Mac 新手搭建 ComfyUI 工作流完整指南

很多新手第一次接触 ComfyUI，最容易卡住的地方不是“不会画图”，而是连环境、模型、节点、工作流这几件事的关系都没搞清楚。

网上教程很多，但问题也很明显：

有的教程默认你用 Windows + NVIDIA 显卡
有的教程一上来就让你装一堆插件
有的教程没有讲模型应该放哪里
有的教程只给一个工作流文件，报错之后你完全不知道怎么修

如果你是 Mac 用户，尤其是 Apple Silicon 芯片，比如 M1、M2、M3、M4，这篇文章更适合你。

我会按新手真正会遇到的问题来写：

Mac 上应该选 Desktop 版还是手动安装
ComfyUI 怎么下载和启动
模型文件应该怎么选、怎么放
第一个文生图工作流怎么跑通
ComfyUI Manager 和自定义节点怎么处理
常见报错怎么避坑
后续怎么管理自己的工作流

先说结论：新手不要一开始追求复杂工作流。先用一个最简单的文生图流程跑通，再慢慢加 LoRA、ControlNet、放大、换脸、视频节点。ComfyUI 的学习曲线不是安装难，而是你要先建立一套清晰的目录和模型管理习惯。

一、ComfyUI 到底是什么

ComfyUI 是一个基于节点的 AI 生成工具。

你可以把它理解成“可视化的 AI 工作流编辑器”。传统 WebUI 里很多功能是按钮和表单，ComfyUI 则把每一步拆成节点：

1	加载模型 -> 输入提示词 -> 采样生成 -> 解码图片 -> 保存图片

节点之间用线连接。每个节点负责一件事。

这也是 ComfyUI 最强、也最劝退新手的地方。

强在它非常灵活。你可以把文生图、图生图、局部重绘、ControlNet、LoRA、高清修复、放大、视频生成都串成自己的流程。

劝退在它不像普通软件那样“打开就知道点哪里”。你必须先理解几个核心概念：

工作流：一组节点连接关系，通常可以保存成 JSON，也可以藏在 ComfyUI 生成的图片元数据里
节点：执行某个步骤的模块，比如加载模型、输入提示词、采样、保存图片
模型：真正负责生成效果的文件，比如 SDXL、Flux、SD1.5、LoRA、VAE、ControlNet
自定义节点：社区开发的插件，用来扩展 ComfyUI 能力

新手只要先记住一句话：

1	工作流负责流程，模型负责效果，节点负责功能。

二、Mac 上推荐哪种安装方式

Mac 上安装 ComfyUI 主要有两条路。

第一条是 ComfyUI Desktop。

这是最推荐新手使用的方式。官方 Desktop 版支持 macOS Apple Silicon，下载后像普通应用一样安装，少折腾 Python、PyTorch、虚拟环境这些东西。官方文档也说明，Desktop 版自带 ComfyUI Manager，并且默认启用。

第二条是 手动安装。

手动安装适合这些人：

想自己控制 Python 环境
想更快体验最新代码
已经熟悉 Terminal、Git、venv
以后会频繁改节点、查依赖、排错

官方文档里也提到，手动安装支持 Apple Silicon，并且当前 Python 3.13 支持很好，Python 3.12 可以作为自定义节点兼容性出问题时的回退选择。

