当前位置： 首页 > news >正文

openclaw开源镜像：Nunchaku FLUX.1-dev ComfyUI权限管理与审计日志

news 2026/5/12 2:42:33

openclaw开源镜像：Nunchaku FLUX.1-dev ComfyUI权限管理与审计日志

想用最新的FLUX.1-dev模型生成惊艳的AI图片，但被复杂的安装和配置劝退？别担心，今天带你用最简单的方式，在ComfyUI里玩转Nunchaku FLUX.1-dev这个强大的文生图模型。我会手把手教你从零开始，搞定环境、安装插件、下载模型，最后生成你的第一张AI作品。

整个过程就像搭积木，跟着步骤走，小白也能轻松上手。我们用的是openclaw的开源镜像方案，省去了很多麻烦的配置环节，让你专注于创作本身。

1. 环境准备：打好基础才能跑得快

在开始安装之前，我们先看看你的电脑需要满足哪些条件。别担心，要求并不高，大部分有独立显卡的电脑都能满足。

1.1 硬件要求

首先说说显卡，这是跑AI模型最重要的部分：

  • 显卡类型：必须是NVIDIA的显卡，并且支持CUDA技术。简单说，就是近几年买的游戏卡或者专业卡基本都行。
  • 显存大小：推荐24GB或以上。如果你的显卡显存小一些（比如8GB或12GB），也不用担心，后面我们会介绍低显存版本的模型。
  • 内存：至少16GB，32GB会更流畅。
  • 硬盘空间：准备50GB以上的空闲空间，用来存放模型文件。

1.2 软件要求

软件方面需要准备这些：

  • Python 3.10或更高版本：这是运行ComfyUI的基础。
  • Git：用来下载代码和插件。
  • PyTorch：深度学习框架，需要安装和你的系统、显卡匹配的版本。

1.3 提前安装的小工具

在正式开始之前，先安装一个小工具，后面下载模型会用到：

pip install --upgrade huggingface_hub

这个命令会在你的电脑上安装huggingface_hub工具，它能帮你快速下载AI模型文件。安装过程很简单，打开命令行（Windows叫命令提示符或PowerShell，Mac和Linux叫终端），输入上面的命令按回车就行。

2. Nunchaku ComfyUI插件安装部署

环境准备好了，现在开始安装核心的Nunchaku插件。这是连接ComfyUI和FLUX.1-dev模型的桥梁。

2.1 安装ComfyUI-nunchaku插件

安装插件有两种方法，你可以选一个你觉得方便的。

方法A：用Comfy-CLI安装（最简单）

如果你喜欢一键搞定，这个方法最适合你：

# 第一步：安装ComfyUI的命令行工具 pip install comfy-cli # 第二步：安装ComfyUI（如果已经安装过可以跳过） comfy install # 第三步：安装Nunchaku插件 comfy noderegistry-install ComfyUI-nunchaku # 第四步：把插件移动到正确的位置 mv ComfyUI-nunchaku ComfyUI/custom_nodes/nunchaku_nodes

这个方法的好处是自动化程度高，不用手动处理依赖关系。

方法B：手动安装（更灵活）

如果你想更清楚地知道每一步在做什么，或者需要自定义安装路径，可以用这个方法：

# 第一步：下载ComfyUI的代码 git clone https://github.com/comfyanonymous/ComfyUI.git # 第二步：进入ComfyUI目录 cd ComfyUI # 第三步：安装必要的Python包 pip install -r requirements.txt # 第四步：进入自定义节点目录 cd custom_nodes # 第五步：下载Nunchaku插件 git clone https://github.com/mit-han-lab/ComfyUI-nunchaku nunchaku_nodes

手动安装虽然步骤多一些，但你能完全控制安装过程，适合有经验的用户。

2.2 安装Nunchaku后端

插件装好了，还需要安装后端服务。从v0.3.2版本开始，这个过程变得特别简单：

  1. 确保你已经完成了上面的插件安装
  2. 依赖包会自动安装
  3. 系统会通过install_wheel.json文件一键安装或更新后端的wheel包

你基本上不用做什么，安装程序会自动处理好这一切。如果遇到问题，检查一下网络连接是否正常。

3. Nunchaku FLUX.1-dev模型使用准备

插件安装完成，接下来要准备模型文件和工作流。这是生成图片的核心部分。

3.1 配置Nunchaku工作流

工作流就像是一个预设好的流程图，告诉ComfyUI怎么一步步生成图片。我们需要把示例工作流放到正确的位置：

# 进入ComfyUI的主目录 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的示例工作流 cp custom_nodes/nunchaku_nodes/example_workflows/* user/default/example_workflows/

