目标读者

本教程面向希望了解 ComfyUI 基础安装步骤、掌握核心使用方法的技术人员或 AI 爱好者。无需具备专业的编程或 AI 开发经验，但需掌握基本的计算机操作能力（如文件夹管理、命令行使用、软件安装），能够跟随步骤完成环境配置与安装操作。

环境准备

一、操作系统要求

ComfyUI 支持多平台操作系统，推荐使用以下版本以确保兼容性：

  • Windows：Windows 10（64位）、Windows 11（64位）（最常用，教程重点覆盖）

  • macOS：macOS 10.15 及以上版本，推荐 Apple Silicon（M1/M2/M3）芯片（原生支持 Metal 加速）

  • Linux：Ubuntu 20.04/22.04、CentOS 8 及以上版本（需具备基础 Linux 命令操作能力）

二、硬件需求

ComfyUI 核心依赖 GPU 进行图像生成，不同配置对应不同的使用体验，推荐配置如下（满足基础使用需求）：

1. 推荐配置（流畅运行 SD1.5 及基础工作流）

  • GPU：NVIDIA 显卡（支持 CUDA 11.8 及以上），显存 ≥6GB（如 GTX 1660Ti、RTX 3060 等）；macOS 推荐 Apple Silicon M1/M2/M3（显存 ≥8GB）

  • 内存：≥16GB（避免多任务时内存不足）

  • 硬盘：≥50GB 空闲空间（推荐 SSD，模型、依赖包占用空间较大，SSD 可提升加载速度）

  • 网络：稳定网络（用于下载源码、依赖包、模型文件）

2. 最低配置（可运行，体验一般）

  • GPU：NVIDIA 显卡（显存 ≥4GB，支持 CUDA）；macOS Intel 芯片（需开启 CPU 加速，速度较慢）

  • 内存：≥8GB

  • 硬盘：≥30GB 空闲空间（机械硬盘可使用，但加载速度较慢）

注意：CPU 模式仅适合测试，生成图像速度极慢，优先推荐使用支持 CUDA（NVIDIA）或 Metal（Apple Silicon）的 GPU。

三、必要软件

安装 ComfyUI 前，需提前安装以下基础软件，所有软件均为免费开源，按默认步骤安装即可：

1、Python：3.10~3.13 版本

（推荐 3.10 版本，兼容性最好，避免使用 3.9 及以下版本），安装时需勾选「Add Python.exe to PATH」（关键步骤，确保命令行可调用 Python）。

1、在终端输入“python”并按回车键，如下图所示：

2、如果终端显示出刚才安装的Python的版本信息（如下图所示），则说明Python安装成功，可以直接进行第二步安装Visual Studio的教程。如果没有显示正确的版本信息则没有安装成功，请继续往下看。

2、Git：用于克隆 ComfyUI 官方源码

（若不熟悉 Git，也可直接下载源码压缩包）。

3、CUDA工具包

CUDA是 ComfyUI 的必备环境 ，因为 CUDA 是英伟达提供的并行计算平台和编程模型，允许软件利用 GPU的强大计算能力来加速计算任务。ComfyUI 使用的底层深度学习框架（如 PyTorch 或 TensorFlow）可以通过 CUDA 来进行高效的图像生成和处理任务。因此，安装 CUDA 可以显著提升 ComfyUI 在处理复杂计算任务时的性能。

在开始安装之前，先查看一下显卡驱动的版本，因为CUDA的版本和驱动的版本是挂钩的。查看当前显卡驱动版本，如下图所示，我的显卡驱动支持的是12.5.51版本的CUDA，它是向下兼容的，所以小于12.5的版本也是可以的。

  1. 进入CUDA官方下载网站，点击“Downloads”后在新界面点击“CUDA Toolkit”，如下图所示：
  2. 在新界面点击“Download Now”，如下图所示：
  3. 在新界面点击“Archive of Previous CUDA Releases”，如下图所示：
  4. 在新界面根据之前得到的CUDA版本选择，比如我得到的是12.1版本，那么我就选择12.1.x的CUDA,这里的x可以任意。如下图所示：
  5. 在新界面根据自己的操作系统版本进行选择，win10系统就选10，win11系统就选11，选择好后点击Download下载安装包，如下图所示：
  6. 打开安装包，按照下图所示的步骤，安装路径不要修改，等待一下检查系统兼容性，然后选择自定义安装，后面根据系统提示安装即可，注意路径不要修改。

