3.4 Konfiguracja: ComfyUI od zera

Na tym etapie wiesz już, w której rodzinie modeli jesteś (3.1), co robią poszczególne ustawienia (3.2) i co udźwignie twoja maszyna (3.3). Ten rozdział to sam warsztat.

Pierwsza decyzja nie dotyczy tego, jakie oprogramowanie wybrać. Dotyczy tego, czy budujesz pipeline, czy go wynajmujesz — ten wybór rozstrzyga, co zostaje na koniec w twoich rękach.

Trzy sposoby pracy i ile każdy z nich kosztuje

Hostowany interfejs do generowania. Usługi z tej kategorii — RunDiffusion, Freepik, OpenArt, Higgsfield i interfejsy agregujące — dają ci przeglądarkę, GPU, którego nie posiadasz, i miesięczny rachunek. Konfiguracja zajmuje minuty.

Co kupujesz: wygodę, GPU i cudzy czas działania. Co tracisz — i to jest ta istotna część:

• Workflow nie leży w pliku, który możesz wersjonować. Twój pipeline istnieje w ich interfejsie. Nie zrobisz diffa, nie zrobisz kopii zapasowej, nie przeniesiesz go.
• Artefakt tożsamości jest często poza zasięgiem. Część hostowanych narzędzi wytrenuje za ciebie koncept i pozwoli ci go używać w swoim produkcie. Mniej z nich odda ci wagi. Rozdział 4.5 upiera się, że LoRA to rzecz, którą posiadasz — sprawdź, czy narzędzie ci ją daje, zanim zainwestujesz miesiąc.
• Twoje zasoby leżą na cudzym dysku — podlegają ich polityce retencji i temu, czy firma nadal istnieje.
• Produkcja seryjna (batch) o 3:00 w nocy nie jest w twoim harmonogramie.

Hostowany interfejs to sensowne miejsce na start i złe miejsce na budowanie. Test jest prosty: gdyby usługa zniknęła jutro, co by ci zostało?

Lokalna instalacja ComfyUI. Graf węzłów działający na twoim sprzęcie, zapisujący workflow jako plik JSON, który możesz wersjonować, i wczytujący dowolny model open-weight, adapter, upscaler albo detailer z ekosystemu. Koszt konfiguracji jest realny — kilka godzin i jeden konkretny krok, na którym większość osób się wywraca. Reszta tej książki zakłada, że go masz.

Brak lokalnego pipeline'u: tylko API. Sensowne przy małym wolumenie. Jeśli publikujesz mniej niż około 30 zasobów miesięcznie, API plus biblioteka promptów w skrypcie wprowadzi cię na rynek bez GPU i bez prac utrzymaniowych, które nie mają nic wspólnego z treścią.

Wariant hybrydowy, na który faktycznie schodzi większość operatorów: lokalnie obrazy i trening, gdzie koszt na zasób jest bliski zeru, a kontrola liczy się najbardziej; API do wideo, gdzie własny hosting kosztuje wyższy tier sprzętu i dużo cierpliwości. Rozdział 12.4 buduje plan ciągłości wokół tego podziału.

Instalacja ComfyUI: kształt procedury

Konkretne numery wersji się zmieniają. Kształt instalacji nie. [UNTESTED]