这几行命令做了两件事：先创建一个存放工作流的文件夹，然后把插件自带的工作流示例复制过去。这样在ComfyUI的网页界面里就能看到这些工作流了。

3.2 下载模型文件

现在到了最关键的一步——下载模型文件。FLUX.1-dev模型需要几个不同的组件，我们一个一个来下载。

3.2.1 下载基础FLUX模型（必须安装）

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

# 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

如果你已经在本地下好了这些模型文件，也可以创建软链接来使用：

# 查看文本编码器模型 ls -l models/text_encoders/ # 应该能看到类似这样的输出： # clip_l.safetensors -> /你的路径/.cache/huggingface/FLUX.1-dev/text_encoders/clip_l.safetensors # t5xxl_fp16.safetensors -> /你的路径/.cache/huggingface/FLUX.1-dev/text_encoders/t5xxl_fp16.safetensors # 查看VAE模型 ls -l models/vae # 应该能看到： # ae.safetensors -> /你的路径/.cache/huggingface/FLUX.1-dev/vae/ae.safetensors
3.2.2 下载Nunchaku FLUX.1-dev主模型（核心）

这是最重要的部分，不同的显卡需要下载不同版本的模型：

  • Blackwell显卡（比如RTX 50系列）：用FP4版本
  • 其他NVIDIA显卡：用INT4版本
  • 显存不够大：可以选择FP8量化版，显存占用更少

下载INT4版本的命令：

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

同样，如果你已经下载了模型文件，可以创建软链接：

ls -l models/unet/ # 应该能看到： # svdq-int4_r32-flux.1-dev.safetensors -> /你的路径/ai-models/comfyanonymous/unet/svdq-int4_r32-flux.1-dev.safetensors
3.2.3 下载可选的LoRA模型（让效果更好）

LoRA是小型的附加模型，可以微调生成效果。比如FLUX.1-Turbo-Alpha能让生成速度更快，Ghibsky Illustration能生成吉卜力风格的图片。

这些模型放在models/loras目录里：

ls -l models/loras/ # 可能看到类似这样的文件： # diffusion_pytorch_model.safetensors -> /你的路径/ai-models/comfyanonymous/diffusion/diffusion_pytorch_model.safetensors # lora_v2.safetensors -> /你的路径/ai-models/comfyanonymous/lora/lora_v2.safetensors

4. 启动ComfyUI并运行FLUX.1-dev文生图

所有准备工作都完成了，现在可以开始生成图片了！

4.1 启动ComfyUI

在ComfyUI的根目录下，运行这个命令：

python main.py

等一会儿，你会看到类似这样的输出：

Starting server To see the GUI go to: http://127.0.0.1:8188

打开浏览器，输入http://127.0.0.1:8188，就能看到ComfyUI的界面了。

4.2 选择Nunchaku FLUX.1-dev工作流

在ComfyUI界面里，点击右上角的"Load"按钮，然后选择我们之前复制的工作流文件。这里推荐使用nunchaku-flux.1-dev.json这个工作流。

这个工作流有几个特点：

  1. 专门为Nunchaku FLUX.1-dev优化过
  2. 支持加载多个LoRA模型
  3. 文生图效果最好

如果你发现加载工作流时提示缺少某些节点，别担心。点击界面上的"Manager"按钮，通过ComfyUI-Manager安装缺失的自定义节点就行。

4.3 设置参数并生成图片

现在到了最有趣的部分——输入描述，生成图片！

  1. 输入提示词：在工作流中找到提示词输入框（通常标着"Prompt"），用英文描述你想生成的画面。FLUX模型对英文的理解更好一些。比如输入：A beautiful landscape with mountains and lakes, ultra HD, realistic, 8K

  1. 调整参数（可选）：

    • 推理步数：一般20-30步效果就不错了，步数越多细节越丰富，但时间也越长
    • 分辨率：默认是1024x1024，显存不够可以调小一些
    • LoRA权重：如果用了LoRA，可以调整它的影响强度
    • 采样器：不同的采样器效果略有不同，可以多试试

  2. 点击运行：一切设置好后，点击那个大大的"Queue Prompt"按钮，ComfyUI就开始生成图片了。

等待一会儿（时间取决于你的显卡和设置的步数），生成的图片就会出现在右侧的预览区。

第一次生成可能会慢一些，因为模型需要加载到显存里。之后再次生成就会快很多了。

5. 关键注意事项和常见问题

在使用过程中，你可能会遇到一些小问题。这里总结了一些常见的情况和解决方法。

5.1 模型文件放对位置了吗？

这是最容易出错的地方。检查一下你的模型文件是不是放在了正确的目录：

模型类型应该放的目录检查命令
FLUX.1-dev主模型models/unet/ls models/unet/
LoRA模型models/loras/ls models/loras/
文本编码器models/text_encoders/ls models/text_encoders/
VAE模型models/vae/ls models/vae/

如果文件不在这些目录里，ComfyUI就找不到它们，自然无法生成图片。

5.2 显存不够怎么办？

如果你的显卡显存比较小，可以尝试这些方法：

  1. 使用量化版模型：

    • FP8版：约17GB显存
    • INT4版：显存占用更少
    • FP4版：适合Blackwell架构的新显卡

  2. 降低分辨率：把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、视频编辑等占用显存的软件

5.3 生成效果不理想？

如果生成的图片质量不好，可以试试这些调整：

  1. 提示词要具体：不要只说"一个漂亮的风景"，要说"日落时分的山脉，湖面有倒影，天空有粉红色的云彩，超高清，写实风格"

