Nunchaku FLUX.1-dev保姆级教程：ComfyUI自定义节点开发入门

Nunchaku FLUX.1-dev保姆级教程：ComfyUI自定义节点开发入门

1. 前言：为什么选择Nunchaku FLUX.1-dev？

如果你正在ComfyUI里玩AI绘画，可能已经试过不少模型了。但最近有个新家伙特别火——Nunchaku FLUX.1-dev。这可不是普通的文生图模型，它是专门为ComfyUI优化的版本，生成质量高，而且支持LoRA等扩展，玩法更多样。

但说实话，第一次接触时我也踩了不少坑：插件怎么装？模型放哪里？工作流怎么用？参数怎么调？这些问题折腾了我好几天。

所以今天，我就把自己摸索出来的完整流程写成这篇教程。从零开始，手把手带你搞定Nunchaku FLUX.1-dev在ComfyUI里的部署和使用。不管你是刚接触ComfyUI的新手，还是想尝试新模型的老玩家，跟着步骤走，都能快速上手。

2. 环境准备：打好基础才能跑得稳

在开始安装之前，咱们得先把环境准备好。这就好比盖房子前要打好地基，环境没问题，后面才不会出各种奇怪的错误。

2.1 硬件要求

首先看你的显卡。Nunchaku FLUX.1-dev对显存要求不低，但别担心，它有不同版本可以选：

• 推荐配置：NVIDIA显卡，显存24GB或以上。这个配置可以跑完整的FP16版本，效果最好。
• 中等配置：显存12-16GB。可以跑FP8量化版，画质稍有损失但还能接受。
• 入门配置：显存8GB左右。只能跑INT4或FP4量化版，画质会明显下降，但至少能跑起来。

怎么知道自己的显卡显存？在Windows上可以按Ctrl+Shift+Esc打开任务管理器，在“性能”标签页里看GPU信息。

2.2 软件环境

软件方面需要准备这几样：

1. Python 3.10+：这是必须的。建议用Python 3.10或3.11，太老的版本可能不兼容。
2. Git：用来下载代码和插件。如果你还没装，去Git官网下载安装就行。
3. PyTorch：深度学习框架。版本要和你的系统、显卡匹配。

怎么检查环境是否OK？打开命令行（Windows是CMD或PowerShell，Mac/Linux是终端），输入以下命令：

# 检查Python版本 python --version # 检查Git是否安装 git --version # 检查PyTorch（如果已安装） python -c "import torch; print(torch.__version__)"

如果都正常显示版本号，说明基础环境没问题。

2.3 安装必要工具

还有一个工具需要提前装好——huggingface_hub。这是用来从Hugging Face下载模型的工具。

pip install --upgrade huggingface_hub

如果你之前装过，用--upgrade可以更新到最新版。

环境检查清单：

• [ ] 显卡显存足够（至少8GB）
• [ ] Python 3.10+已安装
• [ ] Git已安装
• [ ] huggingface_hub已安装

都打勾了？那咱们可以进入下一步了。

3. 安装Nunchaku ComfyUI插件

环境准备好了，现在来安装插件。Nunchaku FLUX.1-dev需要两个部分：插件本体和后端。别被这些名词吓到，其实就是两个需要安装的软件包。

3.1 安装ComfyUI-nunchaku插件

这里给你两种方法，选一个你觉得顺手的就行。

3.1.1 方法A：用Comfy-CLI（最简单）

如果你喜欢命令行操作，这个方法最省事。Comfy-CLI是ComfyUI的官方命令行工具，能自动处理很多依赖问题。

# 第一步：安装ComfyUI CLI工具 pip install comfy-cli # 第二步：安装ComfyUI（如果已经装过可以跳过） comfy install # 第三步：安装Nunchaku插件 comfy noderegistry-install ComfyUI-nunchaku # 第四步：移动插件到正确目录 mv ComfyUI-nunchaku ComfyUI/custom_nodes/nunchaku_nodes

