Comfyui

使用 ComfyUI 生成图像、视频和音频——安装、启动、管理节点/模型、运行带参数注入的工作流。使用官方 comfy-cli 进行生命周期管理，并使用直接的 REST/WebSocket API 进行执行。

技能元数据


来源	内置（默认安装）
路径	`skills/creative/comfyui`
版本	`5.1.0`
作者	['kshitijk4poor', 'alt-glitch', 'purzbeats']
许可证	MIT
平台	macos, linux, windows
标签	`comfyui`, `图像生成`, `stable-diffusion`, `flux`, `sd3`, `wan-video`, `hunyuan-video`, `创意`, `生成式人工智能`, `视频生成`
相关技能	`stable-diffusion-image-generation`, `image_gen`

信息

以下是 Hermes 在此技能被触发时加载的完整技能定义。这是技能激活时智能体看到的指令。

ComfyUI

通过 ComfyUI 生成图像、视频、音频和 3D 内容，使用官方 comfy-cli 进行设置/生命周期管理，以及直接使用 REST/WebSocket API 进行工作流执行。

技能内容

参考文档 (references/)：

official-cli.md — 每个 comfy ... 命令及其标志
rest-api.md — REST + WebSocket 端点（本地 + 云端），负载模式
workflow-format.md — API 格式 JSON、常见节点类型、参数映射
template-integrity.md — 将 comfyui-workflow-templates 从编辑器格式转换为 API 格式：绕过重路由、带点的动态输入键（values.a、resize_type.width）、云端特性（302 重定向、1 个并发免费层任务、1080p VRAM 限制）、Discord 兼容的 ffmpeg 拼接。由 @purzbeats 编写。当您从官方模板开始时请加载此文件。

脚本 (scripts/)：

脚本	用途
`_common.py`	共享的 HTTP、云端路由、节点目录（不要直接运行）
`hardware_check.py`	探测 GPU/VRAM/磁盘 → 推荐本地运行或 Comfy Cloud
`comfyui_setup.sh`	硬件检查 + comfy-cli + ComfyUI 安装 + 启动 + 验证
`extract_schema.py`	读取工作流 → 列出可控制的参数 + 模型依赖项
`check_deps.py`	根据运行中的服务器检查工作流 → 列出缺失的节点/模型
`auto_fix_deps.py`	运行 check_deps 然后执行 `comfy node install` / `comfy model download`
`run_workflow.py`	注入参数、提交、监控、下载输出（HTTP 或 WS）
`run_batch.py`	使用扫描参数提交工作流 N 次，并行度取决于您的等级
`ws_monitor.py`	用于执行任务的实时 WebSocket 查看器（实时进度）
`health_check.py`	验证清单运行器 — comfy-cli + 服务器 + 模型 + 冒烟测试
`fetch_logs.py`	拉取给定 prompt_id 的回溯/状态消息

示例工作流 (workflows/)： SD 1.5、SDXL、Flux Dev、SDXL img2img、SDXL 修复、ESRGAN 放大、AnimateDiff 视频、Wan T2V。参见 workflows/README.md。

何时使用

用户要求使用 Stable Diffusion、SDXL、Flux、SD3 等生成图像。
用户想运行特定的 ComfyUI 工作流文件。
用户想链接生成步骤（txt2img → 放大 → 人脸修复）。
用户需要 ControlNet、修复、img2img 或其他高级流程。
用户要求管理 ComfyUI 队列、检查模型或安装自定义节点。
用户想通过 AnimateDiff、Hunyuan、Wan、AudioCraft 等进行视频/音频/3D 生成。

架构：两层

┌─────────────────────────────────────────────────────┐
│ 层 1: comfy-cli（官方生命周期工具）                 │
│   设置、服务器生命周期、自定义节点、模型             │
│   → comfy install / launch / stop / node / model    │
└─────────────────────────┬───────────────────────────┘
                          │
┌─────────────────────────▼───────────────────────────┐
│ 层 2: REST/WebSocket API + 技能脚本                 │
│   工作流执行、参数注入、监控                         │
│   POST /api/prompt, GET /api/view, WS /ws           │
│   → run_workflow.py, run_batch.py, ws_monitor.py    │
└─────────────────────────────────────────────────────┘

