ComfyUI-Launcher
ComfyUI-Launcher 是一款旨在简化 ComfyUI 工作流运行的开源启动器。它的核心目标是实现“零配置”体验,让用户无需繁琐的环境搭建即可直接运行任何 ComfyUI 工作流。
传统使用 ComfyUI 时,手动安装自定义节点、下载缺失模型以及维护 Python 环境往往耗时且容易出错,尤其是更新组件后可能导致原有工作流崩溃。ComfyUI-Launcher 通过自动化处理这些依赖问题,解决了上述痛点。它为每个工作流提供独立的隔离环境,确保单个流程的更新不会影响其他任务,同时也支持在本地、RunPod 或 Huggingface Spaces 等多平台部署。
无论是希望快速分享工作流的创作者,还是需要在不同实验间切换的研究人员,亦或是追求稳定性的普通用户,都能从中受益。其独特的技术亮点在于容器化隔离与自动依赖管理,配合 Docker 或 Python 脚本即可一键启动,极大降低了 AI 图像生成的门槛。
使用场景
一位数字艺术工作室的技术美术,每天需要处理来自全球客户的多个 ComfyUI 工作流文件,并确保在不同设备上精准复现相同的生成效果。
没有 ComfyUI-Launcher 时
- 每次收到新工作流都需要手动检查并安装几十个自定义节点,稍有遗漏就会报错中断。
- 本地安装的模型版本混乱,不同项目间常因依赖冲突导致环境频繁崩溃。
- 更新 ComfyUI 核心版本后,旧项目往往无法运行,排查兼容性问题耗费大量时间。
- 团队协作时,成员因环境配置差异大,无法直接预览他人导出的工作流效果。
使用 ComfyUI-Launcher 后
- ComfyUI-Launcher 自动扫描并安装缺失的自定义节点及模型文件,实现真正的零配置启动。
- 每个工作流在独立的隔离环境中运行,彻底解决了多项目间的依赖冲突和环境污染。
- 即使主程序升级,各历史项目依然稳定运行,不再担心更新导致工作流突然失效。
- 分享工作流给团队成员,对方无需任何技术背景,一键启动即可看到完全一致的生成结果。
它通过自动化隔离与依赖管理,将复杂的 AI 绘图部署简化为点击即用的体验,极大提升了创作与协作效率。
运行环境要求
- Linux
- macOS
- Windows
未说明具体型号/显存/CUDA 版本,Docker 部署建议开启 GPU 支持
未说明

快速开始
ComfyUI Launcher (测试版)
运行任何 ComfyUI 工作流,无需设置。
需要帮助?加入我们的 Discord!
随处运行:
功能特性
- 自动安装自定义节点、缺失的模型文件等
- 此工具导出的工作流任何人都可以无需设置地运行
- 同时处理多个 ComfyUI 工作流
- 每个工作流都在其独立的隔离环境中运行
- 防止在更新自定义节点、ComfyUI 等时您的工作流突然损坏
演示
运行 workflow json 文件,无需设置
要求
Windows (Windows 子系统 for Linux - WSL) 和 Linux:
- Docker(支持 GPU)或 Python 3
macOS:
- Python 3
快速开始
选项 1:Docker (Linux & Windows)
Linux
docker run \
--gpus all \ # remove this line if you don't have a GPU or if you're on MacOS
--rm \
--name comfyui_launcher \
-p 4000-4100:4000-4100 \
-v $(pwd)/comfyui_launcher_models:/app/server/models \
-v $(pwd)/comfyui_launcher_projects:/app/server/projects \
-it thecooltechguy/comfyui_launcher
Windows
docker run ^
--gpus all ^ # remove this line if you don't have a GPU
--rm ^
--name comfyui_launcher ^
-p 4000-4100:4000-4100 ^
-v %cd%/comfyui_launcher_models:/app/server/models ^
-v %cd%/comfyui_launcher_projects:/app/server/projects ^
-it thecooltechguy/comfyui_launcher
在浏览器中打开 http://localhost:4000
选项 2:手动设置 (macOS, Linux, and Windows)
适用于 Windows (WSL - Windows 子系统 for Linux)、Linux 和 macOS
安装 (一次性设置)
git clone https://github.com/ComfyWorkflows/comfyui-launcher
cd comfyui-launcher/
启动 ComfyUI Launcher
./run.sh
在浏览器中打开 http://localhost:4000
如果您在安装过程中遇到问题,请在我们的 discord 上的 bugs 论坛发帖。
更新
选项 1:Docker
docker pull thecooltechguy/comfyui_launcher
选项 2:手动设置
git pull
使用
使用反向代理 (高级)
如果您在反向代理后面运行 ComfyUI Launcher,或者在只能暴露单个端口以访问 Launcher 及其工作流项目的环境中,您可以使用 PROXY_MODE=true 运行 Launcher(仅适用于 Docker)。
docker run \
--gpus all \ # remove this line if you don't have a GPU or if you're on MacOS
--rm \
--name comfyui_launcher \
-p 4000:80 \
-v $(pwd)/comfyui_launcher_models:/app/server/models \
-v $(pwd)/comfyui_launcher_projects:/app/server/projects \
-e PROXY_MODE=true \
-it thecooltechguy/comfyui_launcher
一旦容器运行,您只需将 80 端口暴露给外部世界即可。这将允许您通过单个端口访问 Launcher 及其工作流项目。
目前,PROXY_MODE=true 仅适用于 Docker,因为容器内使用了 NGINX。
如果您手动运行 Launcher,则需要自己设置反向代理(参见 nginx.conf 文件作为示例)。
使用现有的 ComfyUI 模型文件夹
启动 ComfyUI Launcher 时,您可以将 MODELS_DIR 环境变量设置为现有 ComfyUI 模型文件夹的路径。这将允许您使用已下载的模型。默认情况下,它们存储在 ./server/models。
使用不同的文件夹存储您的 Launcher 项目
启动 ComfyUI Launcher 时,您可以将 PROJECTS_DIR 环境变量设置为用于存储项目的文件夹路径。默认情况下,它们存储在 ./server/projects。
捐赠
如果您觉得我们的工作对您有用,我们非常感谢您的任何捐赠!谢谢!
即将推出
- 原生 Windows 支持(无需 WSL)
- 更好的本地工作流管理方式
- 使用云 GPU 运行工作流
- 将项目备份到云端
- 在云端运行 ComfyUI Launcher
致谢
- ComfyUI Manager (https://github.com/ltdrdata/ComfyUI-Manager/)
- 用于自动检测并安装自定义节点
常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。
PaddleOCR
PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来,转换成计算机可读取的结构化数据,让机器真正“看懂”图文内容。 面对海量纸质或电子文档,PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域,它扮演着连接图像与大型语言模型(LLM)的桥梁角色,能将视觉信息直接转化为文本输入,助力智能问答、文档分析等应用场景落地。 PaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显:不仅支持全球 100 多种语言的识别,还能在 Windows、Linux、macOS 等多个系统上运行,并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目,PaddleOCR 既能满足快速集成的需求,也能支撑前沿的视觉语言研究,是处理文字识别任务的理想选择。