我的建议很直接：

1
2
3

纯新手：先用 ComfyUI Desktop
会一点命令行：可以用 comfy-cli 或手动安装
经常折腾插件：建议手动安装，环境更可控

不要一开始就为了“专业”去手动安装。你真正要学的是工作流，不是把时间耗在 Python 依赖上。

三、方式一：安装 ComfyUI Desktop

这是 Mac 新手最稳的方式。

打开官方地址：

1	https://www.comfy.org/download

选择 macOS 版本下载安装。

安装完成后，启动 ComfyUI Desktop。如果 macOS 提示无法打开，可以到：

1	系统设置 -> 隐私与安全性

允许该应用打开。

Desktop 版的好处是：

不需要手动创建 Python 虚拟环境
不需要自己安装 PyTorch
自带 Manager
找模型目录更方便
更适合新手先跑通第一个工作流

启动后，重点先找两个位置。

第一个是 模型目录。

在 ComfyUI Desktop 里，一般可以通过：

1	左上角 ComfyUI 标志 -> Help -> Open folder -> Open models folder

打开模型文件夹。

第二个是 输出目录。

生成的图片通常会放在 ComfyUI 的 output 目录里。你后面排查图片、工作流、历史记录时会经常用到。

四、方式二：Mac 手动安装 ComfyUI

如果你想用手动安装，可以按下面来。

先安装基础工具。

如果没有安装 Homebrew，先安装：

1	/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

安装 Git 和 Python：

1	brew install git python

建议把 ComfyUI 放到一个固定目录，比如：

mkdir -p ~/AI
cd ~/AI
git clone https://github.com/Comfy-Org/ComfyUI.git
cd ComfyUI

创建虚拟环境：

1 2	python3 -m venv venv source venv/bin/activate

安装依赖：

1 2	pip install --upgrade pip pip install -r requirements.txt

启动：

1	python main.py

正常情况下，终端会提示你打开类似这个地址：

1	http://127.0.0.1:8188

浏览器打开后，就能看到 ComfyUI 界面。

如果你想启用新版 Manager：

1 2	pip install -r manager_requirements.txt python main.py --enable-manager

以后每次启动都要先进入目录并激活环境：

1
2
3

cd ~/AI/ComfyUI
source venv/bin/activate
python main.py --enable-manager

如果嫌麻烦，可以自己写一个启动脚本，但新手阶段先不要急。先手动跑几次，理解发生了什么。

五、模型文件应该怎么选

ComfyUI 本体只是工具，模型才是生成图片的核心。

新手最容易犯的错误，是一口气下载十几个模型，最后不知道哪个能用、哪个放哪、哪个需要搭配 VAE。

建议你按阶段来。

1. 入门测试：SD1.5

如果你只是想验证 ComfyUI 能不能跑通，可以先用 SD1.5。

优点：

文件相对小
工作流简单
教程和示例最多
对 Mac 压力较小

缺点：

默认画质不如新模型
需要更多提示词和 LoRA 调整

适合第一次测试环境。

常见文件名类似：

1	v1-5-pruned-emaonly-fp16.safetensors

放到：

1	ComfyUI/models/checkpoints/

2. 日常出图：SDXL

如果你想认真出图，SDXL 是更适合新手的主力选择。

优点：

整体画质更好
人像、产品、海报、插画都比较稳
工作流仍然比较好理解

缺点：

模型更大
Mac 低内存机器会比较吃力

建议 16GB 内存以上的 Mac 再把 SDXL 当主力。8GB 内存也不是不能跑，但体验会慢，分辨率不要开太高。

SDXL checkpoint 同样放到：

1	ComfyUI/models/checkpoints/

3. 想追新效果：Flux

Flux 是现在很多人做高质量图像生成时会考虑的模型方向。

优点：

提示词理解强
画面质量高
审美和细节更现代

缺点：

文件大
对显存和内存压力更高
工作流比 SDXL 更复杂
有些版本需要单独的文本编码器、VAE 或其他组件

如果你是刚入门，不建议第一天就从 Flux 开始。可以先跑通 SDXL，再尝试 Flux 工作流。

4. LoRA 怎么选

LoRA 不是基础模型，而是风格或角色增强包。

比如你想要：

某种插画风格
某个摄影质感
某类产品图效果
某种服装、姿势、构图习惯

这时可以用 LoRA。

LoRA 文件通常放到：

1	ComfyUI/models/loras/

注意，不同 LoRA 适配不同底模。SD1.5 的 LoRA 不要硬套给 SDXL，SDXL 的 LoRA 也不要乱套给 Flux。能不能加载是一回事，效果乱不乱是另一回事。

