ComfyUI 领域总览：这个知识库讲什么、不讲什么

一句话定义

ComfyUI 是一个基于节点图（node graph）的开源生成式 AI 工作台：你把"加载模型 → 编码提示词 → 采样去噪 → 解码保存"这类工序画成一张可执行的图，由它负责排队、调度与运行；本知识库教你从零读懂、搭建并工程化这些工作流。

为什么值得系统学习

• 节点式已成为多模态生成的事实标准界面：新模型（Flux、SD3、Qwen-Image、Wan、HunyuanVideo…）的官方能力演示几乎都以 ComfyUI 工作流形式首发。会读工作流 ≈ 会用一切新模型。
• 显式数据流让"黑盒"变透明：在按钮式工具里,"为什么这张图糊了"无从下手；在节点图里,你能亲眼看到噪声如何变成图像。
• 工程化价值：工作流是 JSON，可以进版本库、可以被 API 调用、可以批量生产——这是它与"玩具工具"的本质区别。
• 迁移成本低：理解了节点图与扩散模型,换任何模型家族都是"换几个节点"的事。

领域边界

覆盖（IN）：

• 安装、界面与节点图操作（Windows / macOS / Linux）
• 扩散模型核心机制：潜空间、VAE、CLIP 条件、采样器与调度器、CFG
• 核心工作流：文生图、图生图、局部重绘、外扩、放大、ControlNet、LoRA、IPAdapter
• 主流模型家族的差异与工作流适配（SD1.5 / SDXL / SD3 / Flux / 视频）
• 生态工具：Manager、自定义节点包、X/Y/Z 实验、API 自动化
• 实践视野：电商生产管线案例、安全、版权伦理、历史与格局

不覆盖（OUT，作为扩展方向）：

• 用 Python 开发自定义节点（二次开发）——本库只讲"用"
• 模型训练（LoRA 训练、DreamBooth、微调理论）
• ComfyUI 源码内部实现（执行引擎细节、前端 Vue 代码）
• 音频（Stable Audio）/ 3D 生成的深度专题（仅一句话提及）

前置知识

• 会装软件、会用浏览器即可入门。
• 有 Python 基础能读懂 API 自动化一章；没有也不影响主线学习。
• 建议拥有一块 ≥8GB 显存的 NVIDIA 显卡，或 Apple Silicon Mac（16GB 统一内存起）；纯 CPU 也能跑但很慢。

学习目标（学完你应能做到）

1. 装起来：在主流平台完成安装,挂载模型目录,跑通首个文生图。
2. 读得懂：拿到社区任意工作流 JSON,能逐节点说出数据流向与关键参数含义。
3. 改得动：按需替换模型、调采样器/调度器/CFG、叠加 ControlNet 与 LoRA。
4. 修得好：面对黑图、炸图、红灯报错,能系统性定位原因。
5. 用得开：把工作流导出为 API 格式,接入批量化/自动化生产（如电商图片管线）。
6. 守得住：识别 pickle 风险、遵守模型许可与平台合规要求。

模块地图

信息时效声明

ComfyUI 迭代极快（主仓库约每两周一个版本,前端每日构建）。本库中版本号、界面布局、菜单位置等时效项以 2026-09 前后的稳定状态为准,如与你的版本不符,以 docs.comfy.org 与 blog.comfy.org 为准。机制性知识（扩散原理、节点语义、参数含义）长期稳定,可放心内化。

下一步

• 完全零基础：按 学习路径：三条航线与周计划 的「零基础路线」顺序读 ComfyUI 是什么：节点式的生成式 AI 工作台 开始。
• 赶时间出活：走「快速上手路线」,一天跑通最小闭环。
• 已会用其他 WebUI 工具：从 节点与工作流的心智模型：端口、连线与执行 直接进入,重点看 模型文件与目录组织 与 SDXL 与多编码器家族:换模型换什么。