新手必看：Z-Image-ComfyUI从安装到出图全流程
你是不是也试过下载一堆AI绘图工具，结果卡在第一步——连界面都打不开？或者好不容易跑起来了，输入“一只橘猫坐在窗台上”，生成的却是一团模糊色块加半截窗户框？别急，这次我们不讲原理、不堆参数，就用最直白的方式，带你从零开始，15分钟内完成Z-Image-ComfyUI的部署、启动、调参、出图全过程。全程不需要改代码、不配环境变量、不查报错日志，连显卡型号都不用背——只要你的电脑有NVIDIA显卡（RTX 3060及以上或A10/A100等云GPU），就能稳稳跑起来。
这篇文章写给三类人：
- 刚接触AI绘画、连ComfyUI是啥都不知道的新手；
- 下载过很多镜像但总卡在“启动失败”“端口被占”“找不到工作流”的实践派；
- 想快速验证Z-Image中文理解能力、画质表现和出图速度的真实用户。
不绕弯子，不卖关子，所有操作步骤都按你真实操作顺序来排，截图级还原。现在，咱们就开始。
1. 准备工作：确认你的设备能跑起来
Z-Image-Turbo是Z-Image系列里最轻快、最适合新手上手的版本。它不是靠堆算力硬扛，而是用高效蒸馏技术把大模型“瘦身”后依然保持高画质。官方明确说：16G显存的消费级显卡（比如RTX 4090）就能流畅运行。所以你不用纠结“我这台旧电脑行不行”，先看三条硬指标：
- 显卡：NVIDIA GPU，显存 ≥ 12G（推荐16G），驱动版本 ≥ 535（可通过
nvidia-smi命令查看）； - 系统：Linux（Ubuntu 22.04优先）或 Windows WSL2（不推荐原生Windows，兼容性差）；
- 存储空间：预留至少30GB空闲磁盘（模型文件+缓存+工作流）。
小提醒：如果你用的是Mac或AMD显卡，这条路暂时走不通。Z-Image-ComfyUI目前只支持CUDA加速，不支持Metal或ROCm。别浪费时间折腾，换一台带N卡的机器或直接上云——后面会告诉你怎么3分钟开一台现成的GPU服务器。
没显卡？别慌。阿里云、腾讯云、火山引擎都提供按小时计费的GPU实例，最低配GN7i（1×A10，24G显存）每小时不到3块钱，跑Z-Image绰绰有余。而且镜像已预装好全部依赖，你只需要点几下鼠标。
2. 一键部署：三步完成镜像拉取与启动
Z-Image-ComfyUI镜像是开箱即用型，所有环境（Python 3.10、PyTorch 2.3、xformers、ComfyUI主程序、Z-Image三个变体模型）都已打包进Docker镜像。你不需要手动pip install，也不用担心CUDA版本冲突。
2.1 获取镜像并运行容器
打开终端（Linux/macOS）或WSL2命令行（Windows），依次执行以下三条命令：
# 1. 拉取镜像（约8GB，首次需下载，后续可复用） docker pull registry.cn-hangzhou.aliyuncs.com/ai-mirror/z-image-comfyui:latest # 2. 启动容器（自动映射8188端口，挂载/root目录便于访问脚本） docker run -d \ --gpus all \ --shm-size=8gb \ -p 8188:8188 \ -v $(pwd)/comfyui_data:/root/comfyui \ --name zimage-comfy \ registry.cn-hangzhou.aliyuncs.com/ai-mirror/z-image-comfyui:latest说明：
--gpus all表示启用全部GPU；-p 8188:8188是ComfyUI默认端口，浏览器访问http://localhost:8188即可打开界面；-v $(pwd)/comfyui_data:/root/comfyui把当前目录下的comfyui_data文件夹挂载为容器内工作目录，方便你存工作流、导出图片；- 如果提示“docker: command not found”，请先安装Docker Desktop（Mac/Windows）或
sudo apt install docker.io（Ubuntu）。
2.2 进入容器并启动服务
镜像启动后，它并不会自动运行ComfyUI——这是为了给你留出配置空间。我们需要手动进入容器，执行启动脚本：
