ComfyUI – co to jest i jak zacząć? Kompletny poradnik dla początkujących

Czym jest ComfyUI i do czego służy — oraz czym różni się od Midjourney?

ComfyUI to otwartoźródłowy interfejs do pracy z generatywnymi modelami AI, wykorzystywany przede wszystkim do tworzenia i przekształcania obrazów. Pozwala korzystać między innymi z modeli z rodziny Stable Diffusion oraz FLUX. Nie jest jednak modelem, który sam generuje grafikę — to środowisko, w którym wybierasz model i ustalasz, jak ma przebiegać proces tworzenia obrazu.

Jego najbardziej charakterystyczną cechą jest sposób pracy: zamiast jednego formularza z polem na opis widzisz obszar roboczy z połączonymi blokami, czyli węzłami. Każdy odpowiada za określony fragment procesu, a ich układ tworzy workflow — przepływ pracy. Dzięki temu możesz nie tylko opisać oczekiwany efekt, lecz także zdecydować, jakie materiały wejściowe i operacje doprowadzą do jego uzyskania.

Do czego można wykorzystać ComfyUI?

Najprostsze zastosowanie to wygenerowanie obrazu na podstawie tekstowego opisu, czyli promptu. Możliwości są jednak szersze i zależą od użytych modeli oraz rozszerzeń. ComfyUI pozwala między innymi:

• Tworzyć grafiki od podstaw — ilustracje, koncepcje postaci, wizualizacje pomysłów czy materiały do moodboardów.
• Przekształcać istniejące obrazy — przygotowywać warianty kompozycji, zmieniać stylistykę lub wykorzystywać grafikę jako punkt wyjścia.
• Edytować wybrane fragmenty — zastępować elementy obrazu albo uzupełniać jego obszary bez generowania wszystkiego od początku.
• Dokładniej kierować kompozycją — korzystać z dodatkowych informacji, takich jak poza postaci, krawędzie czy głębia sceny, jeśli dany zestaw narzędzi je obsługuje.
• Łączyć generowanie z dalszą obróbką — na przykład powiększaniem obrazu i dopracowywaniem szczegółów w jednym procesie.

ComfyUI nie ogranicza się wyłącznie do nieruchomych grafik: odpowiednie modele i rozszerzenia umożliwiają również pracę z wideo czy dźwiękiem. Na początku warto jednak traktować je przede wszystkim jako narzędzie do budowania własnego procesu generowania obrazów, a nie aplikację, której wszystkie możliwości trzeba od razu poznać.

ComfyUI a promptowanie w Midjourney

W Midjourney pracujesz przede wszystkim nad oczekiwanym rezultatem; w ComfyUI możesz dodatkowo projektować drogę do niego. Midjourney oferuje gotową usługę: podajesz opis, dobierasz dostępne parametry, korzystasz z referencji i narzędzi edycji, a system zajmuje się wykonaniem. Nie oznacza to braku kontroli, lecz kontrolę w granicach funkcji udostępnionych przez platformę.

W ComfyUI prompt nadal ma duże znaczenie, ale jest tylko jednym z elementów. Możesz wybrać zgodny model, dołączyć obrazy wejściowe i połączyć różne etapy przetwarzania. Zamiast próbować osiągnąć każdą zmianę samym opisem, masz możliwość zmiany konkretnej części procesu. To przydatne zwłaszcza wtedy, gdy chcesz zachować określony układ sceny, przetworzyć serię materiałów według podobnych zasad albo wielokrotnie korzystać z raz przygotowanego rozwiązania.

Różnica dotyczy również miejsca pracy. Midjourney działa jako usługa chmurowa, natomiast ComfyUI można uruchamiać lokalnie lub na zdalnej maszynie. Przy w pełni lokalnym procesie, bez usług zewnętrznych, nie musisz wysyłać obrazów wejściowych do chmury. Jednocześnie samodzielnie odpowiadasz za środowisko i dobór jego elementów. ComfyUI jest bezpłatnym oprogramowaniem, ale nie oznacza to, że każdy sposób korzystania z niego jest bezkosztowy — wydatki mogą wiązać się ze sprzętem, wynajmem mocy obliczeniowej lub płatnymi usługami.

Dla kogo ComfyUI będzie dobrym wyborem?

ComfyUI warto wybrać, jeśli zależy Ci na elastyczności, eksperymentowaniu z modelami i zachowaniu procesu, do którego można wrócić. Zapisany workflow ułatwia ponowne wykorzystanie tych samych etapów i ustawień, choć identyczny rezultat może zależeć także od wersji modeli oraz środowiska.

Jeśli natomiast chcesz głównie wpisać opis i szybko otrzymać propozycje bez zajmowania się zapleczem technicznym, gotowa usługa taka jak Midjourney może być wygodniejsza. ComfyUI nie daje automatycznie lepszych obrazów — daje większy wpływ na sposób ich powstawania. Ceną za tę swobodę jest potrzeba zrozumienia procesu, ale do rozpoczęcia pracy nie trzeba umieć programować.

