title: “Comfyui — Generate images, video, and audio via diffusion workflows” sidebar_label: “Comfyui” description: “Generate images, video, and audio via diffusion workflows”

{/* 本页面由 website/scripts/generate-skill-docs.py 根据技能对应的 SKILL.md 文件自动生成。请直接编辑源文件 SKILL.md，而非此页面。 */}

Comfyui

通过扩散模型工作流生成图像、视频、音频及 3D 内容。

技能元数据

参考：完整的 SKILL.md 文件

:::info 以下是 Hermes 在触发该技能时加载的完整技能定义。当技能处于激活状态时，智能体看到的指令即为此内容。

::

ComfyUI

利用官方的 comfy-cli 进行设置与生命周期管理，并通过直接的 REST/WebSocket API 执行工作流，从而借助 ComfyUI 生成图像、视频、音频及 3D 内容。

该技能包含的内容

参考文档（references/）：

• official-cli.md — 包含所有带参数的 comfy ... 命令说明
• rest-api.md — REST 与 WebSocket 接口（本地及云端）及数据格式规范
• workflow-format.md — API 格式的 JSON 文件结构、常用节点类型及参数映射规则
• template-integrity.md — 将 comfyui-workflow-templates 从编辑器格式转换为 API 格式：路径重定向处理、带点的动态输入键名（如 values.a、resize_type.width）、云端使用注意事项（302 重定向、免费套餐单次仅可运行 1 个任务、1080p 分辨率对应的显存限制），以及兼容 Discord 的 ffmpeg 合成功能。该文档由 @purzbeats 撰写。每当从官方模板开始使用时，请务必查阅此文档。

脚本文件（scripts/）：

示例工作流（位于workflows/目录）： SD 1.5、SDXL、Flux Dev、SDXL img2img、SDXL inpaint、ESRGAN upscale、AnimateDiff视频生成、Wan T2V。详情请参阅workflows/README.md。

适用场景

• 用户希望使用 Stable Diffusion、SDXL、Flux、SD3 等模型生成图像。
• 用户想要运行特定的 ComfyUI 工作流文件。
• 用户希望串联多个生成步骤（如 txt2img → 上采样 → 人脸修复）。
• 用户需要使用 ControlNet、抠图功能、img2img 或其他高级处理流程。
• 用户希望管理 ComfyUI 队列、查看模型信息或安装自定义节点。
• 用户希望通过 AnimateDiff、Hunyuan、Wan、AudioCraft 等工具实现视频/音频/3D 内容的生成。

架构：双层结构

┌─────────────────────────────────────────────────────┐
│ Layer 1: comfy-cli (official lifecycle tool)        │
│   Setup, server lifecycle, custom nodes, models     │
│   → comfy install / launch / stop / node / model    │
└─────────────────────────┬───────────────────────────┘
                          │
┌─────────────────────────▼───────────────────────────┐
│ Layer 2: REST/WebSocket API + skill scripts         │
│   Workflow execution, param injection, monitoring   │
│   POST /api/prompt, GET /api/view, WS /ws           │
│   → run_workflow.py, run_batch.py, ws_monitor.py    │
└─────────────────────────────────────────────────────┘

为何需要两层架构？ 官方 CLI 在安装和服务器管理方面表现优异，但在工作流执行方面的支持十分有限。REST/WS API 则填补了这一空白——这些接口能够处理参数注入、执行监控以及输出下载等功能，而这些都是 CLI 所不具备的。

快速入门

检测环境

# What's available?
command -v comfy >/dev/null 2>&1 && echo "comfy-cli: installed"
curl -s http://127.0.0.1:8188/system_stats 2>/dev/null && echo "server: running"

# Can this machine run ComfyUI locally? (GPU/VRAM/disk check)
python scripts/hardware_check.py

如果尚未安装任何组件，请参阅下方的设置与入门指南——但务必先执行硬件检测。

一键健康检查

python scripts/health_check.py
# → JSON: comfy_cli on PATH? server reachable? at least one checkpoint? smoke-test passes?

