ComfyUI Windows/Mac安装指南：一键包与手动部署步骤详解

在AI绘画的浪潮中，Stable Diffusion WebUI以其直观的界面降低了入门门槛，但随着创作需求的深入，许多用户开始感到受限：工作流难以复用、显存优化不够极致、自定义控制不够灵活。这时，ComfyUI作为基于节点的后端引擎，凭借其高效的资源管理和无限的组合可能性，成为了进阶玩家的首选。

然而，ComfyUI的“节点式”逻辑不仅体现在画图上，也体现在安装过程中。对于习惯了“下一步、下一步”安装软件的用户来说，面对GitHub仓库、Python环境和依赖库，往往会产生畏难情绪。安装本身不应成为创作的阻碍，而应是理解工具逻辑的第一步。

本文将剥离复杂的术语堆砌，从实际使用场景出发，为Windows和Mac用户梳理两条清晰的路径：一是追求效率的“一键包”方案，二是追求掌控感的“手动部署”方案。你不需要成为程序员，只需要明确自己的需求，就能找到最适合的启动方式。

权衡效率与掌控：为什么会有两种安装路径

在动手之前，我们需要先明确一个核心取舍：你是希望尽快看到第一张生成的图片，还是希望完全理解每一个组件的作用以便未来自由调试？

“一键包”本质上是一个预配置好的压缩包，开发者已经帮你解决了Python版本冲突、CUDA驱动匹配等最头疼的问题。它的优势是“开箱即用”，劣势是更新迭代可能滞后，且内部结构相对黑盒。

“手动部署”则是从零搭建环境，你需要自己安装Git、Python，并通过命令行拉取代码。这种方式虽然初期耗时较长，但能让你清晰掌握ComfyUI的运行机制，后续安装自定义节点或更新版本时更加从容。

ComfyUI的节点式工作流与传统WebUI的直观对比

对于大多数初次接触ComfyUI的用户，如果电脑配置符合基本要求（NVIDIA显卡，显存6GB以上），建议先从一键包入手，建立信心后再尝试手动部署；而对于Mac用户或已有Python开发环境的用户，手动部署往往是更干净、更稳定的选择。

Windows一键启动：绕过环境配置的捷径

在Windows平台上，社区维护的“整合包”极大地降低了入门难度。这类安装包通常集成了Portable Python（便携版Python）和必要的依赖库，无需用户单独配置系统环境变量。

获取与解压

首先，你需要从可信的社区渠道或GitHub发布页下载最新的ComfyUI Windows一键包。下载完成后，你会得到一个体积较大的压缩文件（通常为.7z或.zip格式）。

关键的一步是解压路径的选择。请务必将文件夹解压到一个路径较短、不含中文和特殊字符的目录中，例如 D:\ComfyUI。许多奇怪的报错，如“找不到模块”或“路径错误”，往往源于深层嵌套或中文路径导致的编码问题。

首次运行与依赖检查

进入解压后的文件夹，找到名为 run_nvidia_gpu.bat（针对N卡用户）或类似的启动脚本。双击运行后，命令行窗口会弹出，开始自动检查并安装缺失的依赖库。

在这个过程中，你会看到大量的文本滚动。这是正常现象，pip正在后台下载torch等核心库。保持网络连接稳定，耐心等待直到出现 “Starting server...” 或类似的提示，并显示本地访问地址（通常是 http://127.0.0.1:8188）。

Windows环境下正确的解压路径与启动脚本位置

此时，打开浏览器输入该地址，如果能看到ComfyUI的经典节点界面，说明安装成功。这种方式的优点是后续更新只需运行 update_comfyui.bat 即可，极大简化了维护成本。

Mac用户的手动部署：Homebrew与Python的协奏

对于Mac用户，尤其是Apple Silicon（M1/M2/M3）芯片持有者，官方并没有提供类似Windows的一键exe安装包。手动部署不仅是唯一选择，也是体验最佳的方式，因为macOS对Python环境的管理有着成熟的生态。

准备基础环境

在开始之前，确保你的Mac已安装Homebrew，这是macOS上的包管理器。如果没有安装，可以通过终端运行官方提供的脚本进行安装。接着，我们需要安装Python和Git。