Wymagania sprzętowe i przygotowanie środowiska

W ComfyUI największe obciążenie powoduje nie sam interfejs, lecz model generujący obraz. Dlatego wymagania zależą przede wszystkim od wybranego modelu, rozdzielczości i liczby operacji wykonywanych w jednym procesie. Komputer wystarczający do nauki na Stable Diffusion 1.5 nie musi zapewniać równie wygodnej pracy z większymi modelami czy generowaniem wideo. W Cognity często słyszymy pytania, jak dobrać sprzęt do takich zadań — odpowiadamy na nie także na blogu.

Karta graficzna i VRAM — najważniejszy punkt konfiguracji

Na początek najłatwiejszym wyborem jest zwykle karta NVIDIA obsługująca CUDA. To szeroko wspierana konfiguracja, szczególnie pod Windows i Linux. Warto jednak oddzielić dwa parametry: wydajność GPU wpływa na szybkość obliczeń, a pojemność VRAM, czyli pamięci karty, w dużej mierze decyduje o tym, jaki model i zakres operacji zmieszczą się w pamięci.

Poniższe wartości traktuj jako orientacyjne poziomy komfortu, a nie sztywne wymagania ComfyUI:

• 4–6 GB VRAM: wystarczy do rozpoczęcia nauki z modelami Stable Diffusion 1.5 i pojedynczymi obrazami o umiarkowanej rozdzielczości. Większe modele mogą wymagać przenoszenia części obliczeń lub danych poza GPU, co spowalnia pracę.
• 8–12 GB VRAM: rozsądny zakres do regularnego generowania obrazów, również z SDXL. Dostępny zapas pamięci zależy od rozdzielczości i użytych rozszerzeń procesu.
• 16–24 GB VRAM i więcej: większa swoboda przy rozbudowanych zadaniach i cięższych modelach. Nie oznacza to jednak, że każda konfiguracja, zwłaszcza do wideo, zmieści się w pamięci.

Modele z rodziny FLUX i inne duże modele mają wymagania zależne także od wariantu oraz sposobu zapisu ich wag. Wersje o obniżonej precyzji mogą potrzebować mniej pamięci, ale przed pobraniem trzeba sprawdzić wymagania konkretnego wydania. Sama nazwa rodziny modelu nie wystarcza do oceny potrzebnego VRAM.

AMD, Apple Silicon i praca bez GPU

Karty AMD również mogą służyć do pracy z ComfyUI, jednak zgodność zależy od konkretnego GPU, systemu operacyjnego i dostępnego mechanizmu przyspieszania, na przykład ROCm. Przed przygotowaniem środowiska sprawdź aktualną listę wspieranych urządzeń dla wybranej metody uruchomienia. Nie zakładaj, że każda karta Radeon będzie działać tak samo.

Na komputerach Mac z Apple Silicon przyspieszenie GPU wykorzystuje mechanizm MPS dostępny w PyTorch. CPU i GPU korzystają tam z pamięci zunifikowanej, więc nie należy bezpośrednio porównywać jej pojemności z VRAM dedykowanej karty. Z tej samej puli korzystają również system i pozostałe aplikacje. Możliwe jest także uruchamianie ComfyUI na samym procesorze, ale generowanie będzie zwykle znacznie wolniejsze — to raczej opcja do testów niż wygodnej codziennej pracy.

RAM i procesor — zaplecze dla modelu

16 GB RAM to rozsądny punkt startowy do prostych zadań, a 32 GB daje większy margines przy większych modelach, kilku otwartych aplikacjach i przenoszeniu części danych z GPU do pamięci systemowej. Bardziej wymagające zastosowania mogą potrzebować 64 GB lub więcej. Dodatkowy RAM nie zastępuje jednak w pełni VRAM: przenoszenie danych między pamięciami kosztuje czas.

Przy generowaniu na GPU procesor ma zwykle mniejsze znaczenie niż karta graficzna. Współczesny procesor wielordzeniowy zazwyczaj wystarcza na początek; nie warto inwestować w jego najwyższy model kosztem pamięci GPU lub RAM.

Miejsce na dysku i sterowniki

Najlepiej przeznaczyć na ComfyUI i modele dysk SSD. Przyspieszy to ich wczytywanie, choć nie zastąpi wydajniejszego GPU podczas generowania. Na wygodny start warto zarezerwować 50–100 GB wolnego miejsca — nie jest to minimalny wymóg programu, lecz praktyczny zapas na środowisko, kilka modeli i zapisane obrazy. Pojedyncze pliki modeli mogą zajmować od kilku do kilkudziesięciu gigabajtów.