核心工作流程

第一步：获取 API 格式的工作流 JSON 文件

工作流必须采用 API 格式（每个节点均包含 class_type 属性）。这些工作流来源包括：

• ComfyUI 网页界面 → Workflow → Export (API)（新版界面）或旧版界面中的“Save (API Format)”按钮；
• 该技能自带的 workflows/ 目录（可直接运行的示例）；
• 社区下载的资源（如 civitai、Reddit、Discord 等平台），这类文件通常为编辑器格式，需先导入 ComfyUI 再重新导出。

编辑器格式（以顶层 nodes 和 links 数组的形式存在）无法直接执行。相关脚本会检测到这一点，并提示用户需要重新导出。

第二步：查看哪些参数可被控制

python scripts/extract_schema.py workflow_api.json --summary-only
# → {"parameter_count": 12, "has_negative_prompt": true, "has_seed": true, ...}

python scripts/extract_schema.py workflow_api.json
# → full schema with parameters, model deps, embedding refs

第3步：带参数运行

# Local (defaults to http://127.0.0.1:8188)
python scripts/run_workflow.py \
  --workflow workflow_api.json \
  --args '{"prompt": "a beautiful sunset over mountains", "seed": -1, "steps": 30}' \
  --output-dir ./outputs

# Cloud (export API key once; uses correct /api routing automatically)
export COMFY_CLOUD_API_KEY="comfyui-..."
python scripts/run_workflow.py \
  --workflow workflow_api.json \
  --args '{"prompt": "..."}' \
  --host https://cloud.comfy.org \
  --output-dir ./outputs

# Real-time progress via WebSocket (requires `pip install websocket-client`)
python scripts/run_workflow.py \
  --workflow flux_dev.json \
  --args '{"prompt": "..."}' \
  --ws

# img2img / inpaint: pass --input-image to upload + reference automatically
python scripts/run_workflow.py \
  --workflow sdxl_img2img.json \
  --input-image image=./photo.png \
  --args '{"prompt": "make it watercolor", "denoise": 0.6}'

# Batch / sweep: 8 random seeds, parallel up to cloud tier limit
python scripts/run_batch.py \
  --workflow sdxl.json \
  --args '{"prompt": "abstract"}' \
  --count 8 --randomize-seed --parallel 3 \
  --output-dir ./outputs/batch

当 seed 参数设置为 -1（或使用 --randomize-seed 选项省略该参数）时，每次运行都会生成一个全新的随机种子。

第 4 步：展示结果

脚本会向标准输出输出 JSON 格式的内容，详细说明每个输出文件的信息：

{
  "status": "success",
  "prompt_id": "abc-123",
  "outputs": [
    {"file": "./outputs/sdxl_00001_.png", "node_id": "9",
     "type": "image", "filename": "sdxl_00001_.png"}
  ]
}

决策树

设置与入门指南

当用户请求设置 ComfyUI 时，首要步骤是询问他们希望使用 Comfy Cloud（托管服务，无需安装，仅需 API 密钥）还是本地模式（在自身设备上安装 ComfyUI）。在得到答复之前，请勿开始运行任何安装命令或进行硬件检测。

官方文档： https://docs.comfy.org/installation
CLI 文档： https://docs.comfy.org/comfy-cli/getting-started
云服务文档： https://docs.comfy.org/get_started/cloud
云服务 API： https://docs.comfy.org/development/cloud/overview

第 0 步：确认是本地模式还是云服务模式（务必先问此问题）

推荐对话脚本：

“您希望在自己的设备上本地运行 ComfyUI，还是使用 Comfy Cloud？

• Comfy Cloud — 依托 RTX 6000 Pro GPU 运行，所有常用模型均已预装，无需额外设置。使用时需要 API 密钥（实际运行工作流需订阅付费服务；免费套餐仅支持读取功能）。如果您没有性能足够的 GPU，此选项较为合适。
• 本地模式 — 免费使用，但您的设备必须满足以下硬件要求：
  • 配备 ≥6 GB 显存 的 NVIDIA GPU（SDXL 模型需 ≥8 GB，Flux/video 模型需 ≥12 GB），或
  • 支持 ROCm 的 AMD GPU（仅限 Linux 系统），或
  • 配备 ≥16 GB 统一内存 的 Apple Silicon Mac（M1+ 系列，建议 ≥32 GB）。
  • Intel Mac 以及无 GPU 的设备无法使用本地模式——请选择云服务方案。

您希望选择哪种方式？”

后续处理流程：

• 选择云服务 → 直接进入 路径 A。
• 选择本地模式 → 先进行硬件检测，再根据检测结果从路径 B–E 中选择相应步骤。
• 尚未决定 → 先执行硬件检测，由检测结果决定后续操作。

第一步：验证硬件（仅当用户选择本地运行时需要执行）

python scripts/hardware_check.py --json
# Optional: also probe `torch` for actual CUDA/MPS:
python scripts/hardware_check.py --json --check-pytorch