  7. 安装结束后我们检查一下是否安装成功，按win+r键输入“cmd”打开终端，输入“nvcc -V”按回车键确认，如果出现了CUDA的版本信息即为安装成功，如下图所示：

4、安装cuDNN

cuDNN和CUDA是由英伟达提供的两个互补的工具，CUDA 提供了基础的 GPU 加速计算能力，而 cuDNN 则在 CUDA 之上构建，是深度学习 框架（如 TensorFlow、PyTorch、Caffe 等）中的关键组件，能够显著提升训练和推理的速度和效率。所以我们想要激活显卡更强的画图性能，必须要安装cuDNN。

  1. 进入英伟达官网下载，选择合适版本进行下载，如下图所示：
  2. 解压下载好的cuDNN压缩包，里面包含下图所示的三个文件夹：
  3. 打开CUDA的安装文件夹（默认是：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1），将上面cuDNN解压的三个文件bin、include和lib分别复制粘贴到CUDA的文件夹中，如下图所示：文件替换好后则cuDNN即为安装完成。

5、安装Pytorch

Pytorch 是 ComfyUI 最后一个必备的环境，它是一个广泛使用的开源深度学习框架，提供了强大的工具和库来构建和训练神经网络。ComfyUI 使用 PyTorch 来加载和运行深度学习模型，这些模型用于生成图像和其他复杂任务。PyTorch 提供了易于使用的 API 和高度优化的性能，使得处理深度学习任务变得更高效。因此，安装 PyTorch 是为了确保 ComfyUI 能够高效、灵活地执行深度学习任务，并充分利用 GPU 加速的能力。

  1. 进入Pytorch官网：PyTorch，依次选择：Stable（2.3.1）->Windows->Pip->python->你安装的CUDA版本，选择好后复制官网给你的一串代码，如下图所示：
  2. 按win+r输入“cmd”进入终端，粘贴上面复制的代码并按回车键运行，如下图所示：
  1. 包管理工具：

    • pip：Python 自带，用于安装 Python 依赖包（默认随 Python 安装）。

    • conda（可选）：若需更灵活的环境隔离，可安装 Anaconda 或 Miniconda，替代 venv 管理虚拟环境。

软件下载地址：

安装步骤

一、下载 ComfyUI 源码

获取 ComfyUI 源码有两种方式，选择其中一种即可，新手推荐方式二（下载压缩包），操作更简单。

方式一：通过 Git 克隆官方仓库（推荐有 Git 基础的用户）

  1. 新建一个纯英文路径的文件夹（避免中文、空格，例：Windows 路径 D:\AI\ComfyUI，macOS 路径 ~/AI/ComfyUI），用于存放 ComfyUI 源码。

  2. 打开命令行（Windows：Win+R 输入 cmd；macOS：启动台 → 终端；Linux：直接打开终端）。

  3. 切换到新建的文件夹路径（命令示例：Windows 输入cd D:\AI\ComfyUI；macOS/Linux 输入 cd ~/AI/ComfyUI）。

  4. 执行克隆命令，拉取官方源码： git clone https://github.com/comfyanonymous/ComfyUI.git

  5. 等待克隆完成，文件夹内会自动生成 ComfyUI 目录，包含所有源码文件。

方式二：直接下载源码压缩包（新手首选）

  1. 打开 ComfyUI 官方 GitHub 地址：https://github.com/comfyanonymous/ComfyUI。

  2. 点击页面右上角的「Code」按钮，选择「Download ZIP」，下载源码压缩包。

  3. 将下载的压缩包解压到之前新建的纯英文文件夹中，解压后打开 ComfyUI 目录（确保目录内有 main.py、requirements.txt 等文件）。

二、创建虚拟环境

虚拟环境用于隔离 ComfyUI 的依赖包，避免与系统中其他 Python 项目冲突，推荐使用 venv（Python 自带，无需额外安装），也可使用 conda（可选）。