Przed instalacją sprawdź model karty, ilość dostępnej pamięci i wersję systemu. Zainstaluj sterownik GPU zgodny z planowanym środowiskiem; w przypadku Apple Silicon obsługa grafiki jest aktualizowana wraz z macOS. Jeśli korzystasz z gotowego pakietu ComfyUI, sprawdź, jakie zależności już zawiera. Osobna instalacja CUDA Toolkit zwykle nie jest potrzebna przy standardowych pakietach PyTorch z obsługą CUDA — nie należy jej mylić z wymaganym sterownikiem NVIDIA.

Na etapie przygotowania wybierz też osobny katalog roboczy i unikaj przypadkowego łączenia zależności ComfyUI z bibliotekami innych projektów Pythona. Ogranicza to ryzyko konfliktów i ułatwia późniejsze aktualizacje.

3. Instalacja ComfyUI krok po kroku: Windows, macOS i Linux

ComfyUI możesz uruchomić lokalnie bez zakładania konta w usłudze do generowania obrazów. Sposób instalacji zależy od systemu: na Windows wygodnym punktem startu jest paczka Portable, natomiast na macOS i Linuksie możesz skorzystać z instalacji w osobnym środowisku Pythona. Dostępna jest również aplikacja ComfyUI Desktop dla obsługiwanych konfiguracji Windows i macOS — jej instalator prowadzi przez przygotowanie środowiska. Poniżej opisujemy ścieżkę Portable oraz instalację ręczną, aby było jasne, gdzie znajdują się pliki i jak uruchamiać program ponownie.

Windows — instalacja ComfyUI Portable

Wersja Portable zawiera własne środowisko Pythona. Nie musisz instalować osobno Pythona ani Gita, aby uruchomić podstawową paczkę.

1. Pobierz oficjalne archiwum. Przejdź do instrukcji ComfyUI Portable i wybierz wskazaną tam paczkę dla swojej konfiguracji. Standardowa wersja Portable pozwala uruchamiać ComfyUI z kartą NVIDIA lub w trybie CPU. Nie traktuj skryptu dla NVIDIA jako uniwersalnego rozwiązania dla wszystkich kart graficznych.
2. Rozpakuj całe archiwum. Użyj narzędzia obsługującego format 7z i wybierz prostą lokalizację, np. C:\AI\ComfyUI_windows_portable. Nie uruchamiaj plików bezpośrednio z archiwum.
3. Włącz odpowiedni skrypt. Dla obsługiwanej karty NVIDIA uruchom run_nvidia_gpu.bat. Do uruchomienia na procesorze służy run_cpu.bat; generowanie w tym trybie jest znacznie wolniejsze.
4. Poczekaj na uruchomienie serwera. Pozostaw otwarte okno konsoli. Gdy pojawi się adres interfejsu, otwórz go w przeglądarce, jeśli nie została uruchomiona automatycznie.

Przy kolejnych uruchomieniach wystarczy ponownie otworzyć wybrany plik .bat. Instalacji nie trzeba powtarzać.

macOS — instalacja w środowisku Pythona

Poniższa ścieżka jest przeznaczona przede wszystkim dla komputerów z Apple Silicon. ComfyUI korzysta na nich z obsługi przyspieszenia MPS w PyTorch, a nie z CUDA. Zakładamy, że Python w wersji wspieranej przez aktualne wydanie ComfyUI oraz Git są już dostępne w Terminalu.

1. Pobierz repozytorium. Otwórz Terminal w katalogu, w którym chcesz przechowywać aplikację, i wykonaj:

   git clone https://github.com/Comfy-Org/ComfyUI.git
   cd ComfyUI

2. Utwórz i aktywuj środowisko wirtualne. Dzięki temu pakiety ComfyUI nie będą mieszać się z bibliotekami innych projektów:

   python3 -m venv .venv
   source .venv/bin/activate
   python -m pip install --upgrade pip

3. Zainstaluj PyTorch oraz zależności aplikacji.

   python -m pip install torch torchvision torchaudio
   python -m pip install -r requirements.txt

4. Uruchom ComfyUI.

   python main.py

Nie zamykaj Terminala podczas pracy. Przy następnym uruchomieniu przejdź do katalogu ComfyUI, aktywuj środowisko poleceniem source .venv/bin/activate i ponownie wykonaj python main.py. Na komputerach z procesorem Intel najpierw sprawdź dostępność zgodnych wydań Pythona i PyTorch — nie należy zakładać identycznej obsługi przyspieszenia jak na Apple Silicon.

Linux — instalacja z doborem PyTorch do sprzętu

Na Linuksie przebieg jest podobny, ale wersję PyTorch trzeba dobrać do sposobu obliczeń: CUDA dla obsługiwanych kart NVIDIA, ROCm dla zgodnych konfiguracji AMD albo CPU. Samo zainstalowanie zależności ComfyUI nie gwarantuje, że akceleracja GPU będzie dostępna.