该脚本还会显示 wsl: true（通过 NVIDIA passthrough 技术在 WSL2 环境中运行）以及 rosetta: true（在 Apple Silicon 平台上使用 x86_64 版 Python——此类系统需重新安装为 ARM64 版本）。

若判定结果为 cloud，但用户仍希望本地安装，则不应默默继续操作。应原样显示 notes 数组中的内容，并询问用户是选择(a)切换至云端，还是(b)强行进行本地安装（在现代模型上这将导致内存不足或运行速度极慢）。

选择安装路径

首先进行硬件检测。只有当用户已明确告知其硬件配置时，才使用下表中的建议作为替代方案。

对于完全自动化的流程（硬件检测 → 安装 → 启动 → 验证）：

bash scripts/comfyui_setup.sh
# Or with overrides:
bash scripts/comfyui_setup.sh --m-series --port=8190 --workspace=/data/comfy

它会在内部运行 hardware_check.py，若检测结果为“云端”则拒绝进行本地安装（除非使用了 --force-cloud-override 参数），同时会选择合适的 comfy-cli 参数，并优先使用 pipx/uvx 而非全局的 pip，以避免污染系统 Python 环境。

方案 A：Comfy Cloud（无需本地安装）

适用于没有高性能 GPU 或希望无需任何配置的用户。服务运行在 RTX 6000 Pro 上。

文档链接： https://docs.comfy.org/get_started/cloud

1. 在 https://comfy.org/cloud 注册账号
2. 在 https://platform.comfy.org/login 处生成 API 密钥
3. 设置该密钥：

   export COMFY_CLOUD_API_KEY="your-comfyui-key"
   

4. 运行工作流：

   python scripts/run_workflow.py \
     --workflow workflows/flux_dev_txt2img.json \
     --args '{"prompt": "..."}' \
     --host https://cloud.comfy.org \
     --output-dir ./outputs
   

价格信息： https://www.comfy.org/cloud/pricing
并发任务数量： 免费版/标准版为1个，创作者版为3个，专业版为5个。免费套餐适用。
无法通过API运行工作流——仅可浏览模型。若需使用 /api/prompt、/api/upload/*、/api/view 等接口，则必须订阅付费服务。

方案B：ComfyUI桌面版（Windows / macOS）

专为非技术用户设计的单键安装程序，目前处于测试阶段。

文档说明： https://docs.comfy.org/installation/desktop

• Windows（NVIDIA显卡）： https://download.comfy.org/windows/nsis/x64
• macOS（Apple Silicon芯片）： https://comfy.org

桌面版不支持Linux系统——请选择方案D。

方案C：ComfyUI便携版（仅Windows系统）

文档说明： https://docs.comfy.org/installation/comfyui_portable_windows

可从 https://github.com/comfyanonymous/ComfyUI/releases 下载文件，解压后运行 run_nvidia_gpu.bat。如需更新，则执行 update/update_comfyui_stable.bat。

方案D：comfy-cli（所有平台适用——推荐用于Agent场景）

官方命令行工具是实现无界面/自动化部署的最佳选择。

文档说明： https://docs.comfy.org/comfy-cli/getting-started

安装comfy-cli

# Recommended:
pipx install comfy-cli
# Or use uvx without installing:
uvx --from comfy-cli comfy --help
# Or (if pipx/uvx unavailable):
pip install --user comfy-cli

以非交互方式禁用分析功能：

comfy --skip-prompt tracking disable

安装 ComfyUI

comfy --skip-prompt install --nvidia              # NVIDIA (CUDA)
comfy --skip-prompt install --amd                 # AMD (ROCm, Linux)
comfy --skip-prompt install --m-series            # Apple Silicon (MPS)
comfy --skip-prompt install --cpu                 # CPU only (slow)
comfy --skip-prompt install --nvidia --fast-deps  # uv-based dep resolution

默认路径为：Linux系统下为~/comfy/ComfyUI，macOS/Windows系统下为~/Documents/comfy/ComfyUI。如需更改路径，可使用命令comfy --workspace /custom/path install进行指定。

启动 / 验证

comfy launch --background                       # background daemon on :8188
comfy launch -- --listen 0.0.0.0 --port 8190    # LAN-accessible custom port
curl -s http://127.0.0.1:8188/system_stats      # health check

