GitHub 上星数最高的 AI 图像生成项目，不是 Midjourney 的某个客户端，也不是 DALL·E 的封装，而是一个叫 ComfyUI 的东西。截至 2026 年 7 月 30 日，Comfy-Org/ComfyUI 仓库攒了 122,790 颗星、14,492 个 fork，GPL-3.0 协议，Python 写的，最近一次推送就在今天。它由开发者 comfyanonymous 创建，现在由官方组织 Comfy-Org 维护，官网 comfy.org 把自己定位成 "Professional Control of Visual AI"——专业级视觉 AI 控制。它干的事一句话讲明白：把 Stable Diffusion、Flux 这些扩散模型的生图过程，拆成一张可视化的节点图，每个参数、每一步你都能看见、能改、能连线拼装。
一、痛点：网页版生图给你的是"快餐"
用过 Midjourney、即梦、DALL·E 这类网页生图的人多半有过这种憋屈：你调了半天 prompt，好不容易出了一张满意的图，想复现？没有固定 seed，第二次同样的词出来的完全是另一张；想把人物姿势钉死成某个动作，没有 ControlNet 接口；想叠一个自己的 LoRA 微调风格，传不上去；想做局部重绘只改一只手，操作链不支持；想精确控制哪块区域出什么，区域提示词没有。更要命的是黑盒——你不知道它背后到底跑了哪个模型、几步、CFG 多少、用什么采样器，prompt 进去图出来，中间全是"魔法"。
网页版的逻辑是"给小白用的快餐"：一键出图、好看就行，代价是把控制权全交出去。这对发发朋友圈、做做配图的人完全够用，但如果你是做商业插画、游戏资产、需要稳定风格序列、需要把生图嵌进自己产品管线的人，这种"抽卡式"的生图会把你逼疯——你要的是可复现、可组合、可调试的工程，不是抽奖。
二、节点图：把生图管线拆成看得见的积木
ComfyUI 的核心是把整个生图过程画成一张有向图（workflow）。每个节点是一块积木，干一件具体的事：加载模型（Load Checkpoint）负责把 SD/Flux 模型读进显存，CLIP 文本编码负责把你的 prompt 转成条件，KSampler 负责真正的采样（seed、步数、CFG、采样器全在这里调），VAE 解码把潜空间转回像素，保存图片写出文件。节点之间用连线传递数据，你能看见张量从哪流到哪。
这带来的根本改变是：生图不再是一个黑盒咒语，而是一份看得见的"配方"。你调了 CFG，你看见它改在哪；你换了个采样器，你知道影响哪一步；你接一个 ControlNet 节点，姿势约束就插在采样之前。整张图本身就是参数的完整记录——保存它，就是保存了这张图的全部生成条件。这也是为什么 ComfyUI 的 workflow 文件本质就是 JSON，能存成文件、能嵌进生成图片的元数据、能发给别人让对方一模一样复现。
举个最基础的图：一个 Load Checkpoint 节点读入 SDXL 模型，它的 CLIP 输出分两路，一路接正向提示词节点（你想要的）、一路接负向提示词节点（你不想要的），两路条件汇进 KSampler，配上 seed、步数、CFG、采样器，输出潜空间再过 VAE 解码成像素，最后存盘。就这条链，你已经把网页版那个"输入框"里被藏起来的全部逻辑摊在了桌面上。想加 ControlNet？从 KSampler 前面接一个 ControlNet Apply，喂进一张骨骼图，角色姿势就被锁定。想做图生图？把编码后的参考图接进采样。每个改动都是接一根线、改一个数，看得见、撤得回、讲得清，这是网页版给不了的工程化体验。
三、为什么专业玩家选它：控制、复现、免费、生态
专业玩家扎堆 ComfyUI，不是赶时髦，是这四个字缺一不可。
控制。ControlNet 是最典型的：给一张人物骨骼图（OpenPose），生成的角色就摆成那个姿势；给一张深度图，构图的空间层次被钉死；给线稿（Canny），边缘轮廓被锁定。再加 LoRA 微调风格、IPAdapter 做图像风格迁移、区域提示词控制哪块区域出什么、inpaint 局部重绘、放大走 tile 或模型放大。这些在网页版里要么没有、要么只能用厂商预设，在 ComfyUI 里全是你能自己连线组装的零件。
真正的杀手锏不是单个节点，而是把它们串起来。一个商业级 workflow 可以同时挂骨骼 ControlNet 锁姿势、深度 ControlNet 锁构图、Canny 锁线稿，再叠两三个 LoRA 各调不同权重混出独特风格，中间插 IPAdapter 把某张参考图的神韵喂进去，最后用区域提示词规定"左上出山、右下出水"。这套组合在网页版里连想都别想，而在 ComfyUI 里就是多接几根线的事--这正是"节点"对"输入框"的代差。
复现。同一张 workflow、同一个 seed、同一套参数，出来的图一模一样。这对商业交付是刚需——客户要"再出 10 张同风格的"，你能稳定给，而不是赌运气。workflow 还能直接分享，社区里大量公开的工作流文件，下载下来就能跑，这是网页版给不了的。