方式一：使用 venv 创建虚拟环境（通用推荐）

  1. 打开命令行，切换到 ComfyUI 源码目录（例：Windows 输入 cd D:\AI\ComfyUI）。

  2. 执行命令创建虚拟环境（环境名默认 venv，可自定义）： python -m venv venv

  3. 激活虚拟环境：

    1. Windows：venv\Scripts\activate（激活后命令行前会出现 [venv] 标识）。

    2. macOS/Linux：source venv/bin/activate（激活后命令行前会出现 (venv) 标识）。

方式二：使用 conda 创建虚拟环境（可选）

  1. 打开 Anaconda Prompt（Windows）或终端（macOS/Linux）。

  2. 执行命令创建虚拟环境（环境名 comfyui，Python 版本 3.10）： conda create -n comfyui python=3.10

  3. 激活虚拟环境： conda activate comfyui

  4. 切换到 ComfyUI 源码目录（例：cd D:\AI\ComfyUI）。

注意：后续所有依赖安装、启动操作，都需在激活虚拟环境的前提下执行，否则会导致依赖安装失败或无法启动。

三、安装依赖项

ComfyUI 的依赖包已整理在 requirements.txt 文件中，可通过命令一键安装，国内用户建议先配置镜像源，提升下载速度。

1. （可选）配置国内镜像源（解决下载慢、超时问题）

执行以下命令，将 pip 镜像源切换为阿里云镜像（国内用户优先操作）：

pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/

2. 安装核心依赖

在激活虚拟环境、切换到 ComfyUI 目录后，执行以下命令，安装所有必要依赖：

pip install -r requirements.txt

等待安装完成（耗时 1~5 分钟，取决于网络速度），若出现个别依赖安装失败，可重新执行该命令，或手动安装失败的依赖（命令：pip install 依赖包名）。

3. 安装 GPU 加速依赖（关键步骤）

ComfyUI 依赖 GPU 加速才能流畅运行，需根据显卡类型安装对应版本的 PyTorch（包含 CUDA/Metal 支持）。

  • NVIDIA 显卡（Windows/macOS/Linux）：安装支持 CUDA 12.1 的 PyTorch（适配大多数 NVIDIA 显卡，如 GTX 1660Ti、RTX 30/40 系列）： pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

  • Apple Silicon 显卡（macOS）：安装支持 Metal 的 PyTorch（无需额外配置 CUDA）： pip install torch torchvision torchaudio

  • CPU 模式（无 GPU，仅测试）：安装 CPU 版本 PyTorch（速度极慢，不推荐）： pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

配置与验证

一、配置文件修改（可选，基础使用无需修改）

ComfyUI 默认配置已满足基础使用需求，无需手动修改配置文件。若需调整启动端口、显存分配等，可修改 ComfyUI 目录下的 config.py 文件（新手不建议修改，避免配置错误）。

常用配置调整（进阶）：

  • 修改启动端口：找到 PORT = 8188，改为其他未被占用的端口（如 8189）。

  • 限制显存使用：添加 TORCH_CUDA_ALLOC_CONF = "max_split_size_mb:128"，缓解显存不足问题。

二、运行测试脚本，验证安装

安装完成后，执行以下命令启动 ComfyUI，验证安装是否成功：

python main.py

启动成功标志：

  1. 命令行无报错，最后出现提示：To see the GUI go to: http://127.0.0.1:8188。

  2. 打开浏览器，输入 http://127.0.0.1:8188，能正常显示 ComfyUI 界面（节点画布、模型选择栏等）。

三、常见错误排查

安装或启动过程中若出现错误，可参考以下解决方案，覆盖新手最常遇到的问题：

  • 错误 1：Python 命令无法识别 → 安装 Python 时未勾选「Add Python.exe to PATH」，重新安装 Python 并勾选该选项，或手动配置环境变量。

  • 错误 2：依赖安装失败/超时 → 配置国内镜像源，重新执行 pip install -r requirements.txt，关闭代理或 VPN。

  • 错误 3：CUDA out of memory（显存溢出） → 降低后续出图分辨率（如 512×512），启动时添加优化参数（下文会讲），关闭其他占用显存的程序。

  • 错误 4：无法调用 GPU，一直用 CPU 跑 → 重新安装对应显卡的 PyTorch 版本（NVIDIA 装 CUDA 版，Apple Silicon 装默认版），重启命令行和 ComfyUI。

  • 错误 5：浏览器无法打开 http://127.0.0.1:8188 → 检查端口是否被占用（关闭占用端口的程序），关闭防火墙/杀毒软件，重新启动 ComfyUI。

