动配置环境时常见的版本冲突问题。
• 预装实用插件：如 ComfyUI Manager（插件管理）、WD14-Tagger（图像反推标签）、ControlNet 等，开箱即用。
• 支持中文提示词：集成中文 CLIP 模型或翻译插件，可直接输入中文提示词生成图像，无需预先翻译成英文。
• 双平台支持：提供 Windows 和 macOS 版本，均设计为解压后运行启动脚本即可使用。

对于想要快速入门 ComfyUI 的用户，这个整合包节省了大量前期准备时间，让你直接聚焦于工作流的设计与创作。

2. 环境准备与整合包部署

2.1 系统与硬件要求

在下载整合包之前，请确认你的设备满足以下基本要求：

关键点说明：

• 显卡：ComfyUI 支持 NVIDIA（CUDA）、AMD（ROCm）和苹果芯片（MPS）。秋叶整合包主要优化了 NVIDIA CUDA 路径。AMD 显卡用户可能需要额外配置 ROCm，苹果芯片用户则依赖 MPS 后端。
• 硬盘：推荐使用 SSD，因为模型加载速度直接影响工作流启动时间。

2.2 下载与解压整合包

1. 从秋叶发布的官方渠道（如百度网盘）下载秋叶ComfyUI-v35整合包。文件通常为压缩包格式（如.7z或.zip），大小约 8-12 GB。
2. 将压缩包解压到你希望安装的目录。路径中不要包含中文或特殊字符，建议使用纯英文路径，例如D:\AI_Tools\ComfyUI或~/Applications/ComfyUI。
3. 解压完成后，目录内应包含以下关键内容：
   • comfyui.exe或run_comfyui.bat（Windows 启动脚本）
   • run_comfyui_macos.sh（macOS 启动脚本）
   • models/目录（存放模型文件）
   • python_embeded/或类似目录（内置 Python 环境）
   • custom_nodes/目录（预装插件）

注意：整合包通常不包含大体积的 Stable Diffusion 模型文件（如sd_xl_base_1.0.safetensors）。你需要自行下载基础模型并放入正确的文件夹。

2.3 放置基础模型文件

ComfyUI 依赖模型文件才能生成图像。至少需要准备一个基础模型（Checkpoint）：

1. 从合法渠道（如 Hugging Face、Civitai）下载你喜欢的 Stable Diffusion 模型文件（格式为.safetensors或.ckpt）。
2. 在整合包根目录下，找到models/checkpoints/文件夹。如果不存在，请手动创建。
3. 将下载的模型文件放入models/checkpoints/目录。

例如，如果你下载了revAnimated_v122.safetensors，最终路径应为[整合包根目录]/models/checkpoints/revAnimated_v122.safetensors。

2.4 启动 ComfyUI 服务

• Windows 用户：双击run_comfyui.bat或comfyui.exe。首次启动会初始化环境，可能需要几分钟。完成后，命令行窗口会显示类似http://127.0.0.1:8188的地址。
• macOS 用户：打开终端（Terminal），进入整合包目录，然后执行./run_comfyui_macos.sh。同样等待初始化完成。

启动成功后，打开浏览器，访问命令行中显示的地址（通常是http://127.0.0.1:8188），即可看到 ComfyUI 的中文界面。

常见启动问题排查：

3. 构建你的第一个文生图工作流

ComfyUI 界面中央是画布（工作流编辑区），右侧是节点选择菜单。我们将从零搭建一个最简单的文生图流程。

3.1 添加核心节点

在工作流空白处右键，选择“添加节点”，或使用快捷键搜索添加：

1. 加载模型（Load Checkpoint）：

   • 节点路径：加载器 -> 加载模型
   • 作用：指定使用哪个基础模型生成图像。
   • 配置：在ckpt_name下拉框中选择你之前放入checkpoints文件夹的模型。

2. CLIP 文本编码器（CLIP Text Encode）：

   • 添加两个此节点，分别用于正面提示词（prompt）和负面提示词（negative prompt）。
   • 节点路径：条件 -> CLIP 文本编码器
   • 配置：
     • 第一个节点，在text输入框写入正面描述，如“一只可爱的猫，画质精美，细节丰富”。
     • 第二个节点，在text输入框写入负面描述，如“模糊，低质量，丑陋”。
   • 关键：将两个节点的clip输入端口都连接到“加载模型”节点的clip输出端口。

3. 空潜在图像（Empty Latent Image）：

   • 节点路径：潜在图像 -> 空潜在图像
   • 作用：定义生成图像的尺寸和批次大小。
   • 配置：设置width（宽）和height（高），例如 512x512。batch_size表示一次生成几张图。

4. K采样器（KSampler）：

   • 节点路径：采样 -> K采样器
   • 作用：核心生成节点，控制采样方法、步数、CFG 强度等参数。
   • 配置：
     • model连接至“加载模型”的model输出。
     • positive连接至正面提示词编码器的conditioning输出。
     • negative连接至负面提示词编码器的conditioning输出。
     • latent_image连接至“空潜在图像”的latent_image输出。
     • 参数建议：steps（步数）设为 20-30，cfg（提示词相关性）设为 7-9，sampler_name选euler_a，scheduler选normal。