为什么是两层？ 官方 CLI 非常适合安装和服务器管理，但对工作流执行的支持有限。REST/WS API 填补了这一空白——脚本处理 CLI 不提供的参数注入、执行监控和输出下载。

快速入门

检测环境

# 有哪些可用？
command -v comfy >/dev/null 2>&1 && echo "comfy-cli: installed"
curl -s http://127.0.0.1:8188/system_stats 2>/dev/null && echo "server: running"

# 这台机器能在本地运行 ComfyUI 吗？（GPU/VRAM/磁盘检查）
python3 scripts/hardware_check.py

如果什么都没安装，请参见下方的 设置与入门 — 但务必先运行硬件检查。

一行式健康检查

python3 scripts/health_check.py
# → JSON: comfy_cli 在 PATH 上？服务器可达？至少有一个检查点？冒烟测试通过？

核心工作流

步骤 1：获取 API 格式的工作流 JSON

工作流必须为 API 格式（每个节点都有 class_type）。它们来自：

ComfyUI 网页 UI → 工作流 → 导出 (API)（较新 UI）或旧版的 "Save (API Format)" 按钮（较旧 UI）
本技能的 workflows/ 目录（即用型示例）
社区下载（civitai、Reddit、Discord）— 通常是编辑器格式，必须加载到 ComfyUI 然后重新导出

编辑器格式（顶层 nodes 和 links 数组）不可直接执行。脚本会检测此情况并告知您重新导出。

步骤 2：查看可控制内容

python3 scripts/extract_schema.py workflow_api.json --summary-only
# → {"parameter_count": 12, "has_negative_prompt": true, "has_seed": true, ...}

python3 scripts/extract_schema.py workflow_api.json
# → 包含参数、模型依赖项、嵌入引用的完整模式

步骤 3：使用参数运行

# 本地（默认 http://127.0.0.1:8188）
python3 scripts/run_workflow.py \
  --workflow workflow_api.json \
  --args '{"prompt": "美丽的日落照耀群山", "seed": -1, "steps": 30}' \
  --output-dir ./outputs

# 云端（一次性导出 API 密钥；自动使用正确的 /api 路由）
export COMFY_CLOUD_API_KEY="comfyui-..."
python3 scripts/run_workflow.py \
  --workflow workflow_api.json \
  --args '{"prompt": "..."}' \
  --host https://cloud.comfy.org \
  --output-dir ./outputs

# 通过 WebSocket 实时查看进度（需要 `pip install websocket-client`）
python3 scripts/run_workflow.py \
  --workflow flux_dev.json \
  --args '{"prompt": "..."}' \
  --ws

# img2img / 修复：传递 --input-image 以自动上传和引用
python3 scripts/run_workflow.py \
  --workflow sdxl_img2img.json \
  --input-image image=./photo.png \
  --args '{"prompt": "使其成为水彩画", "denoise": 0.6}'

# 批量/扫描：8 个随机种子，并行度最高可达云端等级限制
python3 scripts/run_batch.py \
  --workflow sdxl.json \
  --args '{"prompt": "抽象"}' \
  --count 8 --randomize-seed --parallel 3 \
  --output-dir ./outputs/batch

seed 使用 -1（或省略它并加上 --randomize-seed）会为每次运行生成一个新的随机种子。

步骤 4：呈现结果

脚本会向标准输出发出描述每个输出文件的 JSON：

{
  "status": "success",
  "prompt_id": "abc-123",
  "outputs": [
    {"file": "./outputs/sdxl_00001_.png", "node_id": "9",
     "type": "image", "filename": "sdxl_00001_.png"}
  ]
}

