openclaw+ComfyUI+Nunchaku：三合一开源文生图技术栈落地实操

想体验最新最强的开源文生图模型，但被复杂的部署流程劝退？今天，我们就来手把手带你搞定一套“三合一”的黄金组合：openclaw + ComfyUI + Nunchaku FLUX.1-dev。

这个组合有多强？简单来说，它能让你在本地电脑上，用上目前开源领域最前沿的文生图模型之一——FLUX.1-dev。这个模型以生成高质量、高分辨率图像而闻名，现在通过Nunchaku团队的优化和ComfyUI的可视化界面，部署和使用的门槛大大降低。

无论你是AI绘画爱好者，还是想将先进AI能力集成到工作流中的开发者，这篇教程都将是你从零到一的完整指南。我们不讲复杂的理论，只聚焦于怎么装、怎么用、怎么出效果。准备好了吗？让我们开始吧。

1. 环境准备：打好地基

在开始安装任何软件之前，我们需要确保你的电脑环境满足基本要求。这就像盖房子前要检查地基一样，至关重要。

硬件要求（核心是显卡）：

• 显卡：必须是一块支持CUDA的NVIDIA显卡。这是运行AI模型的计算核心。
• 显存建议：强烈推荐24GB或以上显存，这样你可以流畅运行完整的FP16精度模型，获得最佳画质。如果你的显存只有8GB或12GB也别担心，我们后面会介绍量化版模型（如INT4、FP8），它们能在更小的显存下运行，只是画质可能会有轻微损失。
• 其他：至少16GB内存，足够的硬盘空间（模型文件比较大）。

软件要求：

• 操作系统：Windows 10/11，或者Linux（如Ubuntu）。macOS暂不支持，因为依赖NVIDIA CUDA。
• Python：需要安装Python 3.10或更高版本。这是所有AI工具的基础运行环境。
• Git：用于从网上下载代码。如果你还没有，去官网下载安装一个。
• PyTorch：一个重要的深度学习框架。你需要安装与你的系统和CUDA版本匹配的PyTorch。通常安装命令类似 pip install torch torchvision torchaudio，但最好去PyTorch官网根据你的情况生成准确的安装命令。

一个关键工具： 在开始前，我们先安装一个下载模型必备的小工具：

pip install --upgrade huggingface_hub

这个工具能帮你从Hugging Face（一个AI模型社区）快速下载我们需要的模型文件。

环境检查完毕，我们就可以进入正式的安装环节了。

2. 安装部署：搭建你的AI画室

我们的“画室”由两部分组成：ComfyUI可视化界面和Nunchaku插件（包含后端引擎）。ComfyUI就像一个功能强大的画板，而Nunchaku插件则是专门为FLUX.1-dev模型定制的“神奇画笔”。

2.1 安装ComfyUI-nunchaku插件

安装插件有两种方法，你可以选择你觉得更顺手的一种。

方法一：使用Comfy-CLI（最简单，推荐新手） 这个方法通过命令行工具一键安装，非常省心。

# 1. 安装ComfyUI的命令行管理工具
pip install comfy-cli

# 2. 安装ComfyUI主程序（如果你已经安装过，这一步可以跳过）
comfy install

# 3. 安装Nunchaku插件
comfy noderegistry-install ComfyUI-nunchaku

# 4. 将插件移动到ComfyUI的正确目录（这步很关键！）
# 假设你的ComfyUI安装在默认位置，进入其目录下的custom_nodes文件夹
cd ComfyUI/custom_nodes
# 将刚安装的插件文件夹改名为nunchaku_nodes（这是约定俗成的名称，方便识别）
mv ComfyUI-nunchaku nunchaku_nodes

方法二：手动安装（更灵活，适合喜欢掌控一切的玩家） 这个方法需要你手动克隆代码库，适合已经熟悉Git操作的朋友。

# 1. 下载ComfyUI主程序
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
# 安装ComfyUI需要的所有Python依赖包
pip install -r requirements.txt

# 2. 下载Nunchaku插件
cd custom_nodes  # 进入ComfyUI的插件目录
git clone https://github.com/mit-han-lab/ComfyUI-nunchaku nunchaku_nodes

无论哪种方法，完成后，ComfyUI/custom_nodes/目录下应该会有一个名为nunchaku_nodes的文件夹，里面就是我们的插件。

2.2 安装Nunchaku后端引擎

插件是“操作界面”，后端引擎才是真正的“计算核心”。从Nunchaku插件v0.3.2版本开始，安装变得非常简单。

1. 启动ComfyUI（我们稍后会详细讲如何启动）。
2. 在ComfyUI的网页界面中，你应该能看到一个名为 install_wheel.json 的工作流文件（由插件提供）。
3. 加载这个工作流并点击“运行”，它会自动为你下载和安装所需的后端wheel包。

