装好 SDXL 的 ComfyUI：新手环境与常用节点一次配齐

2026-09-09 · comfyui SDXL 自托管

上一篇我们分析了 SD1.5 生成人物肢体残缺的根源——训练分辨率低、架构容量有限，这不是提示词能弥补的问题。结论很明确：如果目标是稳定产出可用的图，应该把环境升级到 SDXL。这一篇讲具体的操作：如何在 ComfyUI 里搭好一个 SDXL 的运行环境，并把常用节点和插件一次配置到位。

为什么是 SDXL

SDXL（Stable Diffusion XL）是 Stability AI 在 2023 年发布的模型，与 SD1.5 相比有几个实质性的差别：

分辨率从 512 提升到 1024。 SD1.5 的原生训练分辨率是 512×512，直接生成 1024 的图会出现重复肢体、畸变；SDXL 原生就是 1024，细节和构图都有明显提升，放大后也经得起看。

人体结构显著改善。 SDXL 的 UNet 参数量约为 SD1.5 的三倍，配合更大的训练数据，手部、肢体、多人场景的出错率明显下降。上一篇里的残手断脚问题，大部分在 SDXL 下不会出现。

生态成熟。 目前主流的 LoRA、ControlNet、放大方案基本都围绕 SDXL 开发，新模型和新插件也默认适配 SDXL。选择它意味着能直接用上整个生态，而不是在旧架构上自己折腾。

在显存（或 Mac 的统一内存）允许的前提下，SDXL 是当前文生图的合理默认选择。

环境准备：Mac mini M4 + ComfyUI Desktop

实测环境是 Mac mini M4、32G 内存，系统 macOS，使用 ComfyUI Desktop 版本。

推荐直接装 Desktop 版，它自带打包好的 Python 环境和依赖，省去了手动配 conda、装 PyTorch 的过程。安装步骤：

从 ComfyUI 官网（comfy.org）下载 macOS 版安装包，拖入 Applications 即完成安装。
首次启动会初始化环境、下载基础依赖，等待完成即可。
启动后看到节点画布和默认工作流，说明环境就绪。

Mac 上不需要单独装驱动或 CUDA，Apple Silicon 通过 MPS（Metal Performance Shaders）调用 GPU，ComfyUI 会自动识别。唯一的注意点是内存：32G 对 SDXL 够用，但同时也开着大型应用（如浏览器开几十个标签、Xcode）时会有压力，后文避坑部分会讲。

装好后确认一下模型目录结构。ComfyUI Desktop 的模型默认放在用户目录下：

~/Library/Application Support/ComfyUI/models/checkpoints

models/ 下还有 loras/、vae/、controlnet/、upscale_models/ 等子目录，分别对应不同类型的文件。后面装任何模型，先认清它属于哪类、放进哪个目录，这是新手最常出错的环节。

安装 SDXL 模型

基础模型从 HuggingFace 下载，官方仓库是 stabilityai/stable-diffusion-xl-base-1.0。需要的文件是 sd_xl_base_1.0.safetensors，约 6.9G。

除了浏览器手动下载，也可以用 huggingface-cli：

huggingface-cli download stabilityai/stable-diffusion-xl-base-1.0 sd_xl_base_1.0.safetensors --local-dir ~/Library/Application\ Support/ComfyUI/models/checkpoints

国内网络访问 HuggingFace 不稳定的话，可以用镜像站（如 hf-mirror.com），把下载地址的域名替换即可。

下载完成后把文件放进 models/checkpoints/，回到 ComfyUI 刷新一下（快捷键 R，或点右侧面板的刷新按钮），在「Load Checkpoint」节点的下拉列表里就能看到它。

建议再下载一个 refine 模型 sd_xl_refiner_1.0.safetensors（约 6.9G），用于二次精修，可选。硬盘紧张的话先只装 base，跑通流程再说。

核心节点配置

ComfyUI 的工作方式是把节点用线连成一张图。文生图的最小工作流由六个节点组成，每个节点的职责如下：

Load Checkpoint：加载模型。下拉选择 sd_xl_base_1.0.safetensors。它输出三路信号：MODEL 给采样器，CLIP 给提示词编码，VAE 给解码器。

