跳到主要内容

【初级】在 MTT AIBOOK 本地运行 ComfyUI

更新日志​

版本日期变更描述
1.0.02026-01-29初始版本，包含 ComfyUI 在 AI 算力本 MTT AIBOOK（版本 A141）上的部署、配置及使用指南。
1.0.12026-08-10更新 ComfyUI 版本，替换原有安装流程、Python 版本要求、模型目录名及 SDXL-Lightning 工作流。

1. 目标与范围​

本教程指导开发者在 AI 算力本 MTT AIBOOK 上部署和使用 ComfyUI，通过可视化节点工作流实现 AI 图像生成，无需编程即可构建专属的图像生成流程。

难度：初级，适合新手入门体验

2. 前置条件​

在开始本教程之前，请确保您已满足以下所有条件：

  • 硬件:
    • AI 算力本 MTT AIBOOK，版本 A141。
    • 至少预留 16 GB 可用磁盘空间，用于保存压缩包、解压后的文件、模型和项目虚拟环境。
  • 软件:
    • MTT AIBOOK 操作系统 AIOS (1.3.1-B15) 及以上版本。
    • 设备已配置管理员权限（可使用 sudo 命令）。
    • 网络环境通畅，可访问互联网（需下载 ComfyUI 及模型文件）。
    • 需要安装 Python 3.10；包内离线 wheel 不支持 Python 3.11/3.12。
    • 已安装 wget 或 curl 下载工具（用于获取工具包）。

3. 环境部署​

本章节描述如何获取 ComfyUI 并完成环境配置。

3.1 下载 ComfyUI​

  1. 使用 wget 命令下载 MTT AIBOOK 版 ComfyUI 工具包。

    wget https://apollo-appstore-pre.tos-cn-beijing.volces.com/appstore/release/comfyui-musa/releases/ComfyUI-0.3.26-torchmusa-2.9.0-m1000-ready-20260804.tar.zst

    工具包将下载到当前目录。

  2. 解压工具包到目标目录。

    tar --zstd -xf ComfyUI-0.3.26-torchmusa-2.9.0-m1000-ready-20260804.tar.zst
    cd ComfyUI  # 进入解压后的目录
    提示

    请记录 ComfyUI 的安装路径，后续操作将在此目录下进行。

3.2 安装依赖组件​

  1. 定位到 ComfyUI 项目目录。

    cd /path/to/ComfyUI  # 替换为您的实际下载路径

  2. 首次安装并启动 ComfyUI。该脚本会自动创建项目内的 Python 3.10 虚拟环境。

    ./start-m1000.sh

    首次运行会从 vendor-wheels 离线安装 PyTorch 2.9.0、TorchMUSA 2.9.0 和其他依赖，验证 M1000 后启动服务；后续仍可执行 ./start-m1000.sh 启动。

4. 最佳实践​

本章节指导您使用 ComfyUI 的核心场景及常用操作。

场景 1：启动 ComfyUI 服务​

通过命令行启动 ComfyUI Web 服务，提供可视化节点工作流界面：

  1. 定位到 ComfyUI 项目目录。

    cd /path/to/ComfyUI  # 替换为您的实际路径

  2. 使用一键脚本启动 ComfyUI 服务（MUSA GPU 模式）。

    ./start-m1000.sh

    脚本默认配置说明：

    • COMFYUI_LISTEN_ADDRESS 默认为 0.0.0.0，监听所有网络接口。
    • COMFYUI_PORT 默认为 8188。
    • COMFYUI_MUSA_DEVICE 默认为 0，即第一块 MUSA 设备。
    • 脚本自动启用 GPU-only、FP16 和 FP16 UNet 参数。

  3. 验证服务启动。当看到类似以下输出时，说明 ComfyUI 服务已启动：

    Starting server
    To see the GUI go to: http://0.0.0.0:8188

    日志中的 http://0.0.0.0:8188 表示监听地址，不是浏览器访问地址。

  4. 访问 ComfyUI 界面。

    • 在本地设备：打开浏览器，访问 http://127.0.0.1:8188
    • 在远程设备：打开浏览器，访问 http://设备实际IP:8188（需确保网络可达）