# 进入容器 docker exec -it zimage-comfy /bin/bash # 在容器内执行一键启动（注意路径在/root下） cd /root && ./1键启动.sh你会看到一串快速滚动的日志，最后停在类似这样的输出：
[INFO] ComfyUI is running on http://0.0.0.0:8188 [INFO] Z-Image-Turbo model loaded successfully. [INFO] Ready to generate images!成功了！此时不要退出终端，保持这个窗口开着（它维持着服务进程）。打开你的浏览器，访问http://localhost:8188——你将看到ComfyUI熟悉的节点式界面。
如果你在云服务器上运行（比如阿里云ECS），请把
localhost换成你的公网IP，并确保安全组已放行8188端口。云平台控制台通常有“一键开通端口”按钮，点一下就行。
3. 界面初识：三分钟搞懂ComfyUI核心区域
第一次打开ComfyUI，满屏五颜六色的方块可能让你懵几秒。别怕，它只有四个关键区域，记住名字和用途就够了：
| 区域 | 位置 | 作用 | 新手重点关注 |
|---|---|---|---|
| 左侧节点栏 | 左侧垂直栏 | 所有可用功能模块（加载模型、输入提示词、采样器、VAE解码等） | 找到Z-Image-Turbo Loader、CLIP Text Encode、KSampler这三个节点 |
| 中央画布区 | 中间大片空白 | 拖拽节点、连线构建工作流的地方 | 先拖3个节点，连成一条直线，就是最简出图流程 |
| 右侧属性面板 | 右侧窄栏 | 当前选中节点的参数设置（如提示词、采样步数、CFG值） | 输入中文提示词、调CFG=7、步数=20，其他先用默认 |
| 底部状态栏 | 窗口最下方 | 显示当前GPU显存占用、队列状态、错误提示 | 出图时这里会显示“Queueing... → Running → Done” |
小技巧：按住空格键，可以拖动画布；滚轮缩放；右键节点可复制/删除/查看帮助。
现在，请在左侧节点栏依次找到并拖出以下三个节点到画布中央：
Z-Image-Turbo Loader（加载Z-Image-Turbo模型）CLIP Text Encode (Z-Image)（处理中文/英文提示词）KSampler（执行去噪采样）VAE Decode（把潜空间图像转为像素图）Save Image（保存结果）
然后按顺序连线：Z-Image-Turbo Loader→CLIP Text Encode（连到clip端口）CLIP Text Encode→KSampler（连到positive端口）Z-Image-Turbo Loader→KSampler（连到model和vae端口）KSampler→VAE Decode（连到samples端口）VAE Decode→Save Image（连到images端口）
连完后，整个流程就像一条流水线：加载模型 → 编码提示词 → 采样生成 → 解码图像 → 保存。这就是Z-Image出图的最小可行路径。
4. 第一张图：输入中文提示词，5秒见证效果
现在，我们来生成第一张真正属于你的图。别追求复杂，就用最基础的描述测试中文理解能力：
4.1 设置提示词（重点！中文友好实测）
点击CLIP Text Encode (Z-Image)节点，在右侧属性面板中找到text输入框，直接输入以下中文句子（不用翻译，不用加英文）：
一只穿着唐装的棕色柴犬，站在苏州园林的月亮门前，阳光明媚，工笔画风格，高清细节为什么选这句？
- “唐装”“苏州园林”“月亮门”是典型中文文化元素，国际模型常识别失败；
- “工笔画风格”测试艺术风格泛化能力；
- “高清细节”触发Z-Image-Turbo的细节增强机制。
4.2 调整关键参数（新手友好三参数）
在KSampler节点中，只需改三项（其余保持默认）：
steps:20（Z-Image-Turbo仅需20步即可收敛，比SDXL快2倍）cfg:7（提示词相关性强度，7是中文提示的黄金值，太高易僵硬，太低易跑偏）sampler_name:dpmpp_2m_sde_gpu（Z-Image官方推荐采样器，速度快、稳定性好）
4.3 开始生成 & 查看结果
点击画布顶部的Queue Prompt（队列提示）按钮。你会看到底部状态栏变成Queueing... → Running → Done，整个过程约5–8秒（RTX 4090实测）。
生成完成后，图片会自动出现在Save Image节点右侧的预览框中。点击它，会弹出大图窗口。右键另存为，图片就保存到你挂载的comfyui_data/output/目录下了。
你刚刚完成了一次完整的Z-Image-Turbo推理：从中文输入，到高清图像输出，全程无需切换语言、无需插件、无需调优。