1. Pobierz kod i przygotuj środowisko. W terminalu wykonaj:

   git clone https://github.com/Comfy-Org/ComfyUI.git
   cd ComfyUI
   python3 -m venv .venv
   source .venv/bin/activate
   python -m pip install --upgrade pip

   W części dystrybucji utworzenie środowiska wymaga osobnego pakietu systemowego, np. python3-venv w Debianie lub Ubuntu.

2. Zainstaluj odpowiednie wydanie PyTorch. Skorzystaj z selektora na oficjalnej stronie PyTorch oraz zaleceń instalacyjnych ComfyUI. Wybierz Linux, Pip, Python i właściwą platformę obliczeniową. Wygenerowane polecenie wykonaj w aktywnym środowisku .venv.
3. Doinstaluj zależności ComfyUI.

   python -m pip install -r requirements.txt

4. Uruchom aplikację.

   python main.py

   Jeżeli świadomie instalujesz wariant bez akceleracji GPU, uruchom go poleceniem python main.py --cpu.

Do kolejnych sesji potrzebujesz tylko wejścia do katalogu aplikacji, aktywowania .venv i ponownego uruchomienia programu.

Pierwsze uruchomienie — jak potwierdzić, że instalacja działa?

W instalacji ręcznej i Portable domyślny adres interfejsu to zwykle http://127.0.0.1:8188. Kieruj się jednak adresem podanym w konsoli, ponieważ port może zostać zmieniony. Strona otwierana w przeglądarce jest interfejsem lokalnie działającego programu, a nie zewnętrzną usługą.

Jeżeli widzisz obszar roboczy ComfyUI, a proces w terminalu nadal działa, podstawowy etap instalacji jest zakończony. Nie oznacza to jeszcze gotowości do generowania: instalacja programu i dostarczenie zgodnego modelu to dwa osobne kroki. Nie musisz jednak od razu dodawać rozszerzeń ani importować rozbudowanych workflow, aby sprawdzić poprawność uruchomienia.

Aby zakończyć pracę, zatrzymaj proces w terminalu skrótem Ctrl+C. Samo zamknięcie karty przeglądarki nie wyłącza lokalnego serwera ComfyUI.

Interfejs ComfyUI i podstawowe pojęcia: nodes, workflow, checkpoint, VAE, sampler, scheduler, seed, batch

Interfejs ComfyUI najlepiej czytać jak schemat przepływu danych. Zamiast jednego formularza z polem na prompt widzisz obszar roboczy z połączonymi blokami. Każdy blok odpowiada za określone zadanie, a połączenia pokazują, dokąd trafiają jego wyniki. O przebiegu generowania decydują połączenia między blokami, nie ich położenie na ekranie. W Cognity wierzymy, że dobre zrozumienie węzłów i przepływu danych to podstawa efektywnej pracy z ComfyUI.

Jak odnaleźć się w interfejsie?

Najważniejszą częścią ekranu jest płótno, czyli przestrzeń, na której rozmieszczasz i łączysz węzły. Możesz je przesuwać, przybliżać widok i oddalać go, aby zobaczyć cały schemat. Wewnątrz węzłów znajdują się pola tekstowe, listy wyboru oraz ustawienia liczbowe. Punkty przy ich krawędziach służą do tworzenia połączeń.

Poza płótnem znajdziesz narzędzia do zarządzania workflow, modelami i kolejką zadań. Nazwy oraz rozmieszczenie przycisków mogą się różnić między wersjami interfejsu. Przycisk uruchamiania, oznaczony na przykład jako Run lub Queue Prompt, zleca wykonanie workflow. Samo wpisanie promptu lub zmiana parametru nie oznacza jeszcze rozpoczęcia generowania.

Nodes i workflow — elementy oraz cały schemat

Node, czyli węzeł, to pojedynczy blok wykonujący określoną operację: wczytanie modelu, przetworzenie tekstu, generowanie danych obrazu albo zapis pliku. Węzeł może mieć wejścia, wyjścia oraz parametry ustawiane bezpośrednio w jego wnętrzu. Nie każdy musi mieć wszystkie te elementy — przykładowo węzeł zapisujący obraz nie potrzebuje wyjścia prowadzącego do kolejnego etapu.

Połączenia przenoszą dane określonego typu, takie jak model, obraz czy reprezentacja tekstu. Nie każde wyjście pasuje do każdego wejścia. Nazwy i kolory złączy pomagają rozpoznać ich typ, ale o zgodności decyduje to, jakie dane przyjmuje dany węzeł.

Workflow to cały schemat: zestaw węzłów, ich połączenia i ustawienia. Można go zapisać, ponownie otworzyć lub udostępnić innej osobie. Plik workflow nie zawiera jednak automatycznie wag modeli ani kodu dodatkowych węzłów. Jest przepisem na wykonanie zadania, a nie kompletnym pakietem wszystkich potrzebnych zasobów.

