我现在粉丝少，什么都敢教，相关资料在下方卡片获取
每天解锁一个AI新技能

本篇重点

comfyui整合包和启动器下载安装，配置，使用，基础知识讲解及效果展示

工作流搭建

包括SDXL文生图搭建及FLUX文生图搭建

效果展示（均无lora）

首先是SDXL大模型

然后是FLUX大模型

可以看出来FLUX大模型出图无论从光影到质感到图片真实度都比SDXL大模型要好

但SDXL同样也很有质量，后续我们教程所出的图片大部分都会用FLUX跑出底图，使用SDXL完成放大（因为直接使用FLUX模型放大非常消耗显存）

整合包获取
这份完整版的comfyui整合包已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

开始正文

一：整合包安装

下载解压：comfyui整合包（能使用满血版的尽量下载满血版，不然以后使用的时候频繁报错，会打消你使用comfyui的信心）

点击整合包，根据电脑空间选择，演示的是MAX（满血版），点击右键解压，然后输入密码：铁锅炖大鹅，中文输入，如果提示密码错误，直接复制我的文本就行，到这里comfyui就部署好了，双击run_nvidia.bat文件就可以运行了

二：启动器安装

下载解压启动器，找到02-铁锅炖启动器，下载后，点击安装

三：配置

到安装的文件夹下，双击铁锅炖启动器，在左侧菜单栏点击第二个comfyui，然后点击配置

首先是【用户】子菜单下

comfyui路径和自定义python环境文件夹均选择comfyui的根目录

启用外部模型文件夹

如果你没有安装stable diffusion的webui，那么忽略这里

如果你安装了，那么点击启用，然后将路径设置成webui的文件夹路径，配置文件选择webui即可，后边的输出路径和开启浏览器和跳转控制台打开即可，如果不懂得，可以根据图片配置，这样就comfyui和stable diffusion-webui就可以共用模型了

【性能】子菜单下：硬件设备根据你的实际显卡选择，没有的选择CPU，GPU显存策略同样根据你的显卡决定

四：更新

我目前所用的版本是2024.8.15的5960F94版本，新版本我出现点击大模型，不显示模型列表，浏览器卡死，只能关掉浏览器重新启动，所以使用的旧版本，版本图片我贴在下边了

五：启动及汉化

配置完后，点击右下角一键启动，等待加载完跳转网页，如果界面是英文，点击右下角的Switch Locale（切换语言）

六：简单使用教学

1：基础原理讲解

ComfyUI的核心原理是基于Stable Diffusion模型，该模型包括三个主要部分：Clip, VAE,和U-net。

Clip	用于编码输入文本的条件信息
VAE	包括Encode（压缩）和Decode（解压缩）部分，用于将文本编码后的信息压缩到潜空间，并通过U-net进行去噪处理。
U-net	对潜空间的图形进行去噪处理，最终生成图像

操作面板各按钮功能介绍

Queue Prompt(提示词队列)	当我们配置好工作流后，可以点击此按钮来加入队列并执行。
Queue size(队列大小)	下面执行+待执行的队列数。
Extra options(扩展选项)	用于设置批次数量和自动执行选项。
Queue Front(执行队列)	用于执行队列生成图片。
View Queue(显示队列)	显示当前队列情况。
View History(显示历史)	用于显示生成的图片历史。
Save(保存)	可以将当前工作流保存至磁盘，文件为 JSON 类型
Load(加载)	可以加载磁盘上的工作流。
Clear(清空)	清空当前工作流。
Load Default(加载默认)	加载默认工作流，即文生图工作流。
Reset Vie(重置视图)	恢复初始镜头位置
Switch Locale（切换语言）	中英切换

一个工作流主要由这些部分组织:节点，连线，输入，输出和参数

（想更深入了解的同学可以在网上找到相关资料，我就不做太多赘述了，我们还是以实操为主）

下面开始实操：

SDXL文生图(comfyui的模型放置位置和stable diffusion是一样的)

Checkpoint加载器	加载预训练模型。
Clip文本编码器	对输入文本进行编码。
K采样器	对潜空间进行采样。
空Latent节点	作为图像生成的起点，提供一个空的潜空间

1：先放置一个大模型的节点，我们右键单击，选择新建节点，然后在加载器选择Checkpoint加载器（简易）；同样的在条件中选择CLIP文本编码器，在采样中选择K采样器，在Latebt中选择空Latent和VAE解码器，在图像中选择保存图像，如图所示连接起来（生成的图像我们放在最后和FLUX进行一个对比）

工作流原理

首先checkpoint加载器节点会最先加载对应模型及其计算权重，其次clip编码器会依据文本框里的内容对图像的生成进行导向，随后k采样器根据当前的潜在向量进行采样，并根据设置的步数进行迭代去噪，在潜空间生成图像，最后经过vae解码将生成的潜空间的图像解码成我们像素空间的图像，最后进行输出保存。

FLUX文生图

这个模型需要独立的VAE和Clip，我已经把FLUX模型，VAE和Clip整理好了，后台发送【FLUX】获取

模型放置位置

F.1基础算法模型_F.1-dev-fp8.safetensors	根目录\models\unet中
ae.sft	根目录\models\vae中
clip_l.safetensors	根目录\models\clip
t5xxl_fp8_e4m3fn.safetensors	根目录\models\clip

这里我们开始使用搜索进行查找（后期你的节点会特别多，右键去找会很慢）

1：先放置一个UNET加载器来加载FLUX大模型，双击左键，输入UNET，选择第一个加载器

然后是双CLIP加载器

CLIP文本编码器

后边以此类推，空Latent，vae解码器，vae加载器（用来加载Flux的VAE），最后还是保存图像，最后串联起来如图所示（红圈的地方就是刚才下载的文件）

最后一步参数设置，一定要注意CFG设置在1~3.5之间，具体参照下图