  • 错误 6：路径错误 → 确保 ComfyUI 安装路径无中文、无空格，重新切换到正确目录启动。

基础使用

一、启动 ComfyUI：命令行启动方式与参数说明

1. 基础启动命令

在激活虚拟环境、切换到 ComfyUI 目录后，执行以下命令启动：

python main.py

2. 常用启动参数（优化体验，新手推荐）

根据自身硬件配置，添加以下参数可优化运行速度、减少显存占用，尤其适合显存较小的显卡（如 6GB 显存）：

  • --fp16-vae：使用 FP16 精度加载 VAE，降低显存占用。

  • --fast：启用快速模式，提升出图速度。

  • --cpu-vae：将 VAE 计算放在 CPU，节省 GPU 显存。

  • --port 8189：修改启动端口（若 8188 端口被占用）。

示例（适配 6GB 显存显卡，如 GTX 1660Ti）：

python main.py --fp16-vae --fast --cpu-vae

3. 关闭 ComfyUI

在命令行中按 Ctrl+C 即可关闭，关闭后会自动释放 GPU 显存和内存。

二、界面导览：主要功能区域介绍

ComfyUI 界面简洁直观，核心区域分为 4 部分，新手只需掌握基础区域即可快速上手：

  1. 顶部菜单栏：包含「File」（文件操作，如加载/保存工作流）、「Edit」（编辑节点）、「View」（视图调整）等，常用「Load」加载工作流、「Save」保存工作流。

  2. 左侧模型选择区：显示已安装的模型（如 Checkpoint 大模型、LoRA、VAE 等），可直接拖拽模型到画布，用于配置工作流。

  3. 中间节点画布区（核心）：用于搭建图像生成工作流，通过拖拽节点、连接节点，配置生成参数（如分辨率、采样步数）。

  4. 右侧输出区：显示生成的图像、日志信息，可查看生成进度、保存生成的图像。

新手无需手动搭建工作流，可直接加载官方或现成的工作流模板（下文示例项目会讲），快速体验图像生成。

三、示例项目运行：加载并执行基础工作流

通过加载基础工作流，快速验证 ComfyUI 能否正常生成图像，步骤如下：

  1. 准备基础模型：在 ComfyUI 目录下找到 models\checkpoints 文件夹，放入 SD1.5 基础模型（推荐 v1-5-pruned-emaonly.safetensors，下载地址：https://huggingface.co/runwayml/stable-diffusion-v1-5/resolve/main/v1-5-pruned-emaonly.safetensors）。