  5. 停止服务。在终端中按 Ctrl+C 终止运行。

场景 2：使用工作流模板生成图像​

通过 ComfyUI 提供的工作流模板，快速体验文本到图像的生成功能：

步骤 1： 从工作流模板加载示例工作流​

  1. 在 ComfyUI 界面中，点击顶部菜单栏的 “工作流”（Workflow）。

  2. 点击 “浏览模板”（Browse Templates）。

  3. 选择工作流模板。

    在模板列表中，选择第一个工作流 “图像生成”（Image Generation）来加载它。

  4. 下载缺失的模型（如需要）。

    如果弹出 “缺少模型” 界面，点击 “下载” 按钮自动下载所需模型。

    注意

    所有模型都存储在 <your ComfyUI installation>/ComfyUI/models/ 目录中，包含以下子文件夹：

    • checkpoints: 主模型文件
    • embeddings: 嵌入文件
    • vae: VAE 模型
    • loras: LoRA 模型
    • upscale_models: 放大模型

    ComfyUI 概览 ComfyUI 服务启动

步骤 2：从生成的图像中加载工作流​

ComfyUI 生成的图像包含元数据，其中包括完整的工作流信息：

  1. 将 ComfyUI 生成的图像拖放到界面中。或者使用菜单 Workflows -> Open 打开图像文件。

  2. 工作流将自动加载。系统会自动解析图像中的工作流信息并还原节点配置。该图片为 ComfyUI 提供的示例图片。

    ComfyUI 模型

步骤 3：生成第一张 AI 图片​

  1. 配置模型加载器。

    在 Checkpoint 加载器（Checkpoint Loader）中，确保选中 v1-5-pruned-emaonly-fp16.safetensors 模型。

  2. 点击 “运行”（Queue Prompt）按钮。

  3. 等待生成完成。

    生成过程可能需要几秒到几分钟，取决于图像分辨率和模型复杂度。

    ComfyUI 提示词

  4. 查看生成的图像。

    生成的图像将显示在 “保存图像”（Save Image）节点中，并自动保存到本地。

  5. 多次生成尝试。

    如果对结果不满意，可以多次点击运行。每次运行时，KSampler 会根据 seed 参数使用不同的随机种子，因此每次生成都会产生不同的结果。

步骤 4：生成自定义图片​

通过修改提示词来生成自定义内容：

  1. 理解正面提示词和负面提示词的条件输入。

    • 正面提示词（Positive Prompt）：连接到 KSampler 的正面条件，引导模型生成目标内容。
    • 负面提示词（Negative Prompt）：连接到负面条件，引导模型避开不想要的内容。 ComfyUI 生成结果

  2. 修改 CLIP 文本编码器中的文本。

    在 CLIP 文本编码器（CLIP Text Encode）节点中，修改正面提示词和负面提示词。

    • 正面提示词示例：

      anime style, 1girl with long pink hair, cherry blossom background, studio ghibli aesthetic, soft lighting, intricate details
      masterpiece, best quality, 4k

    • 负面提示词示例：

      low quality, blurry, deformed hands, extra fingers

  3. 点击运行生成图像。

技术说明：正面/负面提示词与文本编码器

正面提示词和负面提示词会分别编码为两组条件，用于引导采样器生成目标内容并抑制不希望出现的内容。

两组条件输入不等同于两套独立文本编码器；实际使用的编码器数量由具体模型架构决定。

例如，SDXL 内部包含多个文本编码器，但相关组合过程由模型加载器和文本编码节点统一封装。

场景 3：部署 Hugging Face 模型生成图片​

ComfyUI 本身不内置模型，但允许您自由加载各类 Stable Diffusion 模型。Hugging Face 是目前主流的模型托管平台之一。

步骤 1：选择并下载模型​

以 sdxl_lightning_4step 为例，展示自定义加载模型的方式：

  1. 下载模型文件。

    wget https://huggingface.co/ByteDance/SDXL-Lightning/resolve/main/sdxl_lightning_4step.safetensors

