一条命令安装 ComfyUI
ComfyUI 是一个强大的节点式 AI 图像生成工作流工具，在 GitHub 上拥有超过 106K+ 星标。它通过可视化的节点连接方式，让用户能够精确控制 Stable Diffusion 图像生成流程的每一个环节——从文本编码、模型加载到采样器选择、图像后处理。与传统的 WebUI 界面不同，ComfyUI 的节点化设计让高级用户能够构建极其复杂的工作流，实现 ControlNet、LoRA 叠加、图像修复、视频生成等高级功能。
ComfyUI 的核心优势在于它的灵活性和可扩展性。社区开发了数以千计的自定义节点（Custom Nodes），覆盖从人脸修复、背景替换到动画生成的各种场景。对于 AI 艺术创作者、设计师和研究人员来说，ComfyUI 是本地部署 Stable Diffusion 最专业的选择。
为什么 ComfyUI 安装这么难？
ComfyUI 的安装过程是 AI 工具中最容易出错的之一，原因在于它高度依赖硬件环境和 Python 生态系统。以下是用户最常遇到的问题：
- Python 环境混乱 — ComfyUI 需要 Python 3.10 或 3.11，但很多系统自带 Python 3.8 或 3.12，版本不兼容会导致 PyTorch 安装失败。用户需要在 venv、conda、pyenv 之间选择，并确保 pip 安装的包进入正确的虚拟环境，这对非 Python 开发者来说是一个巨大的障碍。
- CUDA / GPU 驱动配置 — 使用 NVIDIA GPU 加速需要正确版本的 CUDA Toolkit 和 cuDNN。PyTorch 的 CUDA 版本必须与系统 CUDA 驱动匹配，否则会出现 "CUDA not available" 错误。macOS 用户需要使用 MPS 后端，AMD GPU 用户需要 ROCm，每种情况的安装步骤完全不同。
- 模型文件下载 — Stable Diffusion 的检查点文件通常 2-7 GB，ControlNet 模型、LoRA 权重、VAE 模型等也各有几百 MB。下载源在国内经常被墙或速度极慢，模型文件需要放在正确的目录结构下，路径错误就无法加载。
- 自定义节点依赖冲突 — 安装第三方自定义节点时，不同节点可能依赖同一个 Python 包的不同版本，导致 pip 依赖解析冲突。有些节点还需要额外编译 C/C++ 扩展，在 Windows 上需要 Visual Studio Build Tools。
- 显存不足的处理 — 低显存 GPU（4-6 GB）需要启用特定的优化参数（--lowvram、--fp16），但不是所有模型和节点都支持这些选项，导致运行时 OOM 崩溃。
AIMA 如何解决这些问题
AIMA 的 AI Agent 能够感知你的硬件和软件环境，根据实际情况动态选择最优安装策略，而不是执行一套固定脚本。
- 智能 Python 环境管理 — 检测现有 Python 版本，自动创建隔离的虚拟环境，安装匹配版本的 PyTorch 和所有依赖，不干扰系统 Python。
- GPU 自动适配 — 检测 GPU 型号和驱动版本，自动选择对应的 PyTorch 构建版本（CUDA 11.8/12.1、MPS、CPU-only），并配置正确的启动参数。
- 模型目录自动配置 — 自动建立标准的 models 目录结构（checkpoints、loras、controlnet、vae 等），并配置好 ComfyUI 的模型搜索路径。
- 启动验证 — 启动 ComfyUI 后自动检查 Web UI 是否可访问、GPU 是否被正确识别，确保安装结果可用。
通过 AIMA 安装 ComfyUI：分步指南
第 1 步：打开终端
在 macOS 上打开 Terminal.app 或 iTerm2；在 Linux 上打开你常用的终端模拟器；在 Windows 上以管理员权限打开 PowerShell。
第 2 步：运行安装命令
macOS 和 Linux 用户运行以下命令：
curl -sL https://aimaserver.com/install/comfyui | bash Windows 用户在 PowerShell 中运行：