5. 进阶尝试：换模型、换风格、加控制
Z-Image不止一个模型。刚才用的是最快最轻的Turbo版，现在我们试试另外两个变体，感受它们的差异：
5.1 切换到Z-Image-Base：画质更细腻，适合精修
- 删除原来的
Z-Image-Turbo Loader节点； - 从左侧节点栏拖入
Z-Image-Base Loader； - 其他节点和连线完全不变；
- 提示词仍用刚才那句，但把
steps改为30，cfg改为8； - 再点
Queue Prompt。
你会发现：
- 出图时间变长（约12秒），但柴犬毛发纹理、月亮门砖缝、唐装刺绣细节明显更丰富；
- 阴影过渡更自然，不像Turbo版略带“数码感”。
Base版适合你对画质有要求、愿意多等几秒的场景，比如做海报主图、设计稿参考。
5.2 切换到Z-Image-Edit：让已有图片“动起来”
Z-Image-Edit专为图像编辑设计。假设你有一张普通照片，想把它变成水墨风：
- 先用
Load Image节点加载本地照片； - 拖入
Z-Image-Edit Loader； - 连线：
Load Image→Image端口（到Edit Loader），再连到KSampler的latent_image； CLIP Text Encode输入提示词：“水墨山水风格，留白意境，淡雅”；- 其他参数同Base版。
生成后，原图会保留构图和主体，但整体风格被重写。这才是真正的“AI修图”，不是简单滤镜。
6. 故障排查：新手最常遇到的4个问题及解法
即使是最简流程，也可能卡住。以下是90%新手会撞上的问题，附带一句话解决法：
| 问题现象 | 原因 | 一句话解决 |
|---|---|---|
浏览器打不开http://localhost:8188 | 容器没运行，或端口被占 | docker ps看容器是否running；lsof -i :8188查端口占用，kill -9干掉冲突进程 |
| 点击Queue后无反应，状态栏一直“Queueing…” | GPU显存不足，或模型加载失败 | nvidia-smi查显存，若>95%，重启容器；或删掉/root/comfyui/models/checkpoints/下非Turbo模型释放空间 |
| 生成图片全是噪点/色块/文字乱码 | 提示词含特殊符号（如全角括号、emoji）、或CFG值过高 | 删除提示词中所有中文标点，只留逗号句号；CFG调回6–7 |
| 保存的图片是黑的/纯灰 | VAE Decode节点未正确连接，或KSampler输出未连到samples | 检查KSampler右下角是否有蓝线连出；右键节点→“View Node Info”看输出端口名是否匹配 |
终极保命招：回到
/root目录，运行./重置工作流.sh（镜像内置），它会清空所有自定义节点，恢复初始Z-Image-Turbo工作流，5秒回到起点。
7. 总结：你已经掌握了Z-Image-ComfyUI的核心能力
回顾这15分钟，你实际完成了：
- 在任意NVIDIA显卡上部署Z-Image-ComfyUI镜像；
- 启动ComfyUI服务并打开图形界面；
- 拖拽节点、连线构建最简出图工作流；
- 用纯中文提示词生成首张高清图；
- 切换Turbo/Base/Edit三种模型，理解各自定位；
- 掌握4个高频故障的一键修复法。
Z-Image不是又一个“参数更多、模型更大”的堆料产物，而是真正面向中文用户、降低使用门槛的务实选择。它不强迫你学LoRA、不懂ControlNet也能出好图；它不鼓吹“万步采样”，而是用8 NFEs（函数评估次数）实现亚秒级响应；它不把中文当二等公民，而是从tokenization层就原生支持。
下一步，你可以：
- 把工作流导出为JSON文件，分享给同事；
- 尝试加入
ControlNet节点，用线条图控制构图； - 用
Z-Image-Edit批量处理产品图，替换背景、调整光影； - 或者，就停在这里——用Turbo版每天生成10张灵感图，足够支撑你的设计、写作、教学日常。
技术的价值，从来不在多炫酷，而在多好用。Z-Image-ComfyUI，就是那个“装好就能用，用了就见效”的答案。
--- > **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](https://ai.csdn.net/?utm_source=mirror_blog_end)，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。