    或者访问 Hugging Face 模型页面 选择合适的模型。

  2. 保存模型到指定目录。

    mv sdxl_lightning_4step.safetensors ComfyUI/models/checkpoints/

    模型文件应放置在 ComfyUI/models/checkpoints/ 目录下。

  3. 刷新或重启 ComfyUI。

    重启服务后，新模型将出现在 Checkpoint 加载器的下拉列表中。

步骤 2：导入工作流​

  1. 下载官方工作流文件。

    wget https://huggingface.co/ByteDance/SDXL-Lightning/resolve/main/comfyui/sdxl_lightning_workflow_lora.json

  2. 在 ComfyUI 界面中导入工作流。

    1. 点击菜单 Workflows -> Load。
    2. 选择下载的 sdxl_lightning_workflow_lora.json 文件。

  3. 配置模型加载器。在 Checkpoint 加载器中选择 sdxl_lightning_4step.safetensors。

步骤 3： 输入提示词并生成图片​

  1. 在文本编码器节点中输入提示词。

    • 正面提示词：描述您想要生成的内容。
    • 负面提示词：描述您不想要的内容。

  2. 点击 “运行” 按钮。

  3. 等待生成完成并查看结果。生成的图像将自动保存到本地，可在界面中查看。

进阶操作：ComfyUI 工作流设计技巧​

  1. 理解核心节点。

    • 模型加载器（Checkpoint Loader）：加载主模型。
    • 文本编码器（CLIP Text Encode）：将文本转换为模型可理解的向量。
    • K 采样器（KSampler）：执行去噪迭代过程。
    • VAE 解码器（VAE Decode）：将潜在空间转换为图像。
    • 保存图像（Save Image）：保存生成的图像。

  2. 理解数据流向。

    从 Prompt → 编码 → 去噪 → 解码 → 输出的完整流程。

  3. 使用多个 Prompt 输入。

    可以创建多个文本编码器节点，实现更复杂的提示词组合。

常用操作命令​

操作命令
下载 ComfyUIwget https://apollo-appstore-pre.tos-cn-beijing.volces.com/appstore/release/comfyui-musa/releases/ComfyUI-0.3.26-torchmusa-2.9.0-m1000-ready-20260804.tar.zst
解压工具包tar --zstd -xf ComfyUI-0.3.26-torchmusa-2.9.0-m1000-ready-20260804.tar.zst
进入项目目录cd ComfyUI
首次安装并启动./start-m1000.sh
后续启动 ComfyUI 服务./start-m1000.sh
下载模型到 checkpointswget [模型 URL] -P models/checkpoints/
停止服务终端中按 Ctrl+C

5. 附录​

5.1 核心特点​

ComfyUI 在 MTT AIBOOK 上的部署具有以下核心优势：

  • 本地化部署：所有模型与流程均在 MTT AIBOOK 本地运行，保障创作数据隐私与处理速度。
  • 节点化创作：通过可视化节点编排生成步骤，清晰可控，支持复杂流程设计与逻辑调试。
  • 灵活可扩展：支持社区插件与自定义节点，可持续拓展您的创作工具箱。
  • 零代码上手：无需编程基础，通过连接节点即可实现专业级 AI 图像生成流程。

5.2 技术背景：为什么 ComfyUI 是 MTT AIBOOK 生态能力的展现？​

上游 ComfyUI 可通过不同 PyTorch 后端适配多类硬件，但普通 CUDA 安装方式不能直接用于 MTT AIBOOK 的 M1000 GPU。M1000 需要匹配的 MUSA 驱动、MUSA SDK、TorchMUSA 以及经过适配的 ComfyUI 发布包。

