openclaw技术博文：Nunchaku FLUX.1-dev ComfyUI自定义节点开发入门

1. 引言：为什么你需要关注Nunchaku FLUX.1-dev？

如果你正在寻找一款能生成高质量、高分辨率图片的AI模型，并且希望它能无缝集成到ComfyUI这个强大的可视化工作流工具里，那么Nunchaku FLUX.1-dev绝对值得你花时间了解一下。

简单来说，Nunchaku FLUX.1-dev是基于FLUX.1架构的一个优化版本，专门为ComfyUI环境做了适配。它最大的特点就是能在保持出色画质的同时，通过量化技术大幅降低对显卡显存的要求。这意味着，即使你没有顶级的专业显卡，也能尝试运行这个模型来生成令人惊艳的图片。

这篇文章，我会手把手带你完成从零开始，在ComfyUI里安装、配置并运行Nunchaku FLUX.1-dev模型的全过程。无论你是刚接触AI绘画的新手，还是想为你的ComfyUI工具箱添加新武器的老玩家，这篇指南都能帮你快速上手。

2. 环境准备：搭建你的创作舞台

在开始安装之前，我们需要确保你的电脑环境已经准备就绪。这就像盖房子前要打好地基一样，基础打好了，后面的步骤才会顺畅。

2.1 硬件要求

首先来看看你的显卡。Nunchaku FLUX.1-dev对显卡有一定要求，但好消息是它提供了不同版本，可以适配多种硬件：

• 推荐配置：拥有24GB或以上显存的NVIDIA显卡。如果你用的是RTX 4090这类高端卡，可以流畅运行FP16（全精度）版本，获得最好的画质。
• 主流配置：如果你的显卡显存在8GB到16GB之间（比如RTX 4060 Ti 16GB或RTX 4070 Ti Super），可以选择INT4量化版本，它在保证不错画质的同时，显存占用更友好。
• 入门配置：对于显存更小的显卡（如8GB），可以考虑FP8量化版本，它能在有限的显存下运行，是体验该模型的入门选择。
• 特殊注意：如果你使用的是最新的Blackwell架构显卡（如未来的RTX 50系列），需要选择专门的FP4版本模型。

简单来说，先看看你的显卡显存有多大，然后对号入座选择对应的模型版本就行。

2.2 软件环境

软件方面需要准备这几样东西：

1. Python 3.10或更高版本：这是运行AI模型的基础环境。你可以在命令行输入python --version来查看当前版本。
2. Git：用于从代码仓库下载必要的插件和工具。大部分系统都自带，如果没有，去Git官网下载安装一个也很简单。
3. PyTorch：这是深度学习框架，需要安装与你的系统和CUDA版本匹配的PyTorch。如果你不确定该装哪个，可以去PyTorch官网，它会根据你的情况给出安装命令。
4. huggingface_hub：一个用于从Hugging Face平台下载模型文件的工具库。安装命令很简单，在命令行里输入下面这行就行：

pip install --upgrade huggingface_hub

环境检查就这些，都不复杂。确认好这些后，我们就可以进入下一步了。

3. 安装部署：把Nunchaku插件请进ComfyUI

现在我们要把Nunchaku FLUX.1-dev的“操作面板”——也就是ComfyUI插件——安装到你的ComfyUI里。我提供两种方法，你可以选一个你觉得顺手的。

3.1 方法一：用Comfy-CLI一键安装（推荐给新手）

如果你喜欢简单快捷，不想折腾，这个方法最适合你。Comfy-CLI是一个命令行工具，能帮你自动化很多安装步骤。

首先，安装这个CLI工具：

pip install comfy-cli

然后，用它来安装ComfyUI本体（如果你已经装过ComfyUI，这一步可以跳过）：

comfy install

最关键的一步，安装Nunchaku插件：

comfy noderegistry-install ComfyUI-nunchaku

安装完成后，你需要把插件移动到ComfyUI的正确目录里。找到刚才下载的ComfyUI-nunchaku文件夹，把它移动到ComfyUI/custom_nodes/目录下，并重命名为nunchaku_nodes。