  2. 启动 ComfyUI（使用优化参数），打开浏览器访问 http://127.0.0.1:8188。

  3. 加载基础工作流：点击顶部菜单栏「Load」，粘贴以下基础文生图工作流 JSON（适配所有基础配置，直接复制粘贴即可）： {"last_node_id":8,"last_link_id":7,"nodes":[{"id":1,"type":"CheckpointLoaderSimple","pos":[140,128],"size":[315,98],"flags":{},"order":0,"mode":0,"outputs":[{"name":"MODEL","type":"MODEL","links":[1],"slot_index":0},{"name":"CLIP","type":"CLIP","links":[2,4],"slot_index":1},{"name":"VAE","type":"VAE","links":[5],"slot_index":2}],"properties":{}},{"id":2,"type":"CLIPTextEncode","pos":[526,116],"size":[210,54],"flags":{},"order":1,"mode":0,"inputs":[{"name":"text","type":"STRING","widget":{"name":"text","value":"masterpiece, best quality, girl, beautiful face","multiline":true}},{"name":"clip","type":"CLIP","link":2}],"outputs":[{"name":"CONDITIONING","type":"CONDITIONING","links":[3],"slot_index":0}],"properties":{}},{"id":3,"type":"CLIPTextEncode","pos":[528,240],"size":[210,54],"flags":{},"order":2,"mode":0,"inputs":[{"name":"text","type":"STRING","widget":{"name":"text","value":"lowres, bad anatomy, bad hands, ugly","multiline":true}},{"name":"clip","type":"CLIP","link":4}],"outputs":[{"name":"CONDITIONING","type":"CONDITIONING","links":[6],"slot_index":0}],"properties":{}},{"id":4,"type":"KSampler","pos":[806,126],"size":[210,166],"flags":{},"order":3,"mode":0,"inputs":[{"name":"model","type":"MODEL","link":1},{"name":"positive","type":"CONDITIONING","link":3},{"name":"negative","type":"CONDITIONING","link":6},{"name":"latent_image","type":"LATENT_IMAGE","link":7},{"name":"seed","type":"INT","widget":{"name":"seed","value":12345,"min":0,"max":18446744073709551615,"step":1}},{"name":"steps","type":"INT","widget":{"name":"steps","value":20,"min":1,"max":100,"step":1}},{"name":"cfg","type":"FLOAT","widget":{"name":"cfg","value":7.0,"min":0.0,"max":30.0,"step":0.5}},{"name":"sampler_name","type":"COMBO","widget":{"name":"sampler_name","value":"dpmpp_2m_karras","values":["euler","euler_ancestral","heun","dpmpp_2m","dpmpp_2m_karras","dpmpp_sde"]}},{"name":"scheduler","type":"COMBO","widget":{"name":"scheduler","value":"normal","values":["normal","karras","exponential"]}}],"outputs":[{"name":"LATENT_IMAGE","type":"LATENT_IMAGE","links":[8],"slot_index":0}],"properties":{}},{"id":5,"type":"EmptyLatentImage","pos":[138,274],"size":[210,78],"flags":{},"order":4,"mode":0,"inputs":[{"name":"width","type":"INT","widget":{"name":"width","value":512,"min":64,"max":2048,"step":64}},{"name":"height","type":"INT","widget":{"name":"height","value":512,"min":64,"max":2048,"step":64}},{"name":"batch_size","type":"INT","widget":{"name":"batch_size","value":1,"min":1,"max":10,"step":1}}],"outputs":[{"name":"LATENT_IMAGE","type":"LATENT_IMAGE","links":[7],"slot_index":0}],"properties":{}},{"id":6,"type":"VAEDecode","pos":[1082,128],"size":[210,54],"flags":{},"order":5,"mode":0,"inputs":[{"name":"samples","type":"LATENT_IMAGE","link":8},{"name":"vae","type":"VAE","link":5}],"outputs":[{"name":"IMAGE","type":"IMAGE","links":[],"slot_index":0}],"properties":{}}],"links":[{"id":1,"source":1,"slot":0,"target":4,"slot":0},{"id":2,"source":1,"slot":1,"target":2,"slot":1},{"id":3,"source":2,"slot":0,"target":4,"slot":1},{"id":4,"source":1,"slot":1,"target":3,"slot":1},{"id":5,"source":1,"slot":2,"target":6,"slot":1},{"id":6,"source":3,"slot":0,"target":4,"slot":2},{"id":7,"source":5,"slot":0,"target":4,"slot":3},{"id":8,"source":4,"slot":0,"target":6,"slot":0}],"groups":[{"id":7,"title":"基础文生图工作流","bounding_box":[126,104,1174,340],"color":"#2f582f","font_size":24}],"config":{"links_ontop":false}}

  4. 配置模型：确保 CheckpointLoaderSimple 节点加载的是 SD1.5 模型（若未加载，从左侧模型区拖拽 SD1.5 模型到该节点）。

  5. 执行工作流：点击节点画布空白处，按 Ctrl+Enter 启动生成，或点击顶部菜单栏「Queue Prompt」，右侧输出区会显示生成进度，生成完成后即可看到图像。

进阶配置（可选）

一、插件安装与管理

ComfyUI 支持插件扩展，可添加更多节点、功能（如 ControlNet、图像修复等），安装方式简单：

  1. 下载插件源码（通常从 GitHub 获取，搜索「ComfyUI 插件」即可找到热门插件）。

  2. 将插件文件夹复制到 ComfyUI 目录下的 custom_nodes 文件夹中。

  3. 重启 ComfyUI，插件节点会自动加载到左侧节点栏，可直接拖拽使用。

常用插件推荐：ComfyUI-ControlNet（姿态控制）、ComfyUI-Impact-Pack（功能扩展）、ComfyUI-WD14-Tagger（图像标签生成）。

