手动安装

手动安装让你可以完全控制 Python 环境、PyTorch 版本和 CUDA 配置。此方法推荐给开发者和高级用户。

前置条件

开始之前请先安装以下工具：

Python 3.12 或 3.13（推荐 3.13）— 从 python.org 下载
- 安装时勾选 "Add Python to PATH"
Git — 从 git-scm.com 下载
NVIDIA GPU 驱动 — 从 nvidia.com 下载

第一步：克隆仓库

打开命令提示符或 PowerShell：

git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

第二步：创建虚拟环境（推荐）

python -m venv venv
venv\Scripts\activate

你应该会在命令提示符的开头看到 (venv)。

第三步：安装 PyTorch

安装与你的 NVIDIA 驱动匹配的 CUDA 版本的 PyTorch。首先检查你的驱动版本：

nvidia-smi

然后选择正确的 PyTorch 安装命令：

NVIDIA GPU — CUDA 版本对照

驱动版本	CUDA 版本	PyTorch 命令
560+	CUDA 12.6	`pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu126`
570+	CUDA 12.8	`pip install torch==2.8.0 torchvision==0.23.0 torchaudio==2.8.0 --index-url https://download.pytorch.org/whl/cu128`
575+	CUDA 13.0	`pip install torch==2.9.1 torchvision==0.24.1 torchaudio==2.9.1 --index-url https://download.pytorch.org/whl/cu130`

RTX 50 系列用户

RTX 5070 Ti / 5080 / 5090 需要 CUDA 12.8 或更高版本。确保你的驱动版本为 570+，并使用 CUDA 12.8 或 13.0 的 PyTorch 构建。详见 GPU 兼容性获取完整的驱动-CUDA-PyTorch 对照表。

如果你不确定，CUDA 12.6 构建适用于大多数 RTX 20/30/40 系列显卡：

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu126

AMD GPU（Linux + ROCm）

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm6.2.4

仅 CPU

pip install torch torchvision torchaudio

第四步：安装依赖

pip install -r requirements.txt

更快的替代方案：uv

uv 是一个更快的 Python 包安装器（用 Rust 编写）。安装后，你可以将任何 pip install 命令替换为 uv pip install，下载速度提升 10-100 倍：
pip install uv
uv pip install -r requirements.txt

第五步：下载模型

将至少一个 checkpoint 模型放入 models/checkpoints/：

ComfyUI/
└── models/
    └── checkpoints/    ← 将 .safetensors 文件放在这里

参见下载模型获取模型推荐。

第六步：运行 ComfyUI

python main.py

看到 Starting server 后，在浏览器中打开 http://127.0.0.1:8188。

使用 comfy-cli（替代方案）

comfy-cli 是一个命令行工具，可以自动化手动安装流程：

pip install comfy-cli
comfy install

它可以一条命令完成克隆、虚拟环境创建、PyTorch 安装和依赖配置。

更新

cd ComfyUI
git pull
pip install -r requirements.txt

故障排除

问题	解决方案
找不到 `python` 命令	重新安装 Python 并勾选 "Add to PATH"，或者使用 `python3`
安装 PyTorch 后 `CUDA not available`	PyTorch 的 CUDA 版本与你的驱动不匹配。使用 `nvidia-smi` 检查后重新安装匹配的 PyTorch
`ModuleNotFoundError`	确保虚拟环境已激活，然后运行 `pip install -r requirements.txt`
pip install 时出现构建错误	安装 Visual Studio Build Tools — 某些包需要 C++ 编译器
`torch.cuda.OutOfMemoryError`	使用 `python main.py --lowvram` 运行