六、模型目录一定要整理好

ComfyUI 的模型目录大概长这样：

ComfyUI/models/
  checkpoints/       # 大模型、底模
  loras/             # LoRA
  vae/               # VAE
  controlnet/        # ControlNet 模型
  upscale_models/    # 放大模型
  clip/              # CLIP 或文本编码器
  unet/              # 部分新架构模型会用到

新手不要把所有文件都塞进 checkpoints。

这是非常常见的坑。

你下载模型时，要看清楚它是什么类型：

checkpoint / base model：放 checkpoints
LoRA：放 loras
VAE：放 vae
ControlNet：放 controlnet
放大模型：放 upscale_models
Flux 等需要的文本编码器：按工作流说明放到 clip 或对应目录

如果模型放错位置，最常见的表现是：

1	Load Checkpoint 下拉框里找不到模型

或者：

节点显示 null

放好模型后，回到 ComfyUI，按：

刷新节点和模型列表。

如果还看不到，就重启 ComfyUI。

七、跑通第一个文生图工作流

新手第一天只做一件事：跑通默认文生图。

不要先装 ControlNet。

不要先装一堆自定义节点。

不要先下载别人几十个节点的复杂工作流。

打开 ComfyUI 后，一般会有默认工作流。如果没有，可以从工作流模板里选择 Image Generation。

一个最基础的文生图工作流通常包含这些节点：

Load Checkpoint
CLIP Text Encode - Positive
CLIP Text Encode - Negative
Empty Latent Image
KSampler
VAE Decode
Save Image

你可以这样理解：

Load Checkpoint：加载底模
Positive Prompt：你想要什么
Negative Prompt：你不想要什么
Empty Latent Image：设置图片尺寸和批次数量
KSampler：真正采样生成
VAE Decode：把潜空间结果解码成图片
Save Image：保存图片

第一次测试不要追求大片。

提示词可以简单一点：

1	a clean product photo of a white ceramic coffee cup on a wooden table, soft morning light, realistic