路径 E：手动安装（高级版/不支持的硬件）

适用于 Ascend NPU、Cambricon MLU、Intel Arc 以及其他不受支持的设备。

文档链接： https://docs.comfy.org/installation/manual_install

git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu130
pip install -r requirements.txt
python main.py

安装完成后：下载模型

# SDXL (general purpose, ~6.5 GB)
comfy model download \
  --url "https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/resolve/main/sd_xl_base_1.0.safetensors" \
  --relative-path models/checkpoints

# SD 1.5 (lighter, ~4 GB, good for 6 GB cards)
comfy model download \
  --url "https://huggingface.co/stable-diffusion-v1-5/stable-diffusion-v1-5/resolve/main/v1-5-pruned-emaonly.safetensors" \
  --relative-path models/checkpoints

# Flux Dev fp8 (smaller variant, ~12 GB)
comfy model download \
  --url "https://huggingface.co/Comfy-Org/flux1-dev/resolve/main/flux1-dev-fp8.safetensors" \
  --relative-path models/checkpoints

# CivitAI (set token first):
comfy model download \
  --url "https://civitai.com/api/download/models/128713" \
  --relative-path models/checkpoints \
  --set-civitai-api-token "YOUR_TOKEN"

列出已安装的节点：comfy model list。

安装完成后：安装自定义节点

comfy node install comfyui-impact-pack             # popular utility pack
comfy node install comfyui-animatediff-evolved     # video generation
comfy node install comfyui-controlnet-aux          # ControlNet preprocessors
comfy node install comfyui-essentials              # common helpers
comfy node update all
comfy node install-deps --workflow=workflow.json   # install everything a workflow needs

安装完成后：验证操作

python scripts/health_check.py
# → comfy_cli on PATH? server reachable? checkpoints? smoke test?

python scripts/check_deps.py my_workflow.json
# → are this workflow's nodes/models/embeddings installed?

python scripts/run_workflow.py \
  --workflow workflows/sd15_txt2img.json \
  --args '{"prompt": "test", "steps": 4}' \
  --output-dir ./test-outputs

图像上传（img2img / 修复绘图）

最简单的方法是使用 run_workflow.py 并结合 --input-image 参数：

python scripts/run_workflow.py \
  --workflow workflows/sdxl_img2img.json \
  --input-image image=./photo.png \
  --args '{"prompt": "make it cyberpunk", "denoise": 0.6}'

该标志会上传photo.png文件，随后将其服务器端的文件名注入到名为image的任意架构参数中。对于图像修复任务，则需同时传入这两个参数。

python scripts/run_workflow.py \
  --workflow workflows/sdxl_inpaint.json \
  --input-image image=./photo.png \
  --input-image mask_image=./mask.png \
  --args '{"prompt": "fill with flowers"}'

通过 REST 接口手动上传：

curl -X POST "http://127.0.0.1:8188/upload/image" \
  -F "image=@photo.png" -F "type=input" -F "overwrite=true"
# Returns: {"name": "photo.png", "subfolder": "", "type": "input"}

# Cloud equivalent:
curl -X POST "https://cloud.comfy.org/api/upload/image" \
  -H "X-API-Key: $COMFY_CLOUD_API_KEY" \
  -F "image=@photo.png" -F "type=input" -F "overwrite=true"

云端特定设置

• 基础网址： https://cloud.comfy.org
• 认证方式： 使用 X-API-Key 请求头（WebSocket 则使用 ?token=KEY）
• API 密钥： 仅需设置一次 $COMFY_CLOUD_API_KEY，脚本便会自动读取该密钥
• 输出文件下载： /api/view 会返回一个指向带签名 URL 的 302 状态跳转；脚本会跟随该链接，并在从存储后端获取数据前移除 X-API-Key（从而避免 API 密钥泄露至 S3/CloudFront）
• 与本地 ComfyUI 的端点差异：
  • /api/object_info、/api/queue、/api/userdata —— 免费套餐用户无法访问，会返回 403 错误；仅付费用户可使用。
  • 云端版本中 /history 已更名为 /history_v2，脚本会自动进行路由跳转。
  • 云端版本中 /models/<folder> 已更名为 /experiment/models/<folder>，脚本同样会自动处理路由。
  • WebSocket 连接中当前的 clientId 参数会被忽略——同一用户的所有连接都会收到相同的广播信息，需在客户端通过 prompt_id 进行过滤。
  • 上传文件时虽支持 subfolder 参数，但实际会被忽略——云端采用扁平化的命名空间结构。
• 并发任务限制： 免费/标准套餐：1 个；创作者套餐：3 个；专业套餐：5 个。超出限额的任务会自动进入队列。如需充分利用对应套餐的并发上限，可使用 run_batch.py --parallel N 命令。