CLIP Text Encode（正向/负向各一个）：把自然语言提示词编码成模型能理解的条件向量。一个写你想要的画面，一个写不想要的（如 lowres, bad anatomy, bad hands, watermark）。SDXL 的提示词对自然语言描述的响应比 SD1.5 好，不必堆砌逗号标签。

Empty Latent Image：生成空白潜空间画布。宽度、高度都设 1024，batch size 设 1。这个尺寸是关键——设回 512 会浪费 SDXL 的能力，设到 2048 则容易崩图且速度慢。

KSampler：采样核心。几个参数的含义：

seed：随机种子，固定它可以复现同一张图。
steps：采样步数，SDXL 一般 25–35 步，多了收益递减。
cfg：提示词引导强度，SDXL 推荐 6–8，过高会导致画面过饱和、僵硬。
sampler_name / scheduler：采样器组合，新手用 dpmpp_2m + karras 就很稳。

VAE Decode：把采样得到的潜空间数据解码成可见图像。输入接 KSampler 的 LATENT 和 Checkpoint 的 VAE。

Save Image：保存结果，接 VAE Decode 的 IMAGE 输出。

连线逻辑一句话概括：Checkpoint 出来的三路信号分别喂给提示词编码（CLIP）、KSampler（MODEL）、VAE Decode（VAE）；正向/负向提示词接 KSampler 的 conditioning 输入；Empty Latent 接 KSampler 的 latent_image 输入；KSampler 的输出经 VAE Decode 后到 Save Image。连完按右侧 Queue 或快捷键 Cmd+Enter，第一次生成会慢一些（模型加载），之后 M4 上出一张 1024 图大约一到两分钟。

常用插件

基础流程跑通后，按需求装这几类插件（通过 ComfyUI Manager 安装，Desktop 版自带）：

ComfyUI Manager：插件管理器，用来搜索、安装、更新其他插件，必装。

ControlNet：控制生成结果的构图、姿势、线稿。对实际干活来说这是最重要的插件——有了它才能「按指定姿势出图」「按草图上色」，而不是碰运气抽卡。模型文件放 models/controlnet/，SDXL 要选对应的 ControlNet 权重。

Upscale / 放大：把 1024 的图放大到 2048 以上用于输出。常用两套方案：模型放大（装 4x-UltraSharp 等放大模型，放 upscale_models/，用 Upscale Image 节点）+ 二次采样细化；或装 Tiled Diffusion 类插件分块放大，省内存。

中英翻译类（如 AIGCLIB、各种 Prompt 助手）：SDXL 对英文提示词效果最好，翻译插件可以边写中文边转换，降低门槛，可选。

避坑指南

内存不够。 Mac 上 SDXL 推理大约要占用 12–16G 统一内存。32G 的 M4 正常够用，但如果同时跑很多应用，系统会开始 swap，出图速度骤降甚至直接 killed。对策：生成前关掉大型应用；ComfyUI 设置里开启低显存模式（--lowvram）；batch size 保持 1。

模型放错目录。 checkpoint 放进 loras/、ControlNet 模型放进 checkpoints/，刷新后下拉列表里找不到，是新手第一大坑。判断标准：文件名带 checkpoint/base 字样的整图模型进 checkpoints，LoRA 进 loras，ControlNet 进 controlnet。放错了移动过去再刷新即可。

VAE 缺失或错误。 画面发灰、发绿、像蒙了层雾，大概率是 VAE 问题。SDXL base 的 checkpoint 内置了 VAE，一般不需要单独处理；如果用了裁剪过 VAE 的模型版本，需要单独下载 sdxl_vae.safetensors 放进 vae/，并在工作流里用 Load VAE 节点显式指定。

尺寸超限。 直接在 Empty Latent 里设 1536、2048 会导致画面重复、人物克隆、耗时暴增。正确做法是先 1024 出图，再用放大插件放大。SDXL 的原生分辨率是 1024，超过这个值越多，模型越容易失去对整体构图的控制。