这样就完成了！这个方法省去了手动克隆仓库、解决依赖的麻烦，特别适合不想在环境配置上花太多时间的朋友。

3.2 方法二：手动安装（适合喜欢掌控一切的你）

如果你更习惯传统的安装方式，或者想自定义一些设置，可以按照下面的步骤手动操作。

首先，如果你还没有ComfyUI，需要先把它下载下来：

git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
pip install -r requirements.txt

进入ComfyUI的custom_nodes目录，这是所有第三方插件存放的地方：

cd custom_nodes

然后，直接把Nunchaku插件的代码仓库克隆到这里：

git clone https://github.com/mit-han-lab/ComfyUI-nunchaku nunchaku_nodes

手动安装的好处是每一步你都看得见，如果中途出了问题，也更容易定位和解决。

3.3 安装Nunchaku后端

无论你用哪种方法安装了插件，最后都需要安装Nunchaku的后端程序。从v0.3.2版本开始，这个过程变得非常简单。

插件安装完成后，在ComfyUI的网页界面里，你应该能看到一个名为install_wheel.json的工作流文件。加载并运行这个工作流，它就会自动帮你下载和安装所需的后端wheel包。这是最省事的方法，避免了手动处理Python依赖的麻烦。

4. 模型准备：下载AI画师的核心“大脑”

插件装好了，相当于我们有了操作台。现在需要把真正的“画师”——模型文件请过来。Nunchaku FLUX.1-dev的运行需要几个不同的模型文件协同工作。

4.1 配置示例工作流

为了让使用更直观，Nunchaku插件自带了一些预设的工作流示例。我们需要把它们复制到ComfyUI能识别的位置。

打开命令行，进入你的ComfyUI根目录，然后执行：

# 创建存放示例工作流的目录
mkdir -p user/default/example_workflows

# 复制Nunchaku插件自带的工作流文件
cp custom_nodes/nunchaku_nodes/example_workflows/* user/default/example_workflows/

这样操作后，当你启动ComfyUI，就能在网页界面里直接加载这些预设的工作流，省去了从零搭建的麻烦。

4.2 下载基础FLUX模型（必装）

Nunchaku FLUX.1-dev需要一些基础模型组件才能工作，主要是文本编码器和VAE（变分自编码器）。这些模型负责理解你的文字描述，以及最终解码生成图片。

使用我们之前安装的huggingface_hub工具来下载，命令会自动把文件放到正确的目录：

# 下载文本编码器模型，它们能理解你输入的文字
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，它负责把AI生成的“概念”变成最终的像素图片
hf download black-forest-labs/FLUX.1-schnell ae.safetensors --local-dir models/vae

如果你之前已经通过其他方式下载过这些模型，也可以手动创建符号链接。比如，检查你的models/text_encoders目录，如果里面已经有指向缓存文件的链接，就不用重复下载了。

4.3 下载核心的Nunchaku FLUX.1-dev模型

这是最重要的部分，也就是模型的主干。你需要根据之前对显卡显存的评估，选择对应的版本。

对于大多数NVIDIA显卡（非Blackwell架构），INT4版本是个平衡画质和显存的好选择：

hf download nunchaku-tech/nunchaku-flux.1-dev svdq-int4_r32-flux.1-dev.safetensors --local-dir models/unet/

下载完成后，这个文件应该放在ComfyUI/models/unet/目录下。这个“unet”是模型的核心神经网络部分。

4.4 可选：下载LoRA模型来增强效果

LoRA可以理解为模型的“风格插件”或“技能包”。加载不同的LoRA，可以让模型生成特定风格或质量的图片。Nunchaku FLUX.1-dev常用的一个LoRA是FLUX.1-Turbo-Alpha，它能显著提升生成速度。

你可以从Hugging Face或ModelScope平台搜索并下载需要的LoRA文件，然后把它们放在ComfyUI/models/loras/目录下。在工作流中，你可以选择加载一个或多个LoRA，并通过调整权重来控制它们对最终效果的影响程度。

5. 启动与使用：让你的AI画师开始工作

一切准备就绪，现在让我们启动ComfyUI，看看怎么用这个强大的工具来生成图片。

5.1 启动ComfyUI

回到ComfyUI的根目录，用Python启动它：

python main.py

如果一切正常，命令行会显示服务启动的日志，并告诉你访问地址（通常是http://127.0.0.1:8188）。在浏览器中打开这个地址，你就看到了ComfyUI的网页操作界面。