免费 / 本地。ComfyUI 跑在你自己的显卡上，生成多少张都不收按图计费，数据全程不出本机。这对处理敏感素材、做大量迭代试错的人来说是实打实的成本优势——网页版每张图都在烧订阅额度或 token，本地只在烧电。对涉及人脸、客户机密、未公开设计的素材，数据不出本机本身就是一道合规防线，这也是不少企业内部选它的硬理由。
自定义节点生态。ComfyUI 不只是节点编辑器，它的扩展性靠自定义节点：社区维护的 ComfyUI Manager 让你一键安装成百上千个第三方节点，从新的采样器、新的 ControlNet 类型，到接 OpenAI、接视频模型、接 3D 生成，生态的厚度远超任何单一网页工具能提供的。这也是它能把 SD1.5、SDXL、Flux.1、SD3 一网打尽的原因——模型一更新，节点一加就能跑。
四、模型通吃：SD / SDXL / Flux 都能跑
网页版生图绑死在厂商自己的模型上——Midjourney 只能跑 Midjourney 的模型，DALL·E 只能跑 OpenAI 的。ComfyUI 反过来：它是模型无关的引擎。Stable Diffusion 1.5、SDXL、Stable Diffusion 3、Flux.1（dev / schnell / pro）、各种社区微调模型和基础模型，只要能加载，就能在同一套节点图里跑。今天想用 Flux 出写实大片，明天想用 SDXL 加个动漫 LoRA，后天试个新发的开源模型，不用换工具，换节点里的模型文件就行。这意味着你不会被某一个闭源模型的定价或下线牵着走——模型生态在开源世界快速迭代，你的工具链不掉队。
五、不止本地：桌面端、云端、API 三条路
以为 ComfyUI 只能程序员自己搭环境跑，是老印象了。现在它有三条部署路径：Comfy Desktop 是官方桌面应用，装上就能在本机 GPU 上跑节点图；Comfy Cloud 把这套引擎搬到云端，没有高端显卡也能用；更重要的是 API 模式——ComfyUI 启动后自带一个 HTTP API，你把调好的 workflow 当成后端服务，自己的产品直接调用它出图。这意味着它不只是一个创作工具，还能当生产管线的一环：电商批量出商品图、游戏批量出素材、SaaS 产品内嵌生图功能，都能把 ComfyUI 当后端引擎，而不是让设计师一张张手动点。
六、门槛与代价：它不是给所有人准备的
说完好处必须泼冷水。第一，学习曲线陡。节点图对有图形编程或管线思维的人很直觉，对纯小白是一头雾水——光搞懂 sampler、scheduler、CFG、denoise 这些参数就够喝一壶，更别提 ControlNet 的各种预处理模型怎么选。第二，吃硬件。本地跑得有像样的 NVIDIA 显卡，显存不够要么降分辨率、要么跑不动大模型；没显卡就得租云 GPU 或上 Comfy Cloud，又是成本。第三，"面条"问题。workflow 一复杂，节点和连线乱成一团意大利面，调试和交接都费劲，得自己维护整洁。第四，更新易碎。自定义节点依赖特定 ComfyUI 版本，核心一更新，第三方节点可能报错，排错要花时间。第五，协议是 GPL-3.0——它是 copyleft，想把它深度嵌进闭源商业产品要留意协议约束，不像 MIT 那么宽松。
七、适合谁，以及什么时候老老实实用网页版
适合：需要精细控制生图管线的 AI 画师、插画师、游戏和电商资产生产团队；要把生图嵌进自家产品、需要可复现后端的开发者；要做风格序列、批量一致输出的内容生产者；数据敏感、要本地处理的场景。
该用网页版的时候：就是想快速出张好看的图发个朋友圈、做个配图，不想学参数；非技术用户、不想碰 GPU；一次性需求、不需要复现和组合。这种场景 Midjourney、即梦、DALL·E 一键出图更省事，硬上 ComfyUI 是杀鸡用牛刀，还学不会。
想试水门槛也没那么高：装个 Comfy Desktop，本机有张 8GB 显存以上的 N 卡就能跑起来；不想折腾硬件就上 Comfy Cloud。入门别一上来就堆 ControlNet，先从官方示例 workflow 改起，搞懂"模型加载-提示词-采样-解码"这条主线，再加节点。社区有大量图文教程和可直接下载的工作流，照着抄一遍比硬啃文档快得多。
一句话总结：网页版生图是"自动挡出租车"，ComfyUI 是"手动挡赛车"——前者省心，后者你得会开，但开顺了之后，控制力、复现力、组合力是快餐工具给不了的。它 12.3 万颗星不是白来的。
参考来源
- ComfyUI GitHub 仓库（122,790 star / 14,492 fork，GPL-3.0，Python）：https://github.com/Comfy-Org/ComfyUI
- 官网（Professional Control of Visual AI）：https://comfy.org
- 官方文档与教程（Flux ControlNet / 节点说明）：https://docs.comfy.org
- Comfy Desktop 下载（本地运行）：https://comfy.org/download
- Comfy-Org 官方组织（GitHub / HuggingFace 模型）：https://github.com/Comfy-Org