  2. 调整推理步数：一般20-30步比较平衡，太少可能细节不够，太多又浪费时间

  3. 试试不同的LoRA：FLUX.1-Turbo-Alpha能加快生成速度，艺术风格的LoRA能改变画面风格

  4. 注意这个细节：如果关闭了FLUX.1-Turbo-AlphaLoRA，推理步数至少要设为20，否则效果会大打折扣

5.4 工作流加载失败？

如果加载工作流时提示节点缺失：

  1. 点击ComfyUI界面上的"Manager"按钮
  2. 在搜索框里输入缺失的节点名称
  3. 点击安装
  4. 重启ComfyUI

通常这样就能解决问题。如果还是不行，可以到插件的GitHub页面看看有没有更新。

6. 总结

通过上面的步骤，你应该已经成功在ComfyUI里部署了Nunchaku FLUX.1-dev模型，并且生成了第一张AI图片。整个过程看起来步骤不少，但实际操作起来并不复杂，就像跟着食谱做菜一样，一步一步来就能成功。

回顾一下关键点：

  1. 环境准备是基础：确保显卡、Python版本都符合要求
  2. 插件安装二选一：用Comfy-CLI最简单，手动安装更灵活
  3. 模型文件要对号入座：不同的模型要放在对应的目录里
  4. 工作流是路线图：nunchaku-flux.1-dev.json这个工作流效果最好
  5. 提示词要具体：用英文详细描述，生成效果更好
  6. 参数可以灵活调整：根据你的显卡和需求调整分辨率、步数等

给新手的建议：

  • 第一次使用时，先用默认参数生成几张图，熟悉流程
  • 多试试不同的提示词，看看模型能理解到什么程度
  • 如果遇到问题，先检查模型文件的位置和名称是否正确
  • 显存不够时不要勉强，用量化版模型或降低分辨率

FLUX.1-dev是个很强大的模型，能生成质量很高的图片。现在你有了这个工具，可以尽情发挥创意，把脑海中的画面变成现实。无论是艺术创作、设计素材，还是只是好玩，都能从中找到乐趣。

最重要的是动手尝试。第一次可能不太顺利，但多试几次，你就会越来越熟练。AI绘画的魅力就在于，你永远不知道下一次会生成什么样的惊喜。

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。

http://www.jsqmd.com/news/473982/

相关文章：

  • Figma入门指南：从基础到实战的UI设计全流程
  • RustFS实战：如何用闲置服务器搭建比公有云更快的私有存储（附性能对比）
  • QAnything多语言解析方案：混合编码文档处理技巧
  • 告别破解烦恼：Quartus Prime Lite与ModelSim-Intel FPGAs Standard的官方免费使用指南
  • 28、企业安防管理（Security）体系构建：从生产安全到日常安保的全方位防护
  • [特殊字符] Meixiong Niannian画图引擎作品实录：25步内完成的8K质感图像生成案例
  • LoRA与QLoRA：大模型微调中的低秩适配与量化革命
  • 3步留存青春记忆：GetQzonehistory让QQ空间数据永存的秘诀
  • 零基础入门语音分析：SenseVoice Small镜像，带你快速上手语音识别与情感分析
  • MedGemma X-Ray医疗影像分析系统：5分钟快速部署，零基础也能看懂X光片
  • Gemma-3 Pixel Studio效果实测：同一张图5次不同提问获得专业级分层解读
  • 基于泰山派的MIPI-DSI手机屏硬件适配实践
  • DeEAR镜像部署教程：配合Prometheus+Grafana实现GPU利用率/请求延迟/错误率监控
  • 3个高效方案：ctfileGet突破城通网盘下载限制
  • 万象熔炉·丹青幻境高级渲染：模拟AE软件风格的动态视频片段生成
  • 【NR协议】PUSCH时域资源分配：从参数解析到调度场景实战
  • 茉莉花插件：提升中文文献管理效率的研究者解决方案
  • 3个维度掌握猫抓cat-catch：资源嗅探扩展完全使用指南
  • Youtu-VL-4B-Instruct-GGUF实战：Java后端集成多模态AI服务
  • 基于STM32的智能豆浆机多传感器闭环控制系统设计
  • Gemma-3-12b-it流式生成体验优化：TextIteratorStreamer定制化输出设置
  • TranslateGemma流式翻译体验：边思考边输出的极速翻译效果实测
  • 2026公交候车亭优质厂家推荐榜重项目案例经验：智能公交站台/智能垃圾分类亭/智能垃圾分类投放亭/不锈钢候车亭/选择指南 - 优质品牌商家
  • 低成本蛛型四足机器人：STM32+ESP32分层控制实践
  • java ssm企业员工管理系统 论文
  • Qwen2.5-VL-7B-Instruct实战教程：构建带溯源的图文问答系统（引用图像区域）
  • CH346高速USB转接芯片实战：从选型到多接口（FIFO/SPI/UART）电路设计详解
  • Audio Pixel Studio效果惊艳展示：方言语音合成尝试（粤语/四川话初步支持）
  • SiameseUIE详细步骤：如何验证模型是否真正加载成功（非仅提示）
  • 写作小白救星！8个一键生成论文工具：本科生毕业论文+开题报告高效创作测评