1. Przygotuj odizolowane środowisko Python. Dedykowane środowisko wirtualne albo środowisko conda, na wspieranej wersji Pythona. Izolacja nie jest opcjonalna: instalacja systemowa, która współdzieli zależności z innymi narzędziami, się zepsuje — i zepsuje się w najgorszym momencie.
2. Zainstaluj PyTorch zbudowany pod twoją wersję CUDA. To krok, na którym wywraca się większość pierwszych prób, a porażka jest zawsze tym samym niedopasowaniem — build PyTorcha skompilowany pod inną wersję CUDA, niż obsługuje twój sterownik. Najpierw sprawdź wersję CUDA sterownika, potem zainstaluj pasujący build. Jeśli pierwszy test generuje szum albo rzuca błąd CUDA, to jest ta linia, do której wracasz.
3. Pobierz aplikację i uruchom ją. Sklonuj albo pobierz, wystartuj i potwierdź, że interfejs webowy odpowiada na lokalnym porcie. Potwierdź, że potrafisz wygenerować pojedynczy obraz, zanim zainstalujesz cokolwiek innego.
4. Zainstaluj menedżera. Społecznościowy menedżer węzłów i modeli to rzecz, która czyni ekosystem przeglądalnym. Zainstaluj go w drugiej kolejności, nie w pierwszej.
5. Zainstaluj stos tożsamości. Adaptery z 3.2 — IPAdapter i jego wariant twarzowy, InstantID, PuLID — plus model rozpoznawania twarzy, którego kilka z nich wymaga. Ten ostatni komponent to klasyczna cicha porażka: adapter ładuje się, działa i zwraca obcą osobę, bo modelu rozpoznawania brakuje albo jest zły. Rozdział 4.3 przechodzi stos po kolei.
6. Zainstaluj upscalery i detailer twarzy, dla ostatniego etapu pipeline'u z 3.2.
7. Zrób smoke test. Jeden obraz 1024 pikseli, 20 steps, i zapisz czas oraz szczytowe VRAM. Ta liczba to pierwszy wiersz benchmarku w 3.5.

Nawyk, który oszczędza najwięcej bólu później: zrób snapshot środowiska, kiedy działa. Zapisz dokładne wersje pakietów i trzymaj kopię manifestu modeli. Działające środowisko to zasób, a odtworzenie go z pamięci po zepsutej aktualizacji kosztuje wieczór, który nie należy do przyjemnych.

Plik workflow jest zasobem

Graf węzłów to nie ustawienie. To program i tak należy go traktować.

Eksportuj graf i wersjonuj go. ComfyUI serializuje workflow do pliku JSON. Ten plik to twój pipeline: dokładny układ węzłów, ścieżki modeli, samplers, kolejność etapów z 3.2. Trzymaj go w kontroli wersji albo przynajmniej w datowanym archiwum i trzymaj jeden kanoniczny plik na zadanie — generację, edycję referencji, naprawę, upscale, wideo.

Dlaczego to ważniejsze, niż brzmi. Kiedy pakiet węzłów aktualizuje się i psuje twój graf, różnicą między dziesięciominutową poprawką a straconym weekendem jest to, czy potrafisz zdiffować działającą wersję z zepsutą. Kiedy w rozdziale 12.1 wciągasz kogoś do pomocy, plik workflow to dostarczany artefakt, który czyni pipeline odtwarzalnym przez kogoś innego. A kiedy hostowany interfejs zmienia swoje UI z dnia na dzień — to ten tryb awarii, od którego 3.4 zaczynał — lokalny plik workflow pozostaje nietknięty.

Trzymaj obok zapis requirements. Graf i wersje środowiska należą do siebie. Workflow w JSON, który odwołuje się do wersji węzła, której już nikt nie ma, to dokument o przeszłości.

Gdzie mieszkają modele i dlaczego nazwy katalogów mają znaczenie

ComfyUI czyta modele z ustalonego drzewa katalogów, a każdy typ węzła zagląda w konkretne miejsce. Pomyl to, a model stanie się niewidoczny — najczęstszy raport „to nie działa" w każdej społeczności.

Katalogi, których faktycznie użyjesz:

Dwa, które wywracają ludzi, to insightface i katalogi enkoderów. Kiedy adapter produkuje niepowiązaną twarz, w dziewięciu przypadkach na dziesięć brakuje modelu rozpoznawania albo leży w złym katalogu.

Narzędzie do treningu: cztery opcje uszeregowane według trudności

Jednego z nich potrzebujesz, żeby wytworzyć LoRA z rozdziału 4.5. Wszystkie emitują ten sam typ artefaktu — plik adaptera .safetensors — więc wybór dotyczy tarcia, nie formatu wyniku.

Rekomendacja jest taka, żeby zaczynać od góry tej listy i schodzić niżej tylko wtedy, gdy potrzebujesz możliwości, której prostsze narzędzie nie ma. Pierwszy trening powinien być tym, który najpewniej się uda, bo udany przebieg uczy cię pipeline'u, a nieudany nie uczy niczego poza tym, że byłeś zmęczony.