Checkpoint — jaki model pracuje nad obrazem?

Checkpoint to zapis wytrenowanych wag modelu. W typowych workflow opartych na Stable Diffusion jego wybór wpływa między innymi na estetykę wyników, interpretację promptów oraz obsługiwaną architekturę. To wybór podstawy generowania, a nie tylko filtra nakładanego na gotowy obraz.

W wielu popularnych checkpointach Stable Diffusion jeden plik zawiera komponenty wykorzystywane przez węzeł ładujący do udostępnienia modelu odszumiającego, enkodera tekstu i VAE. Nie jest to jednak uniwersalna zasada: inne architektury i sposoby dystrybucji mogą wymagać osobnego ładowania tych elementów. Dlatego określenie „model” bywa używane zarówno wobec całego zestawu, jak i jednego z jego komponentów.

VAE — przejście między obrazem a przestrzenią latentną

W wielu modelach generowanie nie odbywa się bezpośrednio na pikselach, lecz w przestrzeni latentnej, czyli skompresowanej reprezentacji obrazu. VAE odpowiada za przejście między tymi reprezentacjami: koduje obraz do postaci latentnej albo dekoduje dane latentne do widocznego obrazu.

Przy generowaniu z tekstu szczególnie ważne jest dekodowanie — to ono pozwala zamienić wynik odszumiania w obraz, który można obejrzeć i zapisać. Kodowanie przydaje się natomiast wtedy, gdy punktem wyjścia jest istniejąca grafika. VAE musi być zgodne z używanym modelem; nie jest dowolnym dodatkiem stylistycznym.

Sampler i scheduler — dwa różne ustawienia odszumiania

Te pojęcia często występują obok siebie, na przykład w węźle KSampler, ale opisują inne aspekty procesu. Sampler określa sposób wykonywania kolejnych kroków odszumiania, a scheduler — rozkład poziomów szumu między tymi krokami.

Osobnym parametrem jest steps, czyli liczba kroków. Więcej kroków zwykle oznacza dłuższe obliczenia, ale nie gwarantuje lepszego obrazu. Sampler, scheduler i liczba kroków działają razem; nie ma jednego zestawu ustawień najlepszego dla wszystkich modeli.

Seed — kontrola punktu startowego

Seed to liczba inicjalizująca generator pseudolosowy, wykorzystywany między innymi do utworzenia początkowego szumu. Pozostawienie tego samego seedu pomaga porównywać wpływ zmian promptu lub ustawień bez jednoczesnej zmiany losowego punktu startowego.

Ten sam seed nie wystarcza jednak do odtworzenia obrazu. Potrzebne są także te same modele, dane wejściowe i parametry, a różnice środowiska obliczeniowego mogą wpływać na wynik. Warto również sprawdzić opcję sterującą zachowaniem seedu po generowaniu, często opisaną jako control_after_generate: zależnie od ustawienia seed może pozostać stały, zwiększać się, zmniejszać lub być losowany.

Batch — kilka obrazów w jednym wykonaniu

Batch oznacza partię danych przetwarzaną wspólnie. W kontekście generowania parametr batch_size zwykle określa liczbę obrazów tworzonych w ramach jednej partii. Pozwala uzyskać kilka wariantów bez osobnego zlecania każdego z nich, ale zwiększa zapotrzebowanie na pamięć podczas obliczeń.

Nie należy mylić wielkości partii z liczbą wykonań dodanych do kolejki. Jedno wykonanie z partią czterech obrazów to nie to samo co cztery wykonania z jednym obrazem. W drugim przypadku workflow jest uruchamiane wielokrotnie, a wynik zależy również od ustawień zmiany seedu między uruchomieniami.

Pierwszy workflow od zera: generowanie pierwszego obrazu

Na początek zbuduj prosty workflow text-to-image: wpisujesz opis, uruchamiasz generowanie i zapisujesz gotowy obraz. Wystarczy siedem węzłów. Nie dodawaj jeszcze skalowania, ControlNet ani LoRA — najpierw sprawdź, czy podstawowy przepływ działa poprawnie.

Poniższy przykład zakłada, że masz już dostępny standardowy checkpoint Stable Diffusion 1.5 do generowania obrazów, a nie wariant przeznaczony wyłącznie do inpaintingu. To ważne: podane ustawienia i połączenia dotyczą właśnie tego modelu. Modele z innych rodzin, takie jak FLUX, mogą wymagać innego workflow.

1. Dodaj minimalny zestaw węzłów

Otwórz pusty workflow. Węzły możesz dodawać przez wyszukiwarkę, zwykle dostępną po dwukrotnym kliknięciu pustego miejsca na obszarze roboczym. Wyszukaj poniższe nazwy; zależnie od wersji interfejsu ich zapis może się nieznacznie różnić.

