基于 ComfyUI 的社区镜像二次创作流程

👋

创作 ComfyUI 的社区镜像——三条路线，总有一款适合你

开箱即用：直接选用平台预装 ComfyUI-Manager 的基础镜像，缺什么节点模型一键补齐，复制现成工作流即可开工。
全链自建：本地写 Dockerfile，把 ComfyUI、插件、模型、流程一次打包成私有镜像，推到仓库，后续秒级批量部署。
在线改完即存：先拉官方或社区成品镜像跑起来，边跑边调节点/模型，调试满意后“关机→保存为新镜像”，随时复用。

一、从云主机 ComfyUI 基础镜像扩展工作流（推荐方式）

1. 环境准备

登录共绩算力云主机控制台，在社区镜像中选择我们自带 ComfyUI Manger 的基础镜像

可以直接通过复制或者从上方菜单工作流中直接打开需要的工作流（json 文件）

2. 下载缺失节点

方法一：通过 ComfyUI Manager 自动安装

在 WebUI 中点击 Manager → Install Missing Custom Nodes，工具会自行搜索缺失节点（如 ControlNet、IP-Adapter），点击安装。

节点安装完成后按照提示重新启动 comfyUI 刷新浏览器

方法二：手动克隆节点仓库以安装 ControlNet 为例：

当通过 ComfyUI Manager 自动安装时导入失败此时点击尝试修复大概率无法正常修复

此时我们可以通过 Install via Git URL 来从 github 仓库上直接拉取对应节点的内容

首先找到你要安装的插件的 Git 仓库，如 https://github.com/ltdrdata/ComfyUI-Manager

点击页面中绿色的 code 按钮
点击弹窗的 https 选项下输入框后的复制按钮
你将复制得到 https://github.com/ltdrdata/ComfyUI-Manager.git 的链接

复制进来即可开始下载

3. 补全模型与配置文件

3.1 通过官方的模型管理器下载补充模型

3.2 外部下载 & 导入模型

拿 Stable Diffusion XL 举例

这是 Stable Diffusion 的最新版本，它在 2.0 版本的基础上进行了进一步的优化和改进。
XL 版本的主要特点是其更大的模型大小，从 0.98B 扩大到 6.6B 参数，这使得它能够生成更高质量的图像。
XL 版本还引入了新的功能，如更有艺术感的图像，更真实的图像，以及更清晰可读的字体等。
模型官方介绍：Stable Diffusion xl 1.0 press release
下载链接：
- Base
- Refiner

3.2.1 模型下载

我常用的下载渠道有两个，一个是 HuggingFace，最后一个是 CivitAI 站点。

3.2.2 HuggingFace

你可以将 HuggingFace 理解为 AI 届的 Github。上面会有不少人或组织会将他们的模型分享到上面。你可以通过 HuggingFace 的搜索功能来搜索你想要的模型。

比如我们搜索 Stable Diffusion v1.5，你会看到这样的页面，然后我们点击页面里的 Files and versions 按钮（图中 1），接着你会看到很多文件，此时你需要选择你需要下载的模型文件，然后点击下载按钮或者获取到下载的链接后续在节点中进行终端下载操作： git clone https://huggingface.co/runwayml/stable-diffusion-v1-5

一般你会看到两种后缀的模型：

safetensors：这种模型一般用的是 numpy 格式保存，这就意味着它只保存了张量数据，没有任何代码，加载这类文件会更安全和更快。
ckpt：这种文件是序列化过的，这意味着它们可能会包含一些恶意代码，加载这类模型就可能会带来安全风险。

所以在上述的案例中，我会推荐你下载 safetensors 格式的模型。

另外，我建议你在搜索模型的时候，需要看看是不是该模型的官方发的，一般我会看模型的下载数，一般下载数越多的模型，越有可能是官方发的。

3.2.3 CivitAI

与 HuggingFace 不同，CivitAI 站点更偏向于 UGC 一些，所以你会看到更多个人训练的模型，但是这并不意味着它们的质量会差，相反，你会发现有些模型的质量非常好。