二、自定义节点开发环境配置（进阶）

若需开发自定义节点（满足个性化需求），需配置基础开发环境：

  1. 安装代码编辑器（如 VS Code），打开 ComfyUI 源码目录。

  2. 在 custom_nodes 文件夹中新建自定义节点文件（如my_custom_node.py）。

  3. 参考官方节点开发文档，编写节点逻辑（需掌握 Python 基础、ComfyUI 节点开发规范）。

  4. 重启 ComfyUI，测试自定义节点是否正常加载、运行。

官方节点开发文档：https://github.com/comfyanonymous/ComfyUI/wiki/Custom-Nodes

三、性能优化建议

针对不同硬件配置，优化 ComfyUI 运行性能，提升出图速度、减少显存占用：

  • GPU 优化：启用 FP16 精度（启动参数 --fp16-vae），关闭不必要的节点（如 ControlNet），降低出图分辨率。

  • 内存优化：关闭其他占用内存的程序，使用虚拟内存（Windows：设置 → 系统 → 存储 → 虚拟内存，适当增大）。

  • 硬盘优化：将模型、ComfyUI 安装在 SSD 上，提升模型加载速度；定期清理临时文件，释放硬盘空间。

  • 参数优化：采样步数设置为 20~25 步（足够清晰，且速度较快），CFG 值设置为 7 左右，避免过高导致图像失真。

维护与更新

一、版本升级流程

ComfyUI 会持续更新功能，升级步骤如下（保留现有模型、工作流，不影响使用）：

  1. 打开命令行，切换到 ComfyUI 目录，激活虚拟环境。

  2. 执行 Git 拉取命令（仅 Git 克隆源码的用户）： git pull

  3. 更新依赖包（若新版本新增依赖）： pip install -r requirements.txt --upgrade

  4. 重启 ComfyUI，完成版本升级。

若为下载压缩包安装的用户，直接下载最新版本的压缩包，解压后覆盖原有 ComfyUI 目录（保留 models、custom_nodes 文件夹，避免丢失模型和插件）。

二、备份工作流与配置

为避免工作流、配置丢失，建议定期备份：

  • 工作流备份：在 ComfyUI 界面点击「Save」，将工作流保存为 JSON 文件，存放在单独的备份文件夹中。

  • 模型备份：将 models 文件夹复制到其他位置（如移动硬盘），模型文件较大，可按需备份常用模型。

  • 配置备份：复制 config.py、custom_nodes 文件夹，备份自定义配置和插件。

三、社区资源与支持渠道

遇到问题或想学习更多 ComfyUI 技巧，可通过以下渠道获取支持：

附录

一、官方文档链接

二、推荐学习资源

  • 基础教程：B站「ComfyUI 新手入门教程」（图文+视频，适合新手）。

  • 进阶教程：ComfyUI 官方 Wiki 自定义节点开发文档、社区插件使用教程。

  • 工作流模板：https://comfyanonymous.github.io/ComfyUI_examples/（官方示例工作流）。

三、常见问题解答（FAQ）

  • Q1：ComfyUI 和 Stable Diffusion WebUI 有什么区别？ → A1：ComfyUI 基于节点可视化搭建工作流，灵活度高、性能好，适合有一定基础的用户；WebUI 操作更简单，适合纯新手。

  • Q2：模型加载失败怎么办？ → A2：检查模型路径是否正确、文件名无中文/空格，模型文件是否完整（未损坏、未下载中断）。

  • Q3：出图速度很慢怎么办？ → A3：启用 GPU 加速，降低出图分辨率、采样步数，关闭不必要的插件和节点。

  • Q4：能否批量生成图像？ → A4：可以，修改 EmptyLatentImage 节点的 batch_size 参数（如设置为 4，一次生成 4 张图），注意显存是否足够。

  • Q5：如何卸载 ComfyUI？ → A5：直接删除 ComfyUI 安装目录，关闭虚拟环境（conda 环境可执行 conda deactivate，并删除环境conda remove -n comfyui --all）。

# ui # python # git # pytorch
Logo
AI Agent技术社区

Agent 垂直技术社区，欢迎活跃、内容共建。

更多推荐

GitHub今日热榜 | 2026-08-06

今日榜单呈现大换血，10个项目中7个为新晋项目。Cloudflare的Agent虚拟环境项目computer空降榜首，提供隔离文件系统和多执行后端支持。腾讯的TencentDB-Agent-Memory虽排名下滑至第3，但日增Star上涨70%。其他亮点包括： loopx为AI Agent团队提供看板管理系统 经典面试指南system-design-primer回归榜单 DeepSeek-Reas

avatar AI Agent技术社区
cover

用 start-local 脚本在本地运行 Elastic Stack 并创建 AI agents

avatar AI Agent技术社区
cover

31 岁前端转 AI Agent 一年，揭穿行业没人敢说的真相

avatar AI Agent技术社区