如果自动安装不成功，你也可以根据插件文档的说明，手动安装对应的Python包。

3. 模型准备：请来“王牌画师”

插件和引擎就位，现在需要请出我们的主角——Nunchaku FLUX.1-dev模型。不过，FLUX模型是一个“组合型”画师，它需要几个助手一起工作。

3.1 配置工作流（预设画布）

为了让ComfyUI认识我们的新画师，需要把Nunchaku插件自带的一些示例“绘画流程”（工作流）复制过去。

# 进入你的ComfyUI根目录
cd ComfyUI

# 创建存放示例工作流的目录（如果不存在的话）
mkdir -p user/default/example_workflows

# 复制Nunchaku插件提供的工作流文件
cp custom_nodes/nunchaku_nodes/example_workflows/* user/default/example_workflows/

这样，在ComfyUI的网页界面里，你就能直接加载这些预设好的高效工作流了。

3.2 下载模型文件（请画师和助手们入场）

这是最关键的一步，需要下载四种类型的模型文件，并放到正确的“座位”（目录）上。

首先，创建正确的目录结构： 在ComfyUI/models/目录下，确保有以下子文件夹（如果没有就创建）：

• unet/ - 存放FLUX.1-dev主模型
• loras/ - 存放LoRA模型（风格微调器）
• text_encoders/ - 存放文本编码器（理解你的文字描述）
• vae/ - 存放VAE模型（负责最终图像解码）

第一步：下载基础助手（文本编码器和VAE） 这两个模型是FLUX架构的标准组件，必须安装。

# 下载文本编码器（CLIP和T5），它们帮助模型理解你的文字
# 下载到 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解码器，它把模型内部的数学表示变成你看得见的图片
# 下载到 models/vae 目录
hf download black-forest-labs/FLUX.1-schnell ae.safetensors --local-dir models/vae

提示：hf命令就是我们之前安装的huggingface_hub工具。如果下载速度慢，可以考虑使用国内镜像源，或者手动从Hugging Face网站下载后放入对应目录。

第二步：下载王牌画师本人（Nunchaku FLUX.1-dev主模型） 这是核心模型，有不同的“工作强度”（量化版本）可选，请根据你的显卡显存对号入座：

• INT4模型：适用于大多数NVIDIA显卡（RTX 20/30/40系列），在保持较好质量的同时显著降低显存占用。
• FP4模型：专为最新的Blackwell架构显卡（如RTX 50系列）优化。
• FP8模型：如果你显存比较紧张（比如12GB），可以选择这个版本，它是精度和显存占用的平衡点。

这里以最通用的INT4模型为例：

# 下载INT4量化版的主模型到 models/unet/ 目录
hf download nunchaku-tech/nunchaku-flux.1-dev svdq-int4_r32-flux.1-dev.safetensors --local-dir models/unet/

第三步（可选）：下载风格微调器（LoRA） LoRA就像给画师不同的“滤镜”或“风格指南”，可以显著改变出图风格。Nunchaku推荐使用 FLUX.1-Turbo-Alpha 这个LoRA，它能加快生成速度并可能提升某些场景的效果。

# 将下载的LoRA模型文件放入 models/loras/ 目录
# 你需要根据LoRA的具体下载链接来操作，例如：
# 假设你从网上下载了 `flux.1-turbo-alpha.safetensors`，直接把它放进 models/loras/ 文件夹即可。

至此，所有模型文件应该各就各位。你可以检查一下ComfyUI/models/目录，结构大致如下：

models/
├── unet/
│   └── svdq-int4_r32-flux.1-dev.safetensors
├── loras/
│   └── flux.1-turbo-alpha.safetensors (可选)
├── text_encoders/
│   ├── clip_l.safetensors
│   └── t5xxl_fp16.safetensors
└── vae/
    └── ae.safetensors

