基于 ComfyUI 搭建本地出图/出视频流水线

手里有张 RTX 5060（8G 显存），云上出图出视频按积分/订阅计费，跑几张图就心疼。于是把 ComfyUI 装到本地，模型全部落盘，出图走本机接口，一分钱不花。这篇记录从安装到能稳定出活的完整过程。

1. 为什么是 ComfyUI

• 节点式工作流：一个 workflow 就是完整的数据流，模型、采样器、后处理、提示词改写都能拆开替换，比”输入框 + 一堆下拉菜单”的 WebUI 透明得多。
• 官方模板成套：新模型（Qwen-Image-2.1、MiniMax-H3 之类）发布时基本都附带官方模板，模型清单和下载链接直接写在图里的 MarkdownNote 节点上，不用到处翻 README。
• 能脱离界面：后端就是个 HTTP 服务，/prompt 提交任务，配合 comfy-cli 可以把”出图”变成脚本里的一行命令。
• 离线：模型在本地，服务在内网，断网也能跑。

代价是上手肯定不如 WebUI 直接：节点图第一次看像天书，得花点时间搞清楚数据流。

2. 安装

前置：

• uv（Python 环境管理，用法见 Python 开发环境）
• Python 3.10+，我用 3.12
• 显卡驱动：NVIDIA 装好 CUDA 驱动，AMD 装好 ROCm

拉代码、装 PyTorch（按自己的卡选一行）、装依赖，三步（命令都在 ComfyUI 目录里执行）：

1
2
3
4
5
6
7
8

git clone --depth 1 --branch v0.43.0 https://github.com/Comfy-Org/ComfyUI.git
cd ComfyUI
# for nvidia
uv pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu130
# for amd
# uv pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm7.2
uv pip install -r requirements.txt
uv pip install -r manager_requirements.txt

manager_requirements.txt 里只有一个包（comfyui_manager），它不在主 requirements 里。不装这一步，界面里就没有 Manager —— 节点安装、模型搜索、缺模型一键下载全都没有，第一次用会很痛苦。

3. 写个启动脚本

每次 cd 进去再 uv run main.py 太啰嗦，写个壳丢进 PATH，例如 ~/.local/bin/comfy-ui：

1
2
3
4
5

#!/bin/bash -e

cd "/path/to/ComfyUI"

exec uv run main.py "$@"

1

chmod +x ~/.local/bin/comfy-ui

之后在哪儿都能 comfy-ui --enable-manager。exec 是为了让 Ctrl+C 的信号直接打到 python 进程上（不然会卡一层 bash），"$@" 保证参数原样透传。

4. 升级

ComfyUI 迭代很快，main 分支经常是半成品，所以固定 tag 稳一点。升级就是把工作区切到新 tag 再补依赖：

1
2
3

git fetch --depth 1 origin tag v0.43.2 && git checkout FETCH_HEAD
uv pip install -r requirements.txt
uv pip install -r manager_requirements.txt

--depth 1 克隆的仓库只有一条 commit，普通的 git checkout v0.43.2 会找不到这个 tag，得用 git fetch --depth 1 origin tag <tag> 把 tag 单独抓下来，再 checkout FETCH_HEAD。

5. 第一次跑：模板 + 模型

1

comfy-ui --enable-manager

浏览器打开 http://127.0.0.1:8188。左侧「工作流 → 浏览模板」，搜模型名（qwen、minimax），打开对应模板，顺手存成自己的 json。模板里通常会有一个 Guide 注释节点，写着这个工作流需要的全部模型文件名、大小和下载链接 —— 先看那个节点，比搜教程快。

模型按类型丢进 models/ 下对应目录，界面加载节点的下拉框才能选到：

模型加起来能有一百多 G，别留在家目录的小分区上。

去哪儿下：git clone，目录名和 models/ 对得上

Comfy-Org 把官方权重按 ComfyUI 的目录重新打包，仓库顶层的 diffusion_models/、text_encoders/、vae/、loras/ 就是 ComfyUI models/ 下的子目录名，clone 下来 cp 进去就完事，不用猜哪个文件放哪儿。模板的 MarkdownNote 节点直接给仓库地址（HF / ModelScope 各一份），国内直连 HF 慢，换成 ModelScope 域名就快很多。

1
2
3
4
5
6
7
8
9
10

mkdir -p ~/models && cd ~/models
git lfs install          # 只需一次
git clone --depth 1 https://www.modelscope.cn/Comfy-Org/Qwen-Image-2.1.git

# 同一份权重只留一档：把 int8_convrot 换成你要的那档（bf16 / fp8_scaled / w4a8 …）
cd Qwen-Image-2.1
find . -name '*.safetensors' ! -name '*int8_convrot*' -delete

# 顶层目录名和 models/ 一致，一条 cp 按结构铺过去
cp -r diffusion_models text_encoders vae /path/to/ComfyUI/models/

cp -r 目标是已存在的同名目录时会合并内容，所以这一条就把三棵子树各自归位了；源仓库留着当备份，或者直接删。

怎么挑：同一份权重的多个精度档

一个仓库里同一份权重往往有好几档，文件名后缀就是压缩方式，越往后越省显存：

拿真实文件对一下比例：qwen3vl_8b 文本编码器 bf16 17.5 GB → int8 9.4 GB → w4a8 6.3 GB；MiniMax 那个 32B 编码器 bf16 51.5 GB → int8 27.1 GB → nvfp4 15.7 GB。主模型和文本编码器可以分开挑档（比如主模型 int8 + 编码器 w4a8），模板里那个下拉框能直接改选，不必和模板默认的文件名一致。