iex (irm https://aimaserver.com/install/comfyui) 第 3 步：输入邀请码
命令执行后，AIMA 客户端会启动并提示你输入邀请码。邀请码用于将你的设备与 AIMA 平台连接，激活 AI Agent 安装能力。
第 4 步：AIMA 自动完成安装
AIMA 会自动检测你的系统环境和 GPU 配置，创建 Python 虚拟环境，安装正确版本的 PyTorch，克隆 ComfyUI 仓库，安装所有依赖，并配置好模型目录结构。
第 5 步：打开浏览器使用 ComfyUI
安装完成后，AIMA 会自动启动 ComfyUI 并提供访问地址，通常是 http://localhost:8188。打开浏览器即可开始创建你的第一个 AI 图像生成工作流。
系统要求
| 项目 | 要求 |
|---|---|
| 操作系统 | macOS 12+、Ubuntu 22.04/24.04、Windows 10/11 |
| 内存 (RAM) | 最低 8 GB，推荐 16 GB 以上 |
| GPU（推荐） | NVIDIA GPU 4 GB+ 显存（CUDA）；Apple Silicon（MPS）；或 CPU-only 模式 |
| 磁盘空间 | 至少 20 GB（含 Python 环境 + 至少一个 SD 模型检查点） |
| Python | AIMA 自动管理，无需预装 |
AIMA 自动处理的常见问题
- PyTorch CUDA 版本不匹配 — 自动检测 NVIDIA 驱动版本，选择兼容的 PyTorch + CUDA 组合。
- Python 版本不兼容 — 自动安装合适的 Python 版本并在隔离虚拟环境中运行，不影响系统 Python。
- 自定义节点安装失败 — 自动处理编译依赖（如 Windows 上的 Build Tools），按正确顺序安装节点所需的 Python 包。
- 端口 8188 被占用 — 自动检测端口冲突并切换到可用端口。
- 模型路径配置错误 — 自动创建标准目录结构并配置 extra_model_paths.yaml。
常见问题
没有 GPU 可以使用 ComfyUI 吗？
可以。ComfyUI 支持 CPU-only 模式，AIMA 会自动检测到没有独立 GPU 后安装 CPU 版 PyTorch。不过 CPU 模式下生成速度会显著降低（一张图可能需要几分钟到十几分钟），建议用于测试和学习目的。
AIMA 会帮我下载 Stable Diffusion 模型吗？
AIMA 会配置好模型目录结构，并可根据需要协助下载基础模型。由于 SD 模型文件体积较大（2-7 GB），实际下载时间取决于你的网络速度。AIMA 会将模型放置在正确的目录下，确保 ComfyUI 能够立即识别。
macOS 上 ComfyUI 的表现如何？
Apple Silicon（M1/M2/M3/M4）Mac 通过 MPS 后端可以获得不错的性能。AIMA 会自动检测 Apple Silicon 并安装 MPS 优化版本的 PyTorch。Intel Mac 只能使用 CPU 模式，速度较慢。
如何安装 ComfyUI 的自定义节点？
AIMA 完成基础安装后，你可以使用 ComfyUI Manager（社区管理工具）来浏览和安装自定义节点，也可以手动将节点仓库克隆到 custom_nodes 目录。如果安装节点遇到依赖问题，可以再次通过 AIMA 获取帮助。
ComfyUI 和 Stable Diffusion WebUI 有什么区别？
Stable Diffusion WebUI（AUTOMATIC1111）提供传统的表单式界面，上手更简单但灵活性有限。ComfyUI 使用节点式工作流，学习曲线稍陡但功能远比 WebUI 强大，特别适合需要复杂工作流的高级用户。ComfyUI 的内存效率也更高，在相同硬件上通常能处理更大的图像。
准备好安装 ComfyUI 了吗？
一条命令，AIMA 帮你搞定 Python 环境、GPU 驱动和所有依赖。