5.2 加载Nunchaku FLUX.1-dev工作流

在ComfyUI界面中，点击菜单栏的“Load”按钮，然后找到并加载我们之前复制的示例工作流。对于文生图任务，我推荐使用nunchaku-flux.1-dev.json这个工作流。

这个工作流已经预配置好了所有必要的节点和连接，特别优化了文生图效果，并且支持同时加载多个LoRA模型。你只需要关注输入和调整参数即可。

这里有个重要提示：这个工作流默认启用了FLUX.1-Turbo-Alpha LoRA来加速生成。如果你在后续使用中关闭了这个LoRA，记得要把“推理步数”这个参数调到至少20步，否则生成的图片质量可能会下降。

5.3 设置参数并生成你的第一张图片

工作流加载后，你会看到画布上有很多方框（节点）和连接线。别被吓到，我们只需要关注几个关键地方：

1. 找到提示词输入框：通常是一个写着“Positive Prompt”的节点。在这里，用英文描述你想要生成的画面。FLUX模型对英文的理解和响应通常更好。例如，你可以输入：A serene Japanese garden in autumn, maple leaves falling into a koi pond, photorealistic, 8K resolution, detailed reflections。

2. 调整基本参数：

   • 推理步数（Steps）：控制AI“思考”的细致程度，一般20-50步之间，步数越多细节越丰富，但耗时也越长。
   • 分辨率（Resolution）：比如1024x1024。如果你的显存紧张，可以适当降低分辨率。
   • 采样器（Sampler）和调度器（Scheduler）：工作流通常有推荐设置，初学者可以保持默认。
   • LoRA权重：如果你加载了LoRA，可以在这里调整它的影响强度，一般从0.5到1.0之间尝试。

3. 点击运行：设置好参数后，点击界面上的“Queue Prompt”按钮。ComfyUI就会开始处理你的请求。在右侧的预览区域，你可以看到生成进度和最终结果。

第一次生成可能会稍慢，因为模型需要加载到显存中。完成后，你就能看到AI根据你的描述绘制的图片了！你可以尝试修改提示词、调整参数，生成不同风格和内容的作品。

6. 总结与关键要点

通过上面的步骤，你应该已经成功在ComfyUI中搭建起了Nunchaku FLUX.1-dev的创作环境。我们来回顾一下整个过程中的几个关键点，帮你避开常见的坑：

1. 模型文件别放错地方：这是最容易出错的一步。记住，主模型（UNet）放在models/unet/，LoRA放在models/loras/，文本编码器放在models/text_encoders/，VAE放在models/vae/。目录结构错了，ComfyUI就找不到模型。

2. 显存版本要对号入座：再强调一下，根据你的显卡显存选择模型版本。FP16版画质最好但需要约33GB显存；INT4版是大多数显卡的性价比之选；FP8版适合小显存体验；Blackwell显卡用户记得选FP4版。

3. 工作流节点别缺失：如果你加载工作流时，ComfyUI提示缺少某些节点，通常是因为对应的自定义插件没装全。这时可以通过ComfyUI-Manager（一个插件管理工具）来搜索并安装缺失的节点。

4. 推理步数要注意：当你使用nunchaku-flux.1-dev.json工作流时，如果关闭了FLUX.1-Turbo-Alpha这个加速LoRA，务必把推理步数调到20步以上，否则出图效果会大打折扣。

5. 从简单提示词开始：刚开始使用时，不要写过于复杂冗长的提示词。从一个简单的物体或场景描述开始，比如“a cat sitting on a windowsill”（一只坐在窗台上的猫），先确保整个流程能跑通，再逐步增加细节和风格词。

Nunchaku FLUX.1-dev在ComfyUI中的集成，为我们提供了一个强大且灵活的文生图工具。它的价值在于，你将一个前沿的AI绘画模型，与ComfyUI这个高度可定制、可编程的视觉工作流平台结合了起来。这意味着你不仅可以用它来生成单张图片，未来还可以将它作为复杂创作流水线中的一个环节，实现批量生成、条件控制、后期处理等高级功能。

现在，你的AI画师已经就位，是时候用它来释放你的创造力了。多尝试不同的提示词组合，探索LoRA带来的风格变化，享受AI绘画带来的乐趣吧！

---

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。