决策树

用户说	工具	命令
生命周期（使用 comfy-cli）
"安装 ComfyUI"	comfy-cli	`bash scripts/comfyui_setup.sh`
"启动 ComfyUI"	comfy-cli	`comfy launch --background`
"停止 ComfyUI"	comfy-cli	`comfy stop`
"安装 X 节点"	comfy-cli	`comfy node install <name>`
"下载 X 模型"	comfy-cli	`comfy model download --url <url> --relative-path models/checkpoints`
"列出已安装的模型"	comfy-cli	`comfy model list`
"列出已安装的节点"	comfy-cli	`comfy node show installed`
执行（使用脚本）
"一切都准备好了吗？"	脚本	`health_check.py`（可选 `--workflow X --smoke-test`）
"我可以在这个工作流中改变什么？"	脚本	`extract_schema.py W.json`
"检查 W 的依赖项是否满足"	脚本	`check_deps.py W.json`
"修复缺失的依赖项"	脚本	`auto_fix_deps.py W.json`
"生成一张图像"	脚本	`run_workflow.py --workflow W --args '{...}'`
"使用这张图像"（img2img）	脚本	`run_workflow.py --input-image image=./x.png ...`
"8 个随机种子的变体"	脚本	`run_batch.py --count 8 --randomize-seed ...`
"显示实时进度"	脚本	`ws_monitor.py --prompt-id <id>`
"获取任务 X 的错误"	脚本	`fetch_logs.py <prompt_id>`
直接 REST
"队列里有什么？"	REST	`curl http://HOST:8188/queue`（本地）或 `--host https://cloud.comfy.org`
"取消那个"	REST	`curl -X POST http://HOST:8188/interrupt`
"释放 GPU 内存"	REST	`curl -X POST http://HOST:8188/free`

设置与入门

当用户要求设置 ComfyUI 时，首先要询问他们想要 Comfy Cloud（托管，零安装，API 密钥）还是本地（在他们的机器上安装 ComfyUI）。在他们回答之前，不要开始运行安装命令或硬件检查。

官方文档： https://docs.comfy.org/installation CLI 文档： https://docs.comfy.org/comfy-cli/getting-started 云端文档： https://docs.comfy.org/get_started/cloud 云端 API： https://docs.comfy.org/development/cloud/overview

步骤 0：询问本地还是云端（始终优先）

建议脚本：

"您想在自己的机器上本地运行 ComfyUI，还是使用 Comfy Cloud？

Comfy Cloud — 托管在 RTX 6000 Pro GPU 上，所有常用模型预装，零设置。需要 API 密钥（实际运行工作流需要付费订阅；免费层为只读）。最适合没有强大 GPU 的用户。

本地 — 免费，但您的机器必须满足硬件要求：

≥6 GB VRAM 的 NVIDIA GPU（SDXL 需要 ≥8 GB，Flux/视频需要 ≥12 GB），或者

支持 ROCm 的 AMD GPU（Linux），或者

≥16 GB 统一内存（推荐 ≥32 GB）的 Apple Silicon Mac（M1+）。

Intel Mac 和没有 GPU 的机器将无法工作——请改用云端。

您想选哪个？"

路由：

云端 → 跳转到 路径 A。
本地 → 先运行硬件检查，然后根据结果从路径 B–E 中选择一条路径。
不确定 → 运行硬件检查，让结果决定。

步骤 1：验证硬件（仅当用户选择本地时）

python3 scripts/hardware_check.py --json
# 可选：也探测 `torch` 以获取实际的 CUDA/MPS：
python3 scripts/hardware_check.py --json --check-pytorch

结论	含义	操作
`ok`	≥8 GB VRAM（独立）或 ≥32 GB 统一内存（Apple Silicon）	本地安装 — 使用报告中的 `comfy_cli_flag`
`marginal`	SD1.5 可用；SDXL 紧张；Flux/视频不太可能	本地适用于轻量级工作流，否则路径 A（云端）
`cloud`	没有可用 GPU，<6 GB VRAM，<16 GB Apple 统一内存，Intel Mac，Rosetta Python	切换到云端，除非用户明确强制本地

脚本还会显示 wsl: true（带 NVIDIA 直通的 WSL2）和 rosetta: true（Apple Silicon 上的 x86_64 Python — 必须重新安装为 ARM64）。

如果结论是 cloud 但用户想要本地，不要默默继续。逐字显示 notes 数组，并询问他们是否想 (a) 切换到云端或 (b) 强制本地安装（在现代模型上会内存不足或慢得无法使用）。

选择安装路径

先使用硬件检查。下表是当用户已经告知硬件时的后备方案：

情况	推荐路径
硬件检查结果为 `verdict: cloud`	路径 A：Comfy Cloud
没有 GPU / 想无承诺尝试	路径 A：Comfy Cloud
Windows + NVIDIA + 非技术用户	路径 B：ComfyUI Desktop
Windows + NVIDIA + 技术用户	路径 C：Portable 或路径 D：comfy-cli
Linux + 任何 GPU	路径 D：comfy-cli（最简单）
macOS + Apple Silicon	路径 B：Desktop 或路径 D：comfy-cli
无头 / 服务器 / CI / 智能体	路径 D：comfy-cli