Hostowany trening to najszybszy pierwszy przebieg ze wszystkich. Wynajęte GPU uruchamiające szablon albo hostowany trener za około $2 za przebieg bazowy daje ci pierwszą LoRA tego samego dnia, bez instalowania czegokolwiek lokalnie. [AS OF 2026-10] Zrób to raz, zanim zbudujesz lokalne środowisko treningowe. Rozdział 4.5 omawia parametry, które są takie same niezależnie od tego, gdzie przebieg się odbywa.

Zarządzanie modelami bez utonięcia

Przy dziesięciu modelach to nie problem. Przy stu to powód, dla którego nie potrafisz znaleźć checkpointu, który dał ci najlepszą klatkę z marca.

Nazywaj plik za to, czym jest, a nie za to, jak nazywał się przy pobieraniu. Nazwa kodująca rodzinę, rolę, precyzję i wersję — a przede wszystkim numer wersji LoRA persony — jest czytelna pół roku później i w zwykłym listingu katalogu.

Nigdy nie nadpisuj LoRA. Trzymaj każdą wersję. Trening trwa od dwóch do siedmiu godzin, a wersja, którą nadpisujesz, to ta, względem której przez tydzień dostrajałeś prompty.

Trzymaj manifest modeli. Jeden plik z listą tego, co masz, jego licencją, źródłem i sumą kontrolną. To ten sam zapis, którego rozdział 11.5 wymaga dla pochodzenia, i służy jednocześnie jako lista do reinstalacji, gdy padnie dysk.

Zaplanuj miejsce na dysku, zanim się zapełni. Pełnoprecyzyjne checkpointy, modele wideo i wyrenderowany wynik szybko się sumują. Rozdział 3.6 ustala strukturę archiwum.

Lokalnie od pierwszego dnia czy najpierw API?

Zauważ, czego nie ma na tej liście: tego, co robią inni. Właściwa odpowiedź jest funkcją twojego wolumenu, twojego sprzętu i tego, czy musisz posiadać artefakt.

Gdzie to się psuje

Instalowanie wszystkiego, zanim zadziała pierwszy obraz. Najpierw wygeneruj jeden obraz. Potem dodawaj po jednej możliwości i potwierdzaj każdą.

Brak izolacji środowiska. Współdzielone środowisko Python to zegar odliczający.

Aktualizowanie działającego środowiska w trakcie projektu. Przypnij wersje, zrób snapshot, gdy jest zielono, i aktualizuj między projektami, a nie w trakcie.

Wybór najtrudniejszego narzędzia do treningu, bo użył go jakiś tutorial. Nikt cię nie ocenia za trudność.

Traktowanie hostowanego interfejsu jak pipeline'u. Jeśli twój workflow nie jest plikiem, który kontrolujesz, nie masz workflow; masz subskrypcję.

Ignorowanie modelu rozpoznawania. Adapterowi, który zwraca obcą osobę, prawie zawsze brakuje komponentu klasy insightface.

Trening, zanim potrafisz niezawodnie generować. Najpierw naucz się inferencji. Trening wzmacnia to, co już robi twoje promptowanie.

Bramka

1. ComfyUI odpowiada na swoim lokalnym porcie i generuje jeden obraz 1024 pikseli. Tak czy nie?
2. Ile czasu zajął ten obraz i jakie było szczytowe VRAM?
3. Czy wszystkie katalogi modeli są zapełnione, łącznie z modelem rozpoznawania?
4. Którego narzędzia do treningu używasz i gdzie trafi plik LoRA, gdy będzie gotowy?
5. Czy snapshot środowiska jest zapisany, z wersjami i manifestem modeli?
6. Gdyby wybrana przez ciebie hostowana usługa zniknęła jutro, co by ci zostało?

Z czym wychodzisz

Decyzja o tym, co budujesz, a co wynajmujesz, kształt instalacji ComfyUI i ten jeden krok, który się psuje, mapa katalogów, bez której nic się nie wczyta, cztery narzędzia do treningu uszeregowane według tarcia, które cię kosztują, konwencja zarządzania modelami i tabela, która odpowiada na pytanie lokalnie kontra API twoimi własnymi liczbami, a nie cudzą konfiguracją.