• Load Checkpoint — jeden węzeł, w którym wybierzesz model.
• CLIP Text Encode (Prompt) — dwa węzły: jeden na opis obrazu, drugi na prompt negatywny.
• Empty Latent Image — jeden węzeł określający rozmiar obrazu i liczbę generowanych wariantów.
• KSampler — jeden węzeł realizujący proces generowania.
• VAE Decode — jeden węzeł zamieniający wynik samplera na obraz.
• Save Image — jeden węzeł zapisujący gotowy plik.

Ułóż je od lewej do prawej: model i prompty, następnie sampler, a na końcu dekodowanie i zapis. Nie wpływa to na wynik, ale znacznie ułatwia sprawdzanie połączeń.

2. Połącz wyjścia z odpowiednimi wejściami

Przeciągaj przewody między portami węzłów zgodnie z tabelą. Dla czytelności nazwij dwa węzły tekstowe „Prompt pozytywny” i „Prompt negatywny” albo zapamiętaj, który pełni daną funkcję.

Oba węzły tekstowe muszą otrzymać połączenie CLIP z tego samego węzła Load Checkpoint. Sam tekst wpisany w polu promptu nie wystarczy, jeśli brakuje tego przewodu.

3. Wybierz model i wpisz prosty prompt

W polu ckpt_name węzła Load Checkpoint wybierz swój checkpoint SD 1.5. Następnie wpisz opis jednej, nieskomplikowanej sceny. Na pierwszy test dobrze sprawdza się przedmiot bez ludzi, napisów i wielu drobnych elementów. Dla tego przykładu użyj angielskiego opisu:

a red ceramic mug on a wooden table, soft window light, product photography, neutral background, detailed

W drugim węźle tekstowym wpisz krótki prompt negatywny:

blurry, low quality, distorted, text, watermark

Prompt pozytywny określa oczekiwaną scenę, a negatywny wskazuje cechy, których chcesz unikać. Nie traktuj go jednak jak filtra gwarantującego usunięcie każdej wymienionej wady.

4. Ustaw parametry pierwszego generowania

W Empty Latent Image ustaw width: 512, height: 512 oraz batch_size: 1. To rozsądny punkt startowy dla standardowego SD 1.5. W KSampler wpisz następujące wartości:

Jeśli przy seedzie widzisz opcję control_after_generate, wybierz fixed, aby jego wartość nie zmieniała się automatycznie po każdym uruchomieniu. Parametr denoise pozostaw na 1.0 — w tym workflow tworzysz obraz od zera, a nie przetwarzasz istniejącej fotografii.

5. Uruchom workflow i porównaj pierwsze wyniki

Kliknij przycisk uruchamiania, oznaczony zależnie od wersji jako Run lub Queue Prompt. Pierwsze wykonanie może potrwać dłużej, ponieważ model musi zostać załadowany. Po zakończeniu obraz pojawi się w węźle Save Image i zostanie zapisany w katalogu wyjściowym ComfyUI — domyślnie output.

Teraz wykonaj jeden kontrolowany eksperyment: zmień w opisie soft window light na dramatic side lighting, pozostawiając seed i pozostałe ustawienia bez zmian. Dzięki temu łatwiej ocenisz wpływ samego promptu. Jeśli zamiast tego chcesz uzyskać nowy wariant sceny, zachowaj opis i zmień seed. Zmieniaj jeden element naraz — to najprostszy sposób, by zacząć świadomie kierować wynikiem.

6. Najczęstsze błędy w ComfyUI i jak je rozwiązać

Gdy ComfyUI przerywa generowanie, najważniejszy jest komunikat błędu, a nie sam fakt, że workflow nie działa. Sprawdź szczegóły w interfejsie oraz log w terminalu lub konsoli aplikacji. Zwróć uwagę na nazwę węzła, który zgłosił problem, i końcowe linie komunikatu — zwykle wskazują brak pamięci, niezgodny model, brakujący dodatek albo problem z biblioteką.

Zanim zmienisz ustawienia, zapisz kopię workflow. Wprowadzaj po jednej poprawce i ponawiaj próbę. Dzięki temu ustalisz, co rzeczywiście rozwiązało problem.

Brak VRAM: „CUDA out of memory”

Komunikat CUDA out of memory oznacza, że operacja wymaga więcej pamięci karty NVIDIA, niż jest aktualnie dostępne. Nie musi świadczyć o uszkodzeniu instalacji. Często pojawia się po zwiększeniu rozdzielczości, liczby jednocześnie generowanych obrazów albo dodaniu kolejnego modelu do workflow.

• Ustaw batch size na 1 i zmniejsz rozdzielczość. To najprostszy test, czy przyczyną jest zapotrzebowanie na pamięć.
• Zamknij inne aplikacje korzystające z GPU. Edytor wideo, gra lub drugi proces generowania mogą zajmować znaczną część VRAM.
• Sprawdź prostszą wersję workflow. Tymczasowo pomiń dodatkowe etapy, takie jak powiększanie obrazu czy przetwarzanie z użyciem kolejnych modeli.
• Rozważ tryb oszczędzania VRAM. Przy uruchamianiu obsługującym argumenty wiersza poleceń można użyć --lowvram. Przenoszenie części obliczeń i modeli między GPU a pamięcią operacyjną może jednak spowolnić pracę.