对于完全自动化的路径（硬件检查 → 安装 → 启动 → 验证）：

bash scripts/comfyui_setup.sh
# 或使用覆盖参数：
bash scripts/comfyui_setup.sh --m-series --port=8190 --workspace=/data/comfy

它内部运行 hardware_check.py，当结论为 cloud 时拒绝本地安装（除非 --force-cloud-override），选择正确的 comfy-cli 标志，并首选 pipx/uvx 而不是全局 pip 以避免污染系统 Python。

路径 A：Comfy Cloud（无本地安装）

适用于没有强大 GPU 或希望零设置的用户。托管在 RTX 6000 Pro 上。

文档： https://docs.comfy.org/get_started/cloud

在 https://comfy.org/cloud 注册
在 https://platform.comfy.org/login 生成 API 密钥

设置密钥：

export COMFY_CLOUD_API_KEY="comfyui-xxxxxxxxxxxx"

运行工作流：

python3 scripts/run_workflow.py \
  --workflow workflows/flux_dev_txt2img.json \
  --args '{"prompt": "..."}' \
  --host https://cloud.comfy.org \
  --output-dir ./outputs

定价： https://www.comfy.org/cloud/pricing 并发任务： 免费/标准版 1 个，创作者版 3 个，专业版 5 个。免费层无法通过 API 运行工作流 — 只能浏览模型。运行 /api/prompt、/api/upload/*、/api/view 等需要付费订阅。

路径 B：ComfyUI Desktop（Windows / macOS）

适用于非技术用户的一键安装程序。目前为 Beta 版。

文档： https://docs.comfy.org/installation/desktop

Windows (NVIDIA)： https://download.comfy.org/windows/nsis/x64
macOS (Apple Silicon)： https://comfy.org

Desktop 不支持 Linux — 请使用路径 D。

路径 C：ComfyUI Portable（仅限 Windows）

文档： https://docs.comfy.org/installation/comfyui_portable_windows

从 https://github.com/comfyanonymous/ComfyUI/releases 下载，解压，运行 run_nvidia_gpu.bat。通过 update/update_comfyui_stable.bat 更新。

路径 D：comfy-cli（所有平台 — 智能体推荐）

官方 CLI 是无头/自动化设置的最佳路径。

文档： https://docs.comfy.org/comfy-cli/getting-started

安装 comfy-cli

# 推荐：
pipx install comfy-cli
# 或使用 uvx 无需安装：
uvx --from comfy-cli comfy --help
# 或（如果 pipx/uvx 不可用）：
pip install --user comfy-cli

以非交互方式禁用分析：

comfy --skip-prompt tracking disable

安装 ComfyUI

comfy --skip-prompt install --nvidia              # NVIDIA (CUDA)
comfy --skip-prompt install --amd                 # AMD (ROCm, Linux)
comfy --skip-prompt install --m-series            # Apple Silicon (MPS)
comfy --skip-prompt install --cpu                 # 仅 CPU（慢）
comfy --skip-prompt install --nvidia --fast-deps  # 基于 uv 的依赖项解析

默认位置：~/comfy/ComfyUI（Linux），~/Documents/comfy/ComfyUI（macOS/Win）。使用 comfy --workspace /custom/path install 覆盖。

启动 / 验证

comfy launch --background                       # 在 :8188 上运行后台守护进程
comfy launch -- --listen 0.0.0.0 --port 8190    # 可通过局域网访问的自定义端口
curl -s http://127.0.0.1:8188/system_stats      # 健康检查

路径 E：手动安装（高级 / 不支持的硬件）

适用于 Ascend NPU、寒武纪 MLU、Intel Arc 或其他不支持的硬件。

文档： https://docs.comfy.org/installation/manual_install

git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu130
pip install -r requirements.txt
python main.py

安装后：下载模型

# SDXL（通用，约 6.5 GB）
comfy model download \
  --url "https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/resolve/main/sd_xl_base_1.0.safetensors" \
  --relative-path models/checkpoints

# SD 1.5（更轻量，约 4 GB，适合 6 GB 显卡）
comfy model download \
  --url "https://huggingface.co/stable-diffusion-v1-5/stable-diffusion-v1-5/resolve/main/v1-5-pruned-emaonly.safetensors" \
  --relative-path models/checkpoints