负面提示词可以写：

1	blurry, low quality, distorted, extra fingers, watermark, text

尺寸建议先用：

512 x 512

或者 SDXL 用：

1	1024 x 1024

Mac 内存小就先从低分辨率开始。不要第一张图就开 2048，否则你很可能以为软件卡死了。

点击 Run，或者按：

1	Ctrl + Enter

等待生成完成。

只要第一张图能出来，你的 ComfyUI、模型目录、基础工作流就已经打通了。

八、ComfyUI Manager 怎么用

ComfyUI Manager 是管理自定义节点和模型的工具。

如果你用的是 Desktop 版，Manager 默认已经包含并启用。

如果你是手动安装，需要安装 Manager 依赖，并用：

1	python main.py --enable-manager

启动。

新手最常用 Manager 做三件事：

安装缺失节点
更新节点
管理节点启用和禁用

当你导入别人工作流时，经常会看到红色节点或 missing node 提示。这说明你的本地缺少对应自定义节点。

这时不要慌。

一般处理顺序是：

1	打开 Manager -> Install Missing Custom Nodes -> 安装 -> 重启 ComfyUI

如果安装失败，再去对应 GitHub 仓库看 README，手动安装依赖。

不要见到缺节点就一口气点十几个安装。自定义节点越多，依赖冲突概率越高，启动变慢的概率也越高。

我的建议是：

1	一个工作流缺什么，就补什么。

不要提前囤插件。

九、导入别人工作流的正确姿势

ComfyUI 的工作流可以来自很多地方：

JSON 文件
ComfyUI 生成的 PNG 图片
Civitai 上的示例
GitHub 项目的 workflow 文件
B 站或博客作者分享的模板

导入工作流后，先别急着点运行。

你应该按这个顺序检查：

1. 看缺不缺模型

如果有 missing model 提示，先点开看缺什么文件。

重点确认：

模型名字
模型类型
下载地址
应该放到哪个目录

缺模型和缺节点不是一回事。

缺模型是文件问题。

缺节点是插件问题。

2. 看缺不缺节点

如果出现红色节点，通常是缺自定义节点。

可以先用 Manager 安装缺失节点。如果 Manager 识别不到，再去工作流作者说明里找 GitHub 地址。

3. 看分辨率和批次数量

很多别人分享的工作流默认参数很激进。

比如：

1
2
3

1536 x 1536
batch_size = 4
steps = 40

这种参数在高配显卡上没问题，但在 Mac 上可能很慢。

新手导入后建议先改成：

1
2
3

1024 x 1024
batch_size = 1
steps = 20 - 30

如果机器内存较小，就从：

768 x 768

甚至：

512 x 512

开始。

4. 先跑小图，再放大

很多工作流里有高清修复和放大节点。

第一次测试时，可以先绕开放大部分，只看基础生成是否正常。基础图能出，再打开放大。

这样排错会简单很多。

十、Mac 用户最常见的坑

1. 把 Windows 教程照搬到 Mac

很多教程里的路径是：

1
2
3

ComfyUI_windows_portable
python_embeded
run_nvidia_gpu.bat

这些都是 Windows 便携版相关内容。

Mac 上不要照抄。

Mac 手动安装一般是：

1 2	source venv/bin/activate python main.py

Desktop 版则直接打开应用。

2. 模型下载了，但 ComfyUI 里看不到

常见原因：

放错目录
文件还没下载完整
文件扩展名不对
没刷新模型列表
ComfyUI 没重启

优先检查：

1
2
3

ComfyUI/models/checkpoints/
ComfyUI/models/loras/
ComfyUI/models/vae/

然后按 R 刷新，或者重启。

3. Mac 内存不够，误以为软件坏了

Mac 跑 ComfyUI 很依赖统一内存。

大致建议：

8GB：只建议轻量测试，SD1.5 小图为主
16GB：可以跑 SDXL，但参数要克制
24GB / 32GB：体验会明显好很多
64GB：可以更舒服地尝试 Flux、视频、大工作流

如果生成时系统明显卡顿，先降低：

分辨率
batch size
steps
同时启用的 LoRA 数量
是否开启放大

4. 一开始就装太多自定义节点

自定义节点确实强，但也是新手环境变乱的主要来源。

有些节点会安装额外 Python 包，有些包版本可能和其他节点冲突。最后的结果就是：昨天还能打开，今天更新一个节点后启动报错。

建议保持克制：

先跑官方基础工作流
再安装 Manager
再按工作流需要补节点
最后定期备份可用环境

5. 不保存自己的工作流

很多人调了半天参数，最后只保存图片，不保存工作流。

这是坏习惯。

你至少应该建立一个目录：

1	~/AI/workflows/

然后按用途保存：

sdxl-product-photo.json
sdxl-portrait-lora.json
flux-poster-test.json
controlnet-pose-test.json