4. 启动与创作：画出你的第一张AI作品

万事俱备，只欠东风。让我们启动ComfyUI，开始真正的创作。

4.1 启动ComfyUI服务

打开命令行终端，进入你的ComfyUI根目录，然后运行：

python main.py

如果一切顺利，你会看到一些启动日志，最后通常会显示一行类似 “Running on local URL: http://127.0.0.1:8188” 的信息。

现在，打开你的网页浏览器（比如Chrome），在地址栏输入 http://127.0.0.1:8188，回车。恭喜，你已经进入了ComfyUI的可视化操作界面！

4.2 加载Nunchaku FLUX.1-dev工作流

ComfyUI的界面可能初看有些复杂，但别担心，我们使用预设好的工作流就很简单。

1. 在网页界面右侧，找到 “Load” （加载）按钮。
2. 点击后，在弹出的对话框中，你应该能导航到 ComfyUI/user/default/example_workflows/ 这个路径。
3. 选择名为 nunchaku-flux.1-dev.json 的文件并打开。

瞬间，画布上会出现许多连线的方块（节点），这就是一个完整的文生图流水线。这个预设工作流已经帮我们连接好了FLUX.1-dev模型、文本编码器、VAE，并预留了LoRA的位置，开箱即用。

4.3 设置参数并生成图片

现在到了最有趣的环节——输入描述，让AI作画。

1. 输入提示词：在工作流中，找到一个标有 “Positive Prompt” 的节点（通常是一个大的文本输入框）。在这里用英文描述你想要画面。FLUX模型对英文提示词响应更好。

   • 试试这个：A beautiful landscape with mountains and lakes, ultra HD, realistic, 8K (一个带有山川湖泊的美丽风景，超高清，写实风格，8K分辨率)
   • 再试试这个：A cute cartoon cat wearing a spacesuit, floating among stars, Pixar style (一只穿着宇航服的可爱卡通猫，漂浮在星星中，皮克斯风格)

2. 调整基本参数（可选）：

   • 推理步数（Steps）：一般设置在20-50之间。步数越多，细节可能越丰富，但生成时间也更长。如果使用了FLUX.1-Turbo-Alpha LoRA，可以适当减少步数。
   • 分辨率：找到Empty Latent Image节点，可以设置图片的宽高。例如1024x1024。注意，分辨率越高，显存占用越大。
   • LoRA权重：如果你加载了LoRA，可以调整其权重（通常0.5-1.0），控制风格影响的强度。

3. 点击生成：在界面上找到大大的 “Queue Prompt” 按钮，点击它！ 系统开始运行，你会看到节点边框亮起，表示数据正在流动。稍等片刻（时间取决于你的显卡和步数），生成的图片就会出现在右边的预览区域。

成功了！ 你的第一张由开源最强文生图模型之一生成的图片诞生了。你可以尝试不同的提示词，探索模型的潜力。

5. 关键技巧与避坑指南

为了让你的体验更顺畅，这里总结几个最重要的注意事项：

1. 模型路径绝对不能错：这是最常见的问题。务必确认FLUX.1-dev主模型在models/unet/，LoRA在models/loras/，文本编码器在models/text_encoders/，VAE在models/vae/。放错位置ComfyUI就找不到。
2. 显存不足怎么办：
   • 首选：使用INT4或FP8量化版的主模型，而不是完整的FP16版。
   • 其次：在生成时降低输出分辨率（如从1024x1024降到768x768）。
   • 最后：减少批量大小（Batch Size） 和推理步数（Steps）。
3. 生成速度慢：除了升级硬件，可以尝试启用FLUX.1-Turbo-Alpha LoRA，它能在一定程度上加速生成过程。
4. 工作流节点报错：如果加载工作流时提示缺少某个节点（如KSampler等），说明你的ComfyUI缺少对应的自定义节点。可以通过安装 ComfyUI Manager 这个管理插件，来方便地搜索和安装缺失节点。
5. 关于推理步数：如果你决定不使用 FLUX.1-Turbo-Alpha LoRA，请务必将推理步数调整到20步以上，否则生成的图片质量可能会非常不理想。

6. 总结

走完这一整套流程，你已经成功搭建了一个基于当前顶尖开源技术的本地文生图平台。回顾一下我们的“三合一”技术栈：

• openclaw：提供了获取和部署AI应用的整体思路与资源。
• ComfyUI：给予了我们强大、灵活且可视化的操作界面。
• Nunchaku FLUX.1-dev：带来了接近行业前沿的图像生成质量。

这套组合的优势在于完全开源、可本地部署、高度定制化。你可以不受网络限制地尽情创作，也可以深入研究ComfyUI的工作流，将其集成到更复杂的自动化生产管线中。

当然，这只是一个开始。ComfyUI的节点生态系统极其丰富，你可以添加ControlNet（姿势控制）、IP-Adapter（图像风格参考）、各种 Upscaler（高清修复）等节点，打造属于你自己的终极AI绘画工作站。

---

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。