而且 CivitAI 比 HuggingFace 多了很多好用的功能，比如你可以通过筛选等方式，看到各种各样优秀的模型：

同样的，你也可以通过 CivitAI 的搜索功能来搜索你想要的模型，并下载该模型，以 DreamShaper 为例，你只要点击下载按钮即可下载模型：

3.2.4 模型下载导入镜像

在获取到模型下载地址后，我们需要将模型通过指令下载到 ComfyUI 的 models 目录下，这样 ComfyUI 才能够加载到对应的模型。

示例指令：git clone https://huggingface.co/runwayml/stable-diffusion-v1-5

不同的模型下载在不同的文件夹下

二、通过 Dockerfile 构建自定义镜像（进阶方案）

这里从 0-1 起步构建一个 WAN2.2 镜像为示例：

1.工具准备

一台电脑，稳定的网络环境

2.准备 Dockerfile 文件

找一个合适的位置新建“comfyUI_WAN2.2”文件夹，并打开
在“comfyUI_WAN2.2”中分别新建“diffusion_models”、“text_encoders”、“vae”、“workflow”文件夹
在“comfyUI_WAN2.2”新建文本文档，命名为 Dockerfile（注意删去文件后缀）

最终应与下图一致

打开 Dockerfile 文件，直接粘贴以下代码

FROM ghcr.io/saladtechnologies/comfyui-api:comfy0.3.45-api1.9.2-torch2.7.1-cuda12.8-runtime


ENV COMFYUI_PORT=8188 \
    MODEL_DIR=/opt/ComfyUI/models \
    BASE=""


RUN mkdir -p ${MODEL_DIR}/{loras,vaes,text_encoders,diffusion_models}


COPY diffusion_models/*.safetensors ${MODEL_DIR}/diffusion_models/
COPY vae/*.safetensors ${MODEL_DIR}/vae/
COPY text_encoders/*.safetensors ${MODEL_DIR}/text_encoders/

COPY workflows/*.json /opt/ComfyUI/user/default/workflows/


EXPOSE ${COMFYUI_PORT}

3.Hugging face 相关准备

登录https://huggingface.co官网，点击右上角 Sign Up 注册账号

登录后点击右上角头像，点击“Access Tokens”

点击 creat new token，之后选择 write，创建新 token，记得复制并保存

4.直接下载模型文件

打开 github 官网 https://github.com/（需要登录)，搜索`comfyUI`，点击 comfyanonymous/ComfyUI

点开后向下翻，找到，点击Wan 2.2

在 Files to Download 一栏中我们需要下载以下两个文件（点击链接，跳转到新页面之后，点击 Download 即可下载）

需注意的是“umt5_xxl_fp8_e4m3fn_scaled.safetensors”中有两个文件，下载 fp8 的那个

之后页面下翻，找到“wan2.2_ti2v_5B_fp16.safetensors”，点击进入并点击 Download 下载

继续下翻，找到 Workflow in Json format 点击进入，复制页面全部内容

在“workflow”文件夹中创建一个文本文档，改名为wan2.2_t2v_workflow.json注意后缀必须是.json，点开文档，复制以上内容
页面继续下翻，在 Image to Video 下还有一个Workflow in Json format，同理创建一个wan2.2_i2v_workflow.json文档，最终结果如下

将下载的模型文档移动到相应文件夹

wan2.2_ti2v_5B_fp16.safetensors移动到“diffusion_models”文件夹
wan2.2_vae.safetensors移动到“vae”文件夹
umt5_xxl_fp8_e4m3fn_scaled.safetensors移动到“text_encoders”文件夹

最终效果如下：

comfyUI_WAN2.2/
├── diffusion_models/
│   └── wan2.2_ti2v_5B_fp16.safetensors
├── text_encoders/
│   └── umt5_xxl_fp8_e4m3fn_scaled.safetensors
├── vae/
│   └── wan2.2_vae.safetensors
├── workflow/
│   ├── wan2.2_i2v_workflow.json
│   └── wan2.2_t2v_workflow.json
└── Dockerfile

5.通过 Hugging face 镜像站下载模型文件

（可加快下载速度，提高效率）

准备 Hugging face 镜像站

通过 Win+S 搜索 PowerShell 或 CMD，右键选择“以管理员身份运行”（避免权限问题）
输入pip install -c conda-forge huggingface_hub，回车
等待下载

下载模型文件

在 PowerShell 中输入$env:HF_ENDPOINT="https://hf-mirror.com"，临时配置镜像站

继续在 PowerShell 中输入huggingface-cli login，输入之前复制并保存的自己的 Token，完成登录

分别下载所需模型文件，并放置到相关路径，可通过以下代码完成

完成 huggingface-cli download <name> --repo-type model --local-dir "address" --local-dir-use-symlinks False --resume-download
#其中<name>为所需模型文件名称，address 应替换为对应文件夹地址