队列与系统管理

# Local
curl -s http://127.0.0.1:8188/queue | python -m json.tool
curl -X POST http://127.0.0.1:8188/queue -d '{"clear": true}'    # cancel pending
curl -X POST http://127.0.0.1:8188/interrupt                      # cancel running
curl -X POST http://127.0.0.1:8188/free \
  -H "Content-Type: application/json" \
  -d '{"unload_models": true, "free_memory": true}'

# Cloud — same paths under /api/, plus:
python scripts/fetch_logs.py --tail-queue --host https://cloud.comfy.org

常见问题

1. 必须使用 API 格式 — 所有的脚本以及 /api/prompt 接口均要求输入符合 API 格式的流程 JSON。这些脚本会检测到编辑器格式（即顶层的 nodes 和 links 数组），并提示您通过“流程 → 导出（API）”（新版界面）或“保存（API 格式）”（旧版界面）重新导出。

2. 服务器必须处于运行状态 — 所有操作都需要一个正在运行的服务器。comfy launch --background 可以启动服务器，您可以通过 curl http://127.0.0.1:8188/system_stats 来确认服务器是否正常运行。

3. 模型名称必须完全准确 — 名称区分大小写，且必须包含文件扩展名。check_deps.py 会进行模糊匹配（包括带/不带扩展名以及目录前缀的情况），但流程本身必须使用标准名称。您可以使用 comfy model list 查看已安装的模型。

4. 缺少自定义节点 — 出现“class_type not found”错误表示有必需的节点未安装。check_deps.py 会提示需要安装哪个包，而 auto_fix_deps.py 可以自动为您完成安装。

5. 工作目录问题 — comfy-cli 会自动检测 ComfyUI 的工作目录。如果出现“未找到工作目录”的错误，请使用 comfy --workspace /path/to/ComfyUI <command> 或 comfy set-default /path/to/ComfyUI 来指定工作目录。

6. 云服务免费套餐的 API 限制 — 对于免费账户，/api/prompt、/api/view、/api/upload/* 和 /api/object_info 等接口都会返回 403 错误。health_check.py 和 check_deps.py 能够妥善处理这种情况，并给出明确的提示信息。

7. 视频/音频工作流的超时设置——当输出节点为 VHS_VideoCombine、SaveVideo 等类型时会自动检测该设置；默认值从 300 秒延长至 900 秒。如需手动修改，可使用 --timeout 1800 参数进行指定。

8. 输出文件名中的路径遍历防护——服务器提供的文件名会经过 safe_path_join 处理，从而阻止任何试图绕过 --output-dir 设置的路径。请始终启用此防护机制，因为使用自定义保存节点的工作流可能会生成任意路径。

9. 工作流 JSON 即为任意代码——由于自定义节点会运行 Python 代码，因此提交未知工作流时其信任级别与执行 eval 函数相当。在运行之前，请务必检查来自不可信来源的工作流内容。

10. 自动随机化种子值——在 --args 参数中传入 seed: -1（或使用 --randomize-seed 选项而不指定具体种子值），即可让每次运行都生成新的种子值。实际的种子值会被记录到标准错误流中。

11. tracking 提示——首次运行 comfy 时可能会出现关于数据统计的提示。如需跳过该交互式提示，可使用 comfy --skip-prompt tracking disable 命令。comfyui_setup.sh 脚本已自动处理了此项设置。

验证检查清单

可使用 python scripts/health_check.py 一次性运行所有检查项。也可手动逐一验证。

• hardware_check.py 的检测结果为 ok，或者用户明确选择了 Comfy Cloud
• comfy --version 命令能够正常运行（或 uvx --from comfy-cli comfy --help 命令也可正常使用）
• curl http://HOST:PORT/system_stats 命令能返回 JSON 格式的数据
• comfy model list 命令能显示至少一个本地检查点，或者 /api/experiment/models/checkpoints 接口能返回云端模型列表
• 工作流 JSON 文件符合 API 格式要求
• check_deps.py 命令检测结果显示 is_ready: true（若处于云端免费套餐，则仅显示 node_check_skipped）
• 使用小型工作流进行测试运行后能够成功完成，输出结果将保存在 --output-dir 指定的目录中