这个方法的好处是自动处理依赖，不容易出错。但前提是你的网络能正常访问GitHub和相关的资源。

3.1.2 方法B：手动安装（更灵活）

如果你对ComfyUI的目录结构比较熟悉，或者想自己控制安装过程，可以用这个方法。

# 1. 先安装ComfyUI（如果还没装的话） git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI pip install -r requirements.txt # 2. 克隆Nunchaku插件到custom_nodes目录 cd custom_nodes git clone https://github.com/mit-han-lab/ComfyUI-nunchaku nunchaku_nodes

手动安装的好处是你可以看到每一步在做什么，有问题也容易排查。不过需要你自己确保依赖都装对了。

两种方法选哪个？

• 新手推荐方法A：简单省事，跟着命令敲就行。
• 老手可以用方法B：更透明，可以自定义安装路径。

3.2 安装Nunchaku后端

插件装好了，还需要后端支持。从v0.3.2版本开始，这个过程变得很简单。

安装完插件后，在ComfyUI的网页界面里，你会看到多了一个Nunchaku的节点组。第一次使用时，系统可能会提示你安装后端。如果没自动提示，也可以手动触发：

1. 在ComfyUI界面找到Nunchaku相关的节点
2. 右键点击节点，选择“安装依赖”或类似选项
3. 等待安装完成

后端安装其实就是下载一些必要的模型文件和运行库，时间取决于你的网速，一般几分钟到十几分钟。

安装完成后，重启一下ComfyUI，让所有组件都加载到位。

4. 准备Nunchaku FLUX.1-dev模型

插件装好了，现在需要下载模型文件。Nunchaku FLUX.1-dev需要几个不同的模型文件，就像做菜需要不同的调料一样，缺一不可。

4.1 配置工作流文件

工作流就是ComfyUI里保存节点连接关系的文件。Nunchaku插件自带了一些示例工作流，我们需要把它们放到ComfyUI能识别的位置。

# 进入ComfyUI根目录 cd ComfyUI # 创建工作流目录（如果不存在的话） mkdir -p user/default/example_workflows # 复制Nunchaku示例工作流 cp custom_nodes/nunchaku_nodes/example_workflows/* user/default/example_workflows/

这个步骤很简单，就是复制几个文件。完成后，你在ComfyUI的“加载”菜单里就能看到这些工作流了。

4.2 下载模型文件

重头戏来了——下载模型。Nunchaku FLUX.1-dev需要两类模型：基础FLUX模型和Nunchaku专属模型。

4.2.1 下载基础FLUX模型（必须的）

基础模型包括文本编码器和VAE（变分自编码器），它们负责理解你的文字描述和生成图片的细节。

# 下载文本编码器模型（放到models/text_encoders目录） hf download comfyanonymous/flux_text_encoders clip_l.safetensors --local-dir models/text_encoders hf download comfyanonymous/flux_text_encoders t5xxl_fp16.safetensors --local-dir models/text_encoders # 下载VAE模型（放到models/vae目录） hf download black-forest-labs/FLUX.1-schnell ae.safetensors --local-dir models/vae

如果你之前下载过这些模型，也可以直接创建软链接，避免重复下载：

# 检查模型是否已下载 ls -l ~/.cache/huggingface/hub/ # 如果已有，创建软链接 ln -s /path/to/your/cache/clip_l.safetensors ComfyUI/models/text_encoders/ ln -s /path/to/your/cache/t5xxl_fp16.safetensors ComfyUI/models/text_encoders/ ln -s /path/to/your/cache/ae.safetensors ComfyUI/models/vae/

4.2.2 下载Nunchaku FLUX.1-dev主模型（核心）

这是最重要的部分——Nunchaku优化过的FLUX.1-dev模型。根据你的显卡类型，需要选择不同的版本：

• Blackwell显卡（如RTX 50系列）：用FP4版本
• 其他NVIDIA显卡：用INT4版本（推荐）
• 显存不足：可以考虑FP8版本

# 下载INT4版本（适合大多数显卡） hf download nunchaku-tech/nunchaku-flux.1-dev svdq-int4_r32-flux.1-dev.safetensors --local-dir models/unet/

