comfyui

ComfyUI 图像工作流：用节点图组织 Stable Diffusion 推理，并通过 API 批量生成

补充说明

ComfyUI 是基于节点图的图像生成工作流工具，把模型加载、提示词编码、采样、VAE 解码、放大和保存等步骤连成可复用的图。它支持 Stable Diffusion、SDXL、Flux 等模型，以及 LoRA、ControlNet、IP-Adapter 等扩展；适合需要精细控制流程和批量生成的场景。

ComfyUI 是推理/编排工具，不训练模型。它把工作流保存成 JSON，通过 /prompt 提交、WebSocket 接收进度和结果。生产部署要关注显存、模型目录、自定义节点来源和 API 鉴权。

常用示例

# 启动服务，监听所有网卡
python main.py --listen 0.0.0.0 --port 8188

# 低显存模式
python main.py --lowvram

# 指定模型目录（按需）
python main.py --ckpt-dir /models/checkpoints \
  --lora-dir /models/loras --vae-dir /models/vae

# 通过 API 提交工作流（workflow.json 从界面导出 API 格式）
curl -X POST http://localhost:8188/prompt \
  -H 'Content-Type: application/json' \
  -d @workflow.json

# 查看队列
curl http://localhost:8188/queue

# 查看历史结果
curl http://localhost:8188/history

批量生成时用脚本修改工作流 JSON 里的提示词、种子和文件名，逐个提交并轮询 /history 或监听 WebSocket；不要把界面导出的“完整工作流”直接当 API 格式，要导出 API 格式。

易错点与排错

• 模型目录放错：checkpoint、LoRA、VAE、ControlNet 要放在 ComfyUI 识别的子目录；路径不对时节点会报找不到模型。
• 把界面工作流当 API 工作流：/prompt 需要 API 格式 JSON；在界面里用“Export (API)”导出，否则节点 ID 和字段不匹配。
• 自定义节点来源不可信：第三方节点可以执行任意代码；只安装可信来源，固定版本，并在隔离环境运行。
• 显存不足：高分辨率、批量、SDXL/Flux 和多个 ControlNet 会叠加显存；用 --lowvram、降低分辨率/批量或换更小模型。
• API 是异步的：/prompt 只返回 prompt_id，不会同步返回图片；要轮询 /history 或监听 WebSocket。
• 工作流 JSON 版本漂移：节点/插件升级后字段可能变化；把工作流和插件版本一起锁定。
• 输出目录权限/磁盘：批量生成会快速占用磁盘；设置输出目录、清理策略和磁盘告警。
• 直接暴露到公网：默认没有认证，任何人都能提交任务和读取结果；用反向代理、鉴权和网络隔离保护。

相关命令

• huggingface-cli — 下载模型、LoRA 与 VAE。
• transformers — 本地加载扩散/多模态模型。
• nvidia-smi — 查看生成时的显存占用。
• quantization — 模型量化与显存优化。
• triton — 另一种模型服务编排方式。

参考链接

• ComfyUI GitHub
• ComfyUI 文档
• ComfyUI API 示例

读完自测

合上页面，先回答，再展开对照。

1. ComfyUI 的工作流和 API 调用是什么关系？
2. 为什么不能直接把界面导出的工作流提交到 /prompt？
3. 生产环境暴露 ComfyUI 有哪些风险？