MTT AIBOOK 搭载摩尔线程 M1000 GPU。本发布包通过 PyTorch 2.9.0、TorchMUSA 2.9.0 和针对 MUSA 后端的 ComfyUI 适配，实现模型加载、采样、VAE 解码和图像保存等完整流程。

这不仅仅是“跑通一个 UI 工具”，更代表了 MTT AIBOOK 生态适配能力的体现：

  • 支持国产架构的 AI 部署能力
  • 跨平台、异构 GPU 的兼容适配能力
  • 对复杂项目（如 ComfyUI）底层逻辑的理解与重构能力

MTT AIBOOK 的软硬协同能力，完美展现。

5.3 ComfyUI 进阶建议​

1. 完整学习 ComfyUI 的核心节点​

学习文生图、图生图、区域控制等常用的核心节点，理解每个节点的功能与参数含义。

2. 精通工作流设计：从模板“使用者”变成“构建者”​

  • 尝试从零开始创建工作流：
    • 拖出模型加载器、文本编码器、UNet、采样器、保存节点，理解每个组件作用。
    • 理解数据流向：从 Prompt → 编码 → 去噪 → 解码 → 输出。
    • 学会使用多个 Prompt 输入、多分支图结构。

3. 学会使用 ControlNet：精准控制图像结构​

  • 下载 ControlNet 模型（如 Canny、Pose、Depth 等 .pt 文件）。
  • 在工作流中加入 ControlNetLoader 与 ControlNetApply 节点。
  • 使用图像 + 文本联合生成，实现线稿上色、姿态复现、图转图创作。

4. 玩转 LoRA 微调模型：创造您的专属风格​

  • 下载 .safetensors 格式 LoRA 模型。
  • 拖出 Load LoRA 节点，设置路径与权重。
  • LoRA 可用于：角色还原、人设风格统一、训练您自己的模型。

5. 加入社区扩展生态​

  • 安装社区插件（如 ComfyUI Manager、NodeSuite 等）。
  • 获取更多专业节点（如 Prompt 树状控制、遮罩处理、自动标签生成等）。
  • 跟进 Discord / GitHub / Hugging Face 的最新社区流派与范例。

5.4 常见问题​

问题描述可能原因解决方案
服务启动失败或报错依赖未正确安装或 Python 版本不兼容。1. 检查 Python 3.10：python3.10 --version。
2. 重新执行一键脚本：./start-m1000.sh。
3. 检查错误日志定位具体问题。
浏览器无法访问 ComfyUI 界面防火墙限制或 IP/端口错误。1. 检查服务是否启动：ps aux | grep main.py 。
2. 确认访问地址正确：http://[device_ip]:8188 。
3. 检查防火墙设置。
模型加载失败模型文件路径错误或文件损坏。1. 确认模型文件在 models/checkpoints/ 目录下。
2. 检查文件完整性。
3. 确认模型格式正确。
生成图像时出现 OOM（内存不足）GPU 内存不足或图像分辨率过大。1. 降低图像分辨率。
2. 使用量化模型。
3. 减小批处理大小。
工作流模板无法加载模板文件格式错误或版本不兼容。1. 确认模板文件为有效的 JSON 格式。
2. 检查 ComfyUI 版本是否支持该模板。
3. 尝试从官方示例重新下载模板。
提示词效果不明显提示词编写不当或模型选择不合适。1. 参考优秀提示词示例。
2. 调整提示词权重。
3. 尝试不同的模型。

5.5 相关资源​

版权所有 2024 摩尔线程，本文档受国际版权法保护。

摩尔线程和摩尔线程徽标是摩尔线程智能科技 (北京)有限责任公司的注册商标。

免责声明

本文档提供有关摩尔线程产品的信息。本文档并未授权任何知识产权的许可，并未以明示或暗示，或以禁止反言或其他方式授予任何知识产权许可。