Jeżeli błąd występuje dopiero w węźle dekodowania VAE, pomocny bywa VAE Decode (Tiled), który przetwarza obraz fragmentami. Samo zmniejszenie liczby kroków próbkowania zwykle nie rozwiązuje problemu VRAM — skraca przede wszystkim czas generowania. Restart ComfyUI może zwolnić pamięć zajętą przez proces, ale nie sprawi, że zbyt wymagający workflow zacznie mieścić się na karcie.

Błędy modeli: brak pliku, niezgodność lub uszkodzone pobieranie

Jeśli model nie pojawia się na liście albo workflow zgłasza nieprawidłową wartość w polu wyboru, sprawdź, czy plik znajduje się w katalogu właściwym dla danego typu modelu. Checkpoint, LoRA i VAE nie są zamiennymi plikami. Po dodaniu modelu odśwież listy w interfejsie, a jeśli to nie pomaga — uruchom ComfyUI ponownie i wybierz plik w odpowiednim węźle.

Workflow pobrany od innej osoby może wskazywać nazwę modelu, którego nie masz. W takim przypadku trzeba pobrać wymagany model lub wybrać zgodny zamiennik. Zmiana nazwy przypadkowego pliku nie zapewni zgodności.

Komunikaty zawierające size mismatch, shape mismatch lub błąd mnożenia macierzy często wynikają z połączenia komponentów przeznaczonych dla różnych architektur. Przykładowo LoRA przygotowana dla SD 1.5 nie jest zamiennikiem LoRA dla SDXL. Sprawdź wymagania modelu i workflow: właściwy loader, enkodery tekstu, VAE oraz dodatki muszą do siebie pasować.

Jeżeli błąd pojawia się podczas odczytu pliku, zweryfikuj kompletność pobierania i — jeśli autor ją udostępnia — sumę kontrolną. Niektóre nowsze modele wymagają również nowszej wersji ComfyUI. Aktualizację wykonuj jednak dopiero po sprawdzeniu wymagań, nie jako automatyczną odpowiedź na każdy błąd.

Brakujące custom nodes: workflow nie zna typu węzła

Ostrzeżenie o brakujących typach węzłów oznacza zazwyczaj, że workflow korzysta z rozszerzeń, których Twoja instalacja nie zawiera. Odczytaj dokładne nazwy brakujących węzłów i sprawdź dokumentację workflow. Jeśli korzystasz z ComfyUI-Manager, jego funkcja wyszukiwania brakujących rozszerzeń może pomóc zidentyfikować właściwe pakiety.

Po instalacji dodatku zrestartuj ComfyUI. Jeżeli rozszerzenie jest już zainstalowane, ale jego węzły nadal są niedostępne, sprawdź log uruchomienia. Wpis IMPORT FAILED wskazuje, że dodatek nie został poprawnie załadowany — na przykład z powodu brakującej biblioteki lub niezgodności wersji. Ponowne pobieranie tego samego rozszerzenia bez sprawdzenia przyczyny zwykle niczego nie zmieni.

Konflikty zależności: dodatek psuje uruchamianie

Błędy ModuleNotFoundError i ImportError mogą oznaczać brak pakietu albo niezgodność jego wersji. Kluczowe jest to, że biblioteki muszą być instalowane w środowisku Pythona używanym przez ComfyUI. Instalacja pakietu w systemowym Pythonie nie naprawi aplikacji korzystającej ze środowiska wirtualnego lub interpretera dołączonego do wersji portable.

Jeżeli problem zaczął się po dodaniu rozszerzenia, tymczasowo je wyłącz lub przenieś jego katalog poza custom_nodes, a następnie uruchom aplikację ponownie. Gdy ComfyUI znów działa, sprawdź instrukcję i wymagania tego dodatku. Nie aktualizuj wszystkich bibliotek naraz, zwłaszcza PyTorch i pakietów zależnych od jego wersji — możesz usunąć jeden konflikt i wywołać kolejny.

Jeśli nadal potrzebujesz pomocy, przygotuj dokładny komunikat błędu, wersję ComfyUI, sposób instalacji oraz informację, co zmieniło się przed awarią. Dołącz możliwie uproszczony workflow odtwarzający problem. Taki zestaw pozwala diagnozować konkretną przyczynę zamiast zgadywać na podstawie zrzutu ekranu z samym ostrzeżeniem.