下载完成后，检查一下文件大小。INT4版本大约8-10GB，FP16版本会更大。如果下载中断，可以用--resume参数继续下载。

4.2.3 可选：下载LoRA模型

LoRA是小模型，可以微调生成效果。比如让画风更动漫，或者生成特定主题的图片。

# 下载FLUX.1-Turbo-Alpha LoRA（加速生成） # 下载其他风格LoRA（根据需要）

LoRA不是必须的，但有了它们，你的创作空间会大很多。可以先去Hugging Face或Civitai看看有哪些有趣的LoRA。

模型下载清单：

• [ ] 文本编码器：clip_l.safetensors
• [ ] 文本编码器：t5xxl_fp16.safetensors
• [ ] VAE：ae.safetensors
• [ ] 主模型：svdq-int4_r32-flux.1-dev.safetensors
• [ ] （可选）LoRA模型

都下载完了？恭喜你，最耗时的部分已经完成了！

5. 启动ComfyUI并开始创作

万事俱备，只欠东风。现在让我们启动ComfyUI，开始用Nunchaku FLUX.1-dev生成第一张图片。

5.1 启动ComfyUI

回到ComfyUI的根目录，用这个命令启动：

python main.py

如果你用的是Anaconda或虚拟环境，记得先激活环境。启动成功后，命令行会显示一个本地地址，通常是http://127.0.0.1:8188。

打开浏览器，输入这个地址，就能看到ComfyUI的界面了。第一次加载可能需要一点时间，因为要初始化所有模型和插件。

5.2 加载Nunchaku工作流

ComfyUI启动后，界面是空白的。我们需要加载之前准备好的工作流。

1. 点击右上角的“加载”按钮
2. 选择user/default/example_workflows目录
3. 找到nunchaku-flux.1-dev.json并打开

加载后，你会看到一堆节点自动连接好了。这就是Nunchaku FLUX.1-dev的完整工作流，支持多LoRA加载，是文生图效果最好的配置。

如果提示节点缺失，别慌。点击“管理器”按钮，在自定义节点里搜索缺失的节点名，安装即可。常见的缺失节点有ComfyUI-Manager、Impact Pack等。

5.3 设置参数并生成图片

现在到了最激动人心的环节——生成你的第一张Nunchaku FLUX.1-dev图片。

5.3.1 输入提示词

在工作流中找到“提示词”输入框（通常标着“Positive”或“Prompt”）。FLUX模型对英文提示词支持更好，所以建议用英文描述。

试试这个示例提示词：

A beautiful landscape with mountains and lakes, ultra HD, realistic, 8K, masterpiece, detailed

翻译过来就是：“美丽的山水风景，超高清，写实风格，8K分辨率，杰作，细节丰富”。

5.3.2 调整参数（可选）

如果你对默认效果不满意，可以调整这些参数：

• 推理步数（Steps）：默认20-30步。步数越多，细节越丰富，但时间也越长。
• 分辨率（Resolution）：默认1024x1024。显存不够可以降到768x768或512x512。
• CFG Scale：提示词相关性，默认7.5。值越大越贴近提示词，但可能失去创意。
• 采样器（Sampler）：默认dpmpp_2m。可以试试其他采样器看效果差异。
• 种子（Seed）：固定种子可以复现相同图片。设为-1则每次随机。

5.3.3 点击运行

一切就绪后，点击那个大大的“运行”按钮。第一次运行会比较慢，因为要加载模型到显存。后续生成就会快很多。

等待过程中，你可以看到进度条和预览图逐渐出现。生成完成后，图片会显示在右侧的预览区。

生成的第一张图可能不太完美，这很正常。多试几次，调整提示词和参数，你会慢慢找到感觉。

6. 常见问题与技巧

用了一段时间后，我总结了一些常见问题和实用技巧，希望能帮你少走弯路。

6.1 模型放错位置怎么办？

这是最容易出错的地方。记住这个目录结构：

ComfyUI/models/ ├── unet/ # 主模型放这里 │ └── svdq-int4_r32-flux.1-dev.safetensors ├── loras/ # LoRA模型放这里 │ └── 你的LoRA模型.safetensors ├── text_encoders/ # 文本编码器放这里 │ ├── clip_l.safetensors │ └── t5xxl_fp16.safetensors └── vae/ # VAE放这里 └── ae.safetensors