原则就一条：显存够就用 bf16，不够按一档一档往下换，不要全下。一套权重里真正用到的往往只有主模型 + 编码器 + VAE 三个文件。

以 Qwen-Image-2.1 turbo 文生图模板为例，实际要用的是这四件（这里取 int8 一档，换其他档文件名里后缀跟着换）：

视频模板（MiniMax-H3）则是另一种量级：

视频模板还带两档 turbo 加速 LoRA（4 步 / 8 步，各 2.0 GB），放在 models/loras，显存/时间紧的时候挂上。

6. 出图什么感觉

下面是我这台机器（RTX 5060，8G 显存，int8 量化权重）上的实测数字，仅供参考：

视频慢得多：单主模型就 20 GB 上下，显存装不下时会分块 offload 到内存，比图片整整差一个量级——显存大的卡会好很多。

出图 2 分钟里只有二十来秒在真正采样，剩下 70–100 秒是提示词改写 —— 模板里挂了一个 TextGenerate 节点（Qwen3.5-9B），你写的短描述会被扩写成一大段专业提示词再喂给图像模型。这是官方模板的设计，好处是裸 prompt 也出得来好图，代价是每张多等一分多钟。

顺带记几个和出图质量有关的参数：

• turbo 模板固定 8 步，因为 schedule 写死在 ManualSigmas 节点里（1.0, 0.978…, 0）；想改步数必须连 schedule 一起改，只改步数只会更糊。完整版权重则是 40–50 步
• Qwen-Image-2.1 原生支持 2K 输出，但默认是 1 百万像素（1024×1024）。要 2K 就把 ResolutionSelector 设成 1:1 + 4 百万像素，尺寸尽量取 32 的倍数
• 出透明底 PNG：prompt 写成 This is an RGBA format image with transparency. <描述>，保存时用支持 alpha 的格式

7. 给 agent 用：comfy-cli

界面是给人调图的，节点图却没法自动化。真正好用的是 comfy-cli —— 它设计的重点不是取代界面，而是给 agent（Claude Code、Copilot、或任何能跑命令的助手）一个稳定的机器接口：结构化输出、可枚举的参数槽位、自带的技能文档。人用界面调一张，agent 用 CLI 批量跑，分工清楚。

1
2
3
4
5
6
7
8

uv tool install comfy-cli

# 初始化一个项目目录（workflows/ inputs/ outputs/ + comfy.yaml）
comfy setup --where local --project-dir ~/workspace/comfy --skip-skills --skip-verify

# 把 comfy 的技能文档装进 AI 编码助手，它就知道该怎么调
cd ~/workspace/comfy
comfy skills install --target claude-code --scope project

项目目录是按项目组织的，workflow 和输入产物各归各位：

1
2
3
4
5

comfy.yaml            # schema: project/1，记录默认执行位置（local / cloud）
workflows/            # 原始模板 json
inputs/               # 输入图
outputs/              # 产物
assets/ blueprints/ fragments/   # comfy 项目约定目录

为什么它适合交给 agent：

• comfy --json：所有命令输出统一信封 {"ok": true, "data": {...}, "error": null}，成功失败都是可解析的 JSON，不用抓日志猜
• comfy workflow slots：把工作流能改的参数连同地址、类型、当前值、枚举候选一起吐出来，agent 不用读那个几千行的 json 图就知道能调什么
• comfy workflow set-slot：按地址改参数，一次传多个，不碰原文件
• run / jobs watch / upload / download：提交、盯进度、传图、取产物，全部非交互
• comfy skills install：把上面这些写进项目的技能文档，agent 打开项目就知道怎么用

平时用得上的就是这几条：

槽位地址就是模板 json 里的节点 id（459.prompt、13.aspect_ratio 这种），换模板后地址会变，但 agent 每次先跑一遍 workflow slots 就行，不用你记。

一个批量出图的脚本，交给 agent 写，基本就是这个形状：

1
2
3
4
5
6
7
8
9
10
11
12

import json, subprocess

def comfy(*args):
    out = subprocess.run(["comfy", "--json", *args], capture_output=True, text=True).stdout
    env = json.loads(out)          # {"ok": ..., "data": ..., "error": ...}
    if not env.get("ok"):
        raise RuntimeError(env["error"])
    return env

prompt_id = comfy("run", "--workflow", "workflows/t2i.json", "--where", "local")["data"]["prompt_id"]
comfy("jobs", "watch", prompt_id)
comfy("download", prompt_id, "--out-dir", "outputs", "--where", "local")

配合 set-slot 改 prompt / 种子 / 画幅，就是 shell 里一个 for 循环的事。

8. 小结

• 装：git clone 固定 tag → 按卡装 torch → 两个 requirements
• 跑：comfy-ui --enable-manager，模板 + Manager 找模型，模型按类型进 models/
• 下模型：git clone Comfy-Org/* 仓库，cp -r 进 models/（两边目录名一模一样）
• 自动化：交给 agent，用 comfy-cli 的 --json + workflow slots / set-slot + run / jobs watch
• 权重：一个仓库里同一份权重有多档精度（bf16 / fp8_scaled / int8_convrot / w4a8 …），按显存挑一档就够，别全下
• 速度：turbo 图片分钟级；视频因为体积大、要 offload，慢一个量级