# Flux Dev fp8（较小变体，约 12 GB）
comfy model download \
  --url "https://huggingface.co/Comfy-Org/flux1-dev/resolve/main/flux1-dev-fp8.safetensors" \
  --relative-path models/checkpoints

# CivitAI（先设置令牌）：
comfy model download \
  --url "https://civitai.com/api/download/models/128713" \
  --relative-path models/checkpoints \
  --set-civitai-api-token "YOUR_TOKEN"

列出已安装：comfy model list。

安装后：安装自定义节点

comfy node install comfyui-impact-pack             # 流行的实用工具包
comfy node install comfyui-animatediff-evolved     # 视频生成
comfy node install comfyui-controlnet-aux          # ControlNet 预处理器
comfy node install comfyui-essentials              # 常见辅助工具
comfy node update all
comfy node install-deps --workflow=workflow.json   # 安装工作流所需的一切

安装后：验证

python3 scripts/health_check.py
# → comfy_cli 在 PATH 上？服务器可达？检查点？冒烟测试？

python3 scripts/check_deps.py my_workflow.json
# → 这个工作流的节点/模型/嵌入都安装好了吗？

python3 scripts/run_workflow.py \
  --workflow workflows/sd15_txt2img.json \
  --args '{"prompt": "测试", "steps": 4}' \
  --output-dir ./test-outputs

图像上传 (img2img / 内绘)

最简单的方式是使用 --input-image 参数配合 run_workflow.py：

python3 scripts/run_workflow.py \
  --workflow workflows/sdxl_img2img.json \
  --input-image image=./photo.png \
  --args '{"prompt": "make it cyberpunk", "denoise": 0.6}'

该标志会上传 photo.png，然后将其服务器端文件名注入到模式参数中名为 image 的字段。对于内绘，需要同时传递：

python3 scripts/run_workflow.py \
  --workflow workflows/sdxl_inpaint.json \
  --input-image image=./photo.png \
  --input-image mask_image=./mask.png \
  --args '{"prompt": "fill with flowers"}'

通过 REST 手动上传：

curl -X POST "http://127.0.0.1:8188/upload/image" \
  -F "image=@photo.png" -F "type=input" -F "overwrite=true"
# 返回: {"name": "photo.png", "subfolder": "", "type": "input"}

# 云端等效命令：
curl -X POST "https://cloud.comfy.org/api/upload/image" \
  -H "X-API-Key: $COMFY_CLOUD_API_KEY" \
  -F "image=@photo.png" -F "type=input" -F "overwrite=true"

云端详情

基础 URL: https://cloud.comfy.org
认证: X-API-Key 请求头 (或 WebSocket 使用 ?token=KEY)
API 密钥: 只需设置一次 $COMFY_CLOUD_API_KEY，脚本会自动读取
输出下载: /api/view 返回 302 重定向到一个带签名的 URL；脚本会自动跟随并从存储后端获取数据前移除 X-API-Key (避免 API 密钥泄露到 S3/CloudFront)。
与本地 ComfyUI 的端点差异：
- /api/object_info、/api/queue、/api/userdata — 免费层返回 403；仅限付费用户。
- /history 在云端重命名为 /history_v2 (脚本会自动路由)。
- /models/<folder> 在云端重命名为 /experiment/models/<folder> (脚本会自动路由)。
- WebSocket 中的 clientId 目前被忽略 — 同一用户的所有连接接收相同的广播。需要在客户端通过 prompt_id 进行过滤。
- 上传时接受 subfolder 参数但会被忽略 — 云端使用扁平化命名空间。
并发任务: 免费版/标准版: 1 个，创作者版: 3 个，专业版: 5 个。超额任务会自动排队。使用 run_batch.py --parallel N 来充分利用您所在层级的并发能力。

队列与系统管理

# 本地
curl -s http://127.0.0.1:8188/queue | python3 -m json.tool
curl -X POST http://127.0.0.1:8188/queue -d '{"clear": true}'    # 取消等待中的任务
curl -X POST http://127.0.0.1:8188/interrupt                      # 取消正在运行的任务
curl -X POST http://127.0.0.1:8188/free \
  -H "Content-Type: application/json" \
  -d '{"unload_models": true, "free_memory": true}'