5. VAE 解码（VAE Decode）：

   • 节点路径：潜在图像 -> VAE 解码
   • 作用：将采样器输出的潜在表示解码为最终像素图像。
   • 配置：samples连接至 K采样器的LATENT输出，vae连接至“加载模型”节点的vae输出。

6. 保存图像（Save Image）：

   • 节点路径：图像 -> 保存图像
   • 作用：将生成的图像保存到磁盘。
   • 配置：images连接至 VAE 解码的IMAGE输出。

3.2 连接节点并生成图像

正确连接所有节点后，工作流应形成一个有向无环图（DAG）。点击右下角的“排队提示”按钮，ComfyUI 开始执行工作流。生成进度会在界面下方显示。完成后，图像会显示在“保存图像”节点上，并保存到整合包的output目录下。

关键参数解释：

• 采样步数（steps）：步数越多，图像细节可能越丰富，但生成时间越长。超过一定值（如 50）后收益递减。
• CFG Scale：控制模型遵循提示词的程度。值过低则图像偏离提示词，值过高则图像可能过饱和、色彩异常。常用范围 7-9。
• 采样器（sampler）：euler_a适合创意性生成，ddim速度快，dpm++ 2m karras平衡质量与速度。

4. 高级技巧：使用中文提示词与插件扩展

4.1 实现中文提示词输入

秋叶整合包通常通过两种方式支持中文提示词：

1. 集成中文CLIP模型：部分整合包预置了支持中文的多语言 CLIP 模型（如 multilingual-clip）。在“CLIP 文本编码器”节点中，你可以直接输入中文，模型会自行处理。
2. 内置翻译插件：整合包可能预装了自动翻译插件（如 ComfyUI-Translator）。在提示词节点输入中文后，插件会在后台将其翻译为英文，再送入 CLIP 编码器。

如果直接输入中文提示词效果不佳，可以：

• 检查整合包文档，确认中文支持方式。
• 手动使用翻译工具（如百度翻译、DeepL）将中文提示词转为英文，再将英文文本输入节点。

4.2 安装与管理插件

ComfyUI Manager 是整合包预装的核心插件，用于管理其他自定义节点。

1. 打开 ComfyUI Manager：在 ComfyUI 界面，通常有一个工具栏按钮或标签页可以打开 Manager。
2. 安装插件：在 Manager 的“安装节点”标签页，可以搜索、浏览插件。找到需要的插件（如 ControlNet、IP-Adapter）后，点击“安装”即可。
3. 更新与卸载：在“已安装”标签页管理现有插件。
4. 应用工作流：Manager 通常支持从 URL（如 Civitai 工作流分享页）一键加载他人分享的工作流。

推荐新手安装的插件：

• ControlNet：用于姿势控制、边缘检测等精准生成。
• IP-Adapter：实现图像风格迁移、角色一致性保持。
• WD14-Tagger：对现有图像反推标签，用于图生图任务。
• Impact Pack：提供大量实用节点，如遮罩处理、图像缩放等。

4.3 保存与加载工作流

成功的工作流应及时保存：

• 保存：点击界面上的“保存”按钮，将当前工作流保存为.json文件。
• 加载：点击“加载”按钮，选择之前保存的.json文件即可恢复工作流。
• 分享：将.json文件分享给他人时，需确保对方有相同的模型和插件。

5. 常见问题与性能优化

5.1 生成图像问题排查

5.2 性能优化建议

• 显存不足应对：启用--lowvram或--novram参数启动 ComfyUI（修改启动脚本，在命令后添加这些参数）。这会使模型分块加载，牺牲速度换取可运行性。
• 分辨率策略：生成高分辨率图像时，先用小尺寸生成草图，再使用 Upscale 节点（如 Ultimate SD Upscale）放大，而非直接生成大图。
• 模型管理：定期清理models/checkpoints/中不常用的模型，避免加载列表过长影响界面响应。

5.3 生产环境注意事项

虽然整合包极大简化了部署，但在长期使用或团队共享时还需考虑：

• 版本控制：关注秋叶整合包的更新，及时获取新功能和稳定性修复。更新前备份你的工作流和自定义配置。
• 模型版权：确保使用的模型符合版权规定，特别是商用场景。
• 资源监控：长时间运行 ComfyUI 时，注意 GPU 温度和显存占用，避免硬件过载。
• 备份机制：定期备份custom_nodes/目录（插件配置）和重要的工作流.json文件。

秋叶 ComfyUI-v35 整合包显著降低了节点式 AI 绘画的门槛，让你能快速专注于创作本身。掌握基础工作流后，可以逐步探索 ControlNet 控制、LoRA 模型融合、视频生成等高级功能。节点式工作流的真正威力在于其组合灵活性，尝试分解复杂任务为多个节点，你会更深入地理解 Stable Diffusion 的工作原理。