ComfyUI 生成的图片通常带工作流元数据，但不要完全依赖这个。重要流程单独导出 JSON 更稳。

6. 只看模型热度，不看授权

模型不是随便用的。

有些模型允许商用，有些只允许研究，有些要求署名，有些禁止特定用途。

如果你只是个人学习，问题不大。

如果你要做商业项目、客户交付、素材销售、广告图，一定要看清楚模型页面的 license。

不要等作品做完了才回头查授权。

十一、新手推荐的学习路线

不要试图一天学完 ComfyUI。

可以按这个顺序来。

第一阶段，只跑通基础文生图：

1	安装 ComfyUI -> 放入 checkpoint -> 跑默认工作流 -> 保存图片

第二阶段，学会改关键参数：

prompt
negative prompt
steps
cfg
sampler
scheduler
seed
width / height

第三阶段，加入 LoRA：

1	加载 LoRA -> 调整权重 -> 对比不同 LoRA 的效果

第四阶段，学习图生图和局部重绘：

Load Image
VAE Encode
KSampler
VAE Decode
Mask / Inpaint

第五阶段，再学 ControlNet：

姿势控制
线稿控制
深度图控制
构图控制

第六阶段，再研究复杂工作流：

高清修复
分块放大
Flux
视频生成
自动换脸
批量出图
API 调用

这条路线看起来慢，但会越学越稳。

很多人一开始复制复杂工作流，看起来很快，实际上完全不知道每个节点在干什么。出了错只能重装。

十二、一个适合新手的目录规划

如果你准备长期使用 ComfyUI，建议从第一天就整理目录。

可以这样规划：

~/AI/
  ComfyUI/                 # 手动安装版主目录
  models-backup/           # 重要模型备份，可选
  workflows/               # 自己整理的工作流
    basic/
    sdxl/
    flux/
    controlnet/
  outputs/                 # 精选输出图，别全堆在默认 output
  notes/                   # 记录模型、参数、问题

如果你用 Desktop 版，也可以保留 workflows 和 notes 目录。

我非常建议写一个简单的模型记录文件：

模型名：
下载地址：
模型类型：
适配底模：
是否可商用：
推荐触发词：
适合用途：
备注：

这比你下载 200GB 模型之后靠记忆管理靠谱得多。

十三、更新 ComfyUI 要谨慎

ComfyUI 和自定义节点更新很频繁。

更新当然能带来新功能，但也可能带来兼容性问题。

建议：

当前环境能稳定出图时，不要每天手痒更新
更新前先保存重要工作流
手动安装版可以先 git status 看看有没有自己改过文件
自定义节点不要全部无脑更新
重要项目进行中，不要更新环境

如果你是手动安装，更新 ComfyUI 通常是：

cd ~/AI/ComfyUI
git pull
source venv/bin/activate
pip install -r requirements.txt

如果启用了 Manager，也可以根据 Manager 的提示更新节点。

但我的经验是：能交付的时候别更新。等项目结束，再统一更新和排错。

十四、推荐从哪些模型开始

如果你完全不知道下什么，可以按用途选。

普通练习

先用 SD1.5 或官方示例工作流要求的模型。

目标不是画得多好，而是确认流程能跑通。

高质量图片

优先试 SDXL。

适合：

人像
产品图
插画
海报
电商素材

现代审美和强提示词理解

可以尝试 Flux。

但建议你先掌握基础工作流后再上手。Flux 相关工作流对模型组件和节点版本要求更高，新手直接冲容易卡在依赖和目录上。

风格化需求

用 LoRA。

但一定要注意 LoRA 适配哪个底模。下载页面一般会写明是 SD1.5、SDXL、Flux 还是其他体系。

十五、我的新手避坑清单

最后给一份可以直接照着检查的清单。

安装阶段：

Mac 新手优先用 ComfyUI Desktop
手动安装时固定目录，比如 ~/AI/ComfyUI
Python 环境用 venv 隔离
启动失败先看终端报错，不要马上重装系统

模型阶段：

checkpoint 放 models/checkpoints
LoRA 放 models/loras
VAE 放 models/vae
ControlNet 放 models/controlnet
放好模型后按 R 刷新或重启
不要把所有文件都塞进一个目录