如果放错了，ComfyUI会提示找不到模型。按照上面的结构调整就行。

6.2 显存不够怎么办？

Nunchaku FLUX.1-dev确实吃显存，但有几个办法可以缓解：

1. 用量化版模型：INT4版本比FP16版本省很多显存
2. 降低分辨率：从1024x1024降到768x768或512x512
3. 减少批处理大小：一次只生成一张图
4. 关闭其他程序：特别是游戏和视频编辑软件
5. 使用--lowvram参数：启动ComfyUI时加上这个参数

6.3 生成速度太慢？

生成速度受多个因素影响：

• 显卡性能：RTX 4090肯定比RTX 3060快
• 推理步数：20步和50步时间差一倍多
• 分辨率：1024x1024比512x512慢很多
• LoRA数量：加载的LoRA越多越慢

如果追求速度，可以：

1. 用FLUX.1-Turbo-AlphaLoRA（能减少步数）
2. 降低分辨率
3. 减少推理步数到15-20步

6.4 图片质量不满意？

图片质量不好可能有几个原因：

1. 提示词不够详细：FLUX模型需要详细的描述
2. 推理步数太少：尝试增加到30-50步
3. CFG Scale不合适：试试6-9之间的值
4. 需要负面提示词：在Negative Prompt里输入不想要的内容

好的提示词模板：

[主题], [风格], [细节描述], [画质要求], [艺术家风格], [光照效果], [构图]

例如：

A cute cat sleeping on a windowsill, anime style, detailed fur, soft lighting, by Makoto Shinkai, 8K, masterpiece

6.5 工作流节点缺失？

如果加载工作流时提示节点缺失：

1. 点击ComfyUI右上角的“管理器”
2. 在“自定义节点”里搜索缺失的节点名
3. 点击安装，然后重启ComfyUI

常见的需要安装的节点：

• ComfyUI-Manager（管理其他节点）
• Impact Pack（一些工具节点）
• WAS Node Suite（扩展功能）

7. 总结与进阶建议

跟着教程走下来，你应该已经成功在ComfyUI里用上Nunchaku FLUX.1-dev了。从环境准备到生成第一张图，整个过程虽然步骤多，但每一步都有明确的目标。

7.1 核心要点回顾

让我帮你梳理一下最关键的几个点：

1. 环境要匹配：Python版本、PyTorch版本、显卡驱动都要对得上
2. 插件安装二选一：Comfy-CLI最简单，手动安装最灵活
3. 模型别放错位置：记住unet、loras、text_encoders、vae这四个目录
4. 工作流用对文件：nunchaku-flux.1-dev.json支持多LoRA，效果最好
5. 参数可以慢慢调：第一次用默认参数，熟悉后再微调

7.2 下一步可以尝试什么？

如果你已经能稳定生成图片了，可以试试这些进阶玩法：

1. 混合多个LoRA：同时加载风格LoRA和主题LoRA，创造独特效果
2. 尝试ControlNet：用线稿或深度图控制生成内容
3. 批量生成：用同样的提示词生成多张图，选最好的
4. 自定义工作流：在现有工作流基础上添加新节点，实现更复杂的功能
5. 训练自己的LoRA：用特定图片训练专属风格

7.3 遇到问题怎么办？

AI绘画的路上总会遇到各种问题，这是正常的。几个解决问题的思路：

1. 看错误信息：ComfyUI的控制台会输出详细错误，这是最重要的线索
2. 检查模型路径：90%的问题都是模型放错了位置
3. 更新插件和依赖：用ComfyUI-Manager更新所有节点到最新版
4. 查GitHub Issues：别人可能已经遇到过同样的问题
5. 降低复杂度：先用最简单的工作流测试，没问题再慢慢加功能

Nunchaku FLUX.1-dev在ComfyUI里的表现确实不错，生成质量高，扩展性强。虽然安装过程有点复杂，但一旦跑起来，你会发现这些努力都是值得的。

记住，AI绘画是个需要耐心和实践的过程。多试、多调、多学习，你会慢慢掌握其中的技巧。祝你在ComfyUI和Nunchaku FLUX.1-dev的世界里玩得开心，创作出更多精彩的作品！

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。