Checklist startowa i dobre praktyki: bezpieczne modele, licencje i porządek w workflow

Zanim pobierzesz kolejny model lub uruchomisz workflow znaleziony w sieci, sprawdź jego pochodzenie, warunki użycia i wymagane rozszerzenia. W ComfyUI warto od początku traktować osobno trzy kwestie: bezpieczeństwo plików, uprawnienia wynikające z licencji oraz możliwość odtworzenia wyników. Popularność materiału nie zastępuje żadnej z tych kontroli.

Bezpieczne pobieranie modeli i rozszerzeń

Modele pobieraj z repozytoriów ich autorów lub profili, których pochodzenie możesz zweryfikować. Na platformach takich jak Hugging Face czy Civitai sprawdzaj autora publikacji, opis modelu, historię wersji i odnośniki do projektu źródłowego. Sama obecność pliku w znanym serwisie nie gwarantuje bezpieczeństwa. Jeśli wydawca udostępnia sumę kontrolną, porównaj ją z pobranym plikiem — pozwala to potwierdzić jego zgodność z opublikowaną wersją, ale nie dowodzi, że źródło jest godne zaufania.

Gdy masz wybór, preferuj wagi w formacie .safetensors. Format ten nie korzysta z mechanizmu pickle, który przy wczytywaniu niezaufanych plików może umożliwiać wykonanie kodu. Nie oznacza to jednak, że cały pakiet zawierający taki model jest bezpieczny: dołączone skrypty i rozszerzenia trzeba ocenić osobno.

Custom nodes to nie tylko dodatkowe elementy interfejsu, lecz także kod wykonywany w Twoim środowisku. Przed instalacją sprawdź repozytorium, instrukcję, zależności i zgłoszenia problemów. Nie instaluj automatycznie wszystkich dodatków wymaganych przez przypadkowy workflow. Najpierw ustal, do czego służą i czy są Ci potrzebne. Szczególną ostrożność zachowaj przy rozszerzeniach łączących się z zewnętrznymi usługami — obrazy lub prompty mogą wtedy opuszczać komputer.

Licencja ComfyUI nie jest licencją modelu

Warunki korzystania z samego ComfyUI nie określają uprawnień do wszystkich modeli, dodatków LoRA czy innych pobranych zasobów. Każdy składnik może mieć własną licencję, z ograniczeniami dotyczącymi zastosowań komercyjnych, dalszego udostępniania lub określonych sposobów użycia. Informacja „do pobrania za darmo” nie oznacza zgody na dowolne wykorzystanie.

Przed pracą dla klienta przeczytaj licencję i kartę konkretnej wersji modelu oraz używanych dodatków. Zachowaj ich kopie wraz z adresem źródła i datą pobrania. Jeśli warunki są niejasne albo licencji brakuje, nie zakładaj, że zastosowanie komercyjne jest dozwolone. Pamiętaj też, że licencja modelu nie rozstrzyga automatycznie kwestii praw do wizerunku, znaków towarowych czy materiałów wykorzystanych jako obrazy wejściowe.

Higiena workflow: zachowaj działającą wersję

Przechowuj sprawdzony workflow jako osobny plik, a eksperymenty wykonuj na kopii. Nadawaj plikom nazwy wskazujące zastosowanie i wersję. Obok zapisz użyte modele, ich wersje, źródła oraz listę rozszerzeń. Przy ważniejszych projektach zanotuj również wersję ComfyUI i custom nodes. Sam zapis ustawień, nawet z tym samym seedem, nie gwarantuje identycznego wyniku po zmianie środowiska.

Aktualizacje wykonuj świadomie, najlepiej poza pracą nad pilnym zleceniem. Przed większymi zmianami zachowaj działającą konfigurację i sprawdź nową na prostym zadaniu testowym. Przed udostępnieniem workflow lub obrazów przejrzyj ich metadane: mogą zawierać prompty i informacje o przebiegu generowania. Usuń dane klienta, prywatne ścieżki oraz wszelkie klucze API.

W Cognity łączymy teorię z praktyką — dlatego te zagadnienia rozwijamy także w formie ćwiczeń na szkoleniach. Na początek wykorzystaj poniższą checklistę, by sprawdzić, czy Twoje środowisko jest gotowe do pracy nad projektem.

Krótka checklista przed rozpoczęciem projektu

• Źródła: znam pochodzenie modeli i rozszerzeń oraz wiem, co instaluję.
• Licencje: sprawdzone warunki obejmują planowane zastosowanie, a ich kopie są zapisane.
• Prywatność: wiem, czy któryś element workflow wysyła dane do usług zewnętrznych.
• Odtwarzalność: mam kopię działającego workflow i zapisane wersje najważniejszych składników.
• Udostępnianie: pliki i metadane nie ujawniają poufnych informacji ani danych dostępowych.

ComfyUI krok po kroku: jak stworzyć pierwszy workflow do generowania obrazów AI 21 września 2026

Agenci AI w firmie – czym są, jak działają i jak wykorzystać ich w praktyce w 2026 roku? 19 września 2026