工作流阶段：

第一个工作流只跑文生图
第一次参数保守一点
先小图测试，再高清放大
缺模型先补模型，缺节点再装节点
导入别人工作流后先检查分辨率和 batch size

插件阶段：

不要一次装太多自定义节点
安装节点后重启 ComfyUI
节点报错先看 README 和 requirements
项目进行中不要乱更新节点

长期使用：

保存自己的工作流 JSON
记录模型来源和授权
定期备份重要工作流
稳定环境不要频繁更新
不要只收藏教程，要自己整理可复用流程

十六、常用工作流 JSON 下载

下面放几份新手最常用的 ComfyUI 工作流 JSON。

使用方式很简单：

1	下载 JSON -> 打开 ComfyUI -> 把 JSON 文件拖进画布 -> 按提示选择本地已有模型 -> Run

如果拖进去之后模型节点显示 null，不是工作流坏了，而是你本地没有同名模型。把节点里的模型名切换成你已经放好的模型即可。

1. 文生图：基础 SD1.5 工作流

下载 text-to-image-sd15-basic.json

适合用途：

第一次测试 ComfyUI 是否能正常出图
学习 Load Checkpoint -> CLIP Text Encode -> KSampler -> VAE Decode -> Save Image
低内存 Mac 先跑通基础流程

模型要求：

1	ComfyUI/models/checkpoints/v1-5-pruned-emaonly-fp16.safetensors

如果你不用 SD1.5，也可以在 Load Checkpoint 节点里换成自己的 checkpoint。

2. 图生图：基础 Img2Img 工作流

下载 image-to-image-sd15-basic.json

适合用途：

上传一张图片，让模型按提示词重新绘制
学习 Load Image -> VAE Encode -> KSampler
理解 denoise 对原图保留程度的影响

使用时注意：

1 2	denoise 越低，越接近原图 denoise 越高，变化越大

这份工作流默认 denoise = 0.55，比较适合新手观察变化。

3. 文生视频：Wan2.2 5B 基础工作流

下载 text-to-video-wan22-5b-basic.json

这份基于 ComfyUI 官方 Wan2.2 5B 模板整理，适合先体验文生视频。

需要模型：

1
2
3

ComfyUI/models/diffusion_models/wan2.2_ti2v_5B_fp16.safetensors
ComfyUI/models/text_encoders/umt5_xxl_fp8_e4m3fn_scaled.safetensors
ComfyUI/models/vae/wan2.2_vae.safetensors

Mac 新手建议先把视频参数调小：

1
2
3

width: 832 或更低
height: 480 或更低
length: 49 或更低

视频生成比图片慢很多。第一次跑只要确认流程能动，不要一开始就追求长视频和高分辨率。

4. 图生视频：Wan2.2 5B 基础工作流

下载 image-to-video-wan22-5b-basic.json

这份同样基于 ComfyUI 官方 Wan2.2 5B 模板，只是启用了 Load Image 节点，适合上传一张起始图，再让模型生成短视频。

需要模型和文生视频相同：

1
2
3

ComfyUI/models/diffusion_models/wan2.2_ti2v_5B_fp16.safetensors
ComfyUI/models/text_encoders/umt5_xxl_fp8_e4m3fn_scaled.safetensors
ComfyUI/models/vae/wan2.2_vae.safetensors

导入后先做三件事：

1
2
3

1. 在 Load Image 节点上传你的输入图
2. 确认三个模型节点都不是 null
3. 把视频尺寸和 length 调小后再 Run

如果你的 ComfyUI 版本较旧，导入视频工作流后可能出现核心节点缺失。先升级 ComfyUI，或者在菜单里找：

1	Workflow -> Browse Templates -> Video

加载官方 Wan2.2 模板。

总结

Mac 上搭建 ComfyUI 并不难，真正难的是不要一开始就把自己带进复杂度里。

新手最稳的路线是：

1	ComfyUI Desktop -> SD1.5 或 SDXL -> 默认文生图 -> LoRA -> 图生图 -> ControlNet -> 复杂工作流

先跑通，再变复杂。

先理解模型目录，再下载更多模型。

先掌握基础节点，再安装自定义节点。

ComfyUI 的价值不只是“生成一张图”，而是把你的创作过程变成可复用、可调整、可组合的工作流。等你把第一个流程跑顺之后，它就不再是一个满屏节点的复杂工具，而会变成一个很灵活的本地 AI 创作系统。