# 云端 — 路径相同，但在 /api/ 下，另外：
python3 scripts/fetch_logs.py --tail-queue --host https://cloud.comfy.org

常见陷阱

需要 API 格式 — 每个脚本和 /api/prompt 端点都需要 API 格式的工作流 JSON。脚本会检测编辑器格式（顶层的 nodes 和 links 数组），并提示您通过“工作流 → 导出 (API)”（新版 UI）或“保存 (API 格式)”（旧版 UI）重新导出。
服务器必须运行 — 所有执行都依赖运行中的服务器。comfy launch --background 可启动服务器。使用 curl http://127.0.0.1:8188/system_stats 验证。
模型名称必须精确 — 区分大小写，包含文件扩展名。check_deps.py 进行模糊匹配（有无扩展名和文件夹前缀），但工作流本身必须使用规范名称。使用 comfy model list 查看已安装的模型。
缺少自定义节点 — “class_type not found” 表示所需节点未安装。check_deps.py 会报告需要安装的包；auto_fix_deps.py 可为您执行安装。
工作目录 — comfy-cli 会自动检测 ComfyUI 工作区。如果命令因“no workspace found”失败，请使用 comfy --workspace /path/to/ComfyUI <command> 或设置默认工作区 comfy set-default /path/to/ComfyUI。
云端免费层 API 限制 — /api/prompt、/api/view、/api/upload/*、/api/object_info 在免费账户上均返回 403。health_check.py 和 check_deps.py 会妥善处理此情况并给出清晰提示。
视频/音频工作流超时 — 当输出节点是 VHS_VideoCombine、SaveVideo 等时，会自动检测；默认超时时间从 300 秒跳转至 900 秒。可使用 --timeout 1800 显式覆盖。
输出文件名的路径遍历风险 — 服务器提供的文件名会经过 safe_path_join 处理，以拒绝任何试图逃逸 --output-dir 的路径。请保持此保护开启 — 带有自定义保存节点的工作流可能产生任意路径。
工作流 JSON 可执行任意代码 — 自定义节点运行 Python，因此提交未知工作流与 eval 的信任风险相同。运行来自不可信来源的工作流前请先检查。
自动随机化种子 — 在 --args 中传递 seed: -1 (或使用 --randomize-seed 并省略种子参数)，以获得每次运行的新种子。实际使用的种子会记录到 stderr。
tracking 提示 — comfy 首次运行时可能会提示您是否同意进行使用分析。使用 comfy --skip-prompt tracking disable 以非交互方式跳过。comfyui_setup.sh 脚本会为您处理此操作。

验证清单

使用 python3 scripts/health_check.py 一次运行所有检查项。手动检查：

hardware_check.py 结论为 ok 或用户明确选择了 Comfy Cloud
comfy --version 可用 (或 uvx --from comfy-cli comfy --help)
curl http://HOST:PORT/system_stats 返回 JSON
comfy model list 显示至少一个 checkpoint (本地) 或 /api/experiment/models/checkpoints 返回模型列表 (云端)
工作流 JSON 为 API 格式
check_deps.py 报告 is_ready: true (或在云端免费层仅为 node_check_skipped)
使用小型工作流测试运行成功；输出文件位于 --output-dir 目录下

技能元数据​

ComfyUI

技能内容​

何时使用​

架构：两层​

快速入门​

检测环境​

一行式健康检查​

核心工作流​

步骤 1：获取 API 格式的工作流 JSON​

步骤 2：查看可控制内容​

步骤 3：使用参数运行​

步骤 4：呈现结果​

决策树​

设置与入门​

步骤 0：询问本地还是云端（始终优先）​

步骤 1：验证硬件（仅当用户选择本地时）​

选择安装路径​

路径 A：Comfy Cloud（无本地安装）​

路径 B：ComfyUI Desktop（Windows / macOS）​

路径 C：ComfyUI Portable（仅限 Windows）​

路径 D：comfy-cli（所有平台 — 智能体推荐）​

安装 comfy-cli​

安装 ComfyUI​

启动 / 验证​

路径 E：手动安装（高级 / 不支持的硬件）​

安装后：下载模型​

安装后：安装自定义节点​

安装后：验证​

图像上传 (img2img / 内绘)​

云端详情​

队列与系统管理​

常见陷阱​

验证清单​