在终端中输入以下命令：

brew install python git

推荐使用Python 3.10或3.11版本，因为它们与当前的PyTorch兼容性最好。安装完成后，建议创建一个虚拟环境，以避免污染系统全局的Python库。

克隆代码与安装依赖

选择一个合适的目录，打开终端，执行以下命令克隆ComfyUI仓库：

git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

接下来，创建并激活虚拟环境：

python3 -m venv venv
source venv/bin/activate

激活后，终端提示符前会出现 (venv) 字样。此时，安装核心依赖：

pip install -r requirements.txt

对于Apple Silicon用户，PyTorch会自动识别并安装支持Metal Performance Shaders (MPS) 的版本，从而利用GPU加速。这一步可能需要几分钟时间，取决于网络速度。

Mac终端中克隆代码与安装依赖的命令执行过程

启动与验证

依赖安装完毕后，在同一个终端窗口中输入：

python main.py

如果一切顺利，终端会输出启动日志，并在浏览器中自动打开ComfyUI界面。Mac用户的优势在于系统底层对Unix命令的良好支持，使得后续通过命令行安装自定义节点（如 pip install custom-node-package）变得非常自然。

进阶手动部署：Windows下的纯净环境搭建

如果你不满足于一键包的黑盒状态，或者需要在同一台电脑上管理多个AI项目，那么在Windows下手动搭建纯净环境是必经之路。这需要你对命令行有基本的敬畏之心，但回报是完全的控制权。

安装Python与Git

首先，从Python官网下载3.10或3.11版本的安装包。务必勾选“Add Python to PATH”选项，这是新手最容易遗漏的一步。同时，安装Git for Windows，以便后续通过命令行拉取代码。

创建项目目录与虚拟环境

在D盘或E盘创建一个文件夹，例如 D:\AI\ComfyUI。右键点击文件夹空白处，选择“在终端中打开”或使用PowerShell导航至该目录。

运行以下命令创建虚拟环境：

python -m venv venv
.\venv\Scripts\activate

激活后，同样需要安装依赖。但在此之前，为了确保PyTorch能正确调用NVIDIA显卡，建议先手动安装支持CUDA的PyTorch版本。你可以访问PyTorch官网获取最新的安装命令，通常类似于：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

注意：cu118 代表CUDA 11.8，请根据你的显卡驱动支持的CUDA版本进行调整。安装完PyTorch后，再运行 pip install -r requirements.txt 安装其余依赖。

Windows PowerShell中手动配置虚拟环境与PyTorch安装

处理模型路径与启动

手动部署的一个特点是，默认情况下ComfyUI不会自动下载大模型。你需要手动将Stable Diffusion的Checkpoint模型放入 models/checkpoints 文件夹中。可以从Civitai或HuggingFace下载常见的模型文件。

放置好模型后，在激活的虚拟环境中运行 python main.py。如果浏览器没有自动弹出，手动访问 http://127.0.0.1:8188。此时，你拥有的是一个完全干净、可定制的ComfyUI环境，可以随时通过 git pull 更新代码，或通过 pip install 添加新的库。

结语：选择适合你的起点

回顾这两种路径，我们发现它们并非对立，而是服务于不同阶段的需求。一键包像是精装房，拎包入住，适合想要快速验证创意、不愿在技术上纠缠的用户；手动部署则是毛坯房，虽然需要自己水电改造，但每一处管线都了然于胸，适合打算长期深耕、定制个性化工作流的创作者。

不必纠结于“哪种更专业”，能稳定运行并产出作品的安装方式，就是好方式。

对于Windows用户，如果一键包遇到无法解决的报错，不妨尝试手动部署，往往能发现是某个特定库的版本冲突；对于Mac用户，手动部署几乎是唯一正途，但也因此让你更早地熟悉了AI工具的底层逻辑。

无论选择哪条路，当你在浏览器中看到那个由连线构成的节点界面时，真正的创作才刚刚开始。安装只是敲门砖，接下来的探索，将取决于你如何连接这些节点，以及如何将它们转化为心中的图像。

ComfyUI成功启动并加载默认工作流的界面展示