用 AI 画图的人大概都经历过这个循环：写一段提示词，出图，不满意，改词，再出图。改来改去，你其实不知道是哪个词起了作用，是「柔和光线」还是「浅景深」？想复现上次那张满意的图，除了把提示词原样抄一遍，几乎没别的办法。
是什么
ComfyUI 换了个思路：与其靠一段文字去猜模型要干什么，不如把整个出图过程拆成一个个节点，你自己连线。GitHub 上 14.3 万 Star，GPL-3.0 协议，最新版 v0.42.1，昨天还有人在提交代码。
它是目前本地 AI 图像生成里最主流的节点式工具。加载什么模型、用哪个采样器、走几步、加不加 ControlNet、最后怎么放大，每个环节都是画布上的一个方块，你怎么连，它就怎么算。
核心优势
流程看得见，也存得住。 搭好的工作流能保存成一个文件，下次打开就是一模一样的环境，参数、模型、连线全在。想分享给别人，把文件发过去就行。这一点解决了「上次那张图到底怎么画出来的」这个老问题。
省显存这件事做得比较狠。 官方说 4GB 显存加 8GB 内存也能比较快地跑起较大的开源模型，靠的是异步权重流式加载，说白了就是不把整个模型一次性塞进显存，用多少调多少。对没有高端显卡的人来说，这条很实际。
不止是画图。 图像、视频、3D 模型、音频都在同一套节点体系里编排。想做「一张图生成一段视频再配上音」这种组合流程，不用在几个软件之间来回倒腾。
新模型跟得快。 开源社区出了新模型，通常几天内就有对应节点支持，比很多商业软件的更新节奏快得多。
ComfyUI 仓库主页：Star 14.3 万、GPL-3.0、最新版 v0.42.1
怎么用
最省事的是装官方桌面版，Windows、macOS、Linux 都有，装完打开就是画布。想自己部署的话，官方提供便携包和手动安装两种方式，手动装需要 Python 环境。
国内用起来什么条件？这块必须说清楚，不然装完就卡住。分两步看。第一，软件本身完全本地运行，不连任何云端接口，装好就能开，官网 comfy.org 在国内实测能直接打开，下安装包不需要代理。第二，模型要自己下。开源模型大多托管在国外的模型站上，国内直连很慢。实际可行的办法是走国内的模型社区和镜像站，魔搭社区、吐司、LiblibAI 这些平台上都有主流的图像模型，下下来按目录结构放进 ComfyUI 的 models 文件夹就行，checkpoints、loras、vae 各有各的子目录，别放错。Hugging Face 也有国内镜像站可以配，设一个环境变量就能走镜像下载。
换句话说，它有门槛，但门槛是「第一次把模型弄到本地」，不是「必须翻墙才能用」。
显卡要选对：N 卡走 CUDA 最顺，A 卡和苹果芯片也支持，配置麻烦一些。4GB 显存是官方说的下限，实际跑主流图像模型，8GB 会舒服很多。
ComfyUI 官网：节点连线就是出图流程
不是没有槽点
学习曲线是真的陡。 第一次打开那张画布，大多数人是一脸懵的：节点是什么、怎么连、哪个是输入哪个是输出，没人教的话要摸索一阵。它不像别的 AI 绘画工具那样有个「输入框加生成按钮」。
没有现成工作流就干不了活。 好消息是社区分享的工作流很多，坏消息是你得先知道去哪找、怎么导入、缺了节点怎么补。有些工作流还依赖特定版本的插件，版本对不上就报错。
模型和插件管理靠自己。 装了十几个模型之后，哪个是哪个、哪个配哪个 LoRA 效果最好，全靠自己记。没有统一的库管理，硬盘也吃得快，一套主流模型下来几十 GB 很正常。
它是工具，不是服务。 没有客服、没有教程义务，出问题去社区问。习惯商业软件那套体验的人会觉得粗糙。
跟同类比
和 WebUI 那一套比，WebUI 上手快、界面像传统软件，适合「输入提示词就出图」；ComfyUI 适合「我要精确控制每一步」，以及需要批量、需要复现的场景。和在线 AI 绘画服务比，在线服务零配置、打开就用，但要按张付费、内容受审核、风格受平台限制；ComfyUI 一次装好之后随便跑，代价是前期折腾。和同类节点式工具比，它的生态最大，新模型适配最快，社区工作流最多。一句话：如果你只是偶尔画两张图，用在线服务更省事；如果你想长期做图、要控制细节、要能复现，值得花一个周末把 ComfyUI 搭起来。
GitHub：Comfy-Org/ComfyUI
官方网站：www.comfy.org
标签：#ComfyUI #AI绘画 #节点工作流 #本地部署 #开源软件
你用 AI 画图时，最难受的是提示词不听话，还是出图没法复现？