openclaw+Nunchaku FLUX.1-dev：开源文生图模型企业级安全合规部署

想在企业内部安全、合规地部署一个强大的文生图AI模型吗？今天，我们来聊聊如何通过openclaw平台，将Nunchaku FLUX.1-dev这个开源模型部署到ComfyUI中，打造一个完全自主可控的AI图像生成环境。

对于企业来说，使用AI模型最头疼的问题是什么？数据安全、模型合规、部署复杂。很多商业模型要么需要联网调用，数据有泄露风险；要么授权协议复杂，存在法律隐患。而开源模型Nunchaku FLUX.1-dev正好解决了这些问题——它完全开源，你可以部署在自己的服务器上，所有数据都在内网流转，既安全又合规。

更重要的是，通过ComfyUI这个可视化工作流工具，即使不是AI专家，也能轻松搭建和管理这个图像生成系统。接下来，我就手把手带你完成从环境准备到生成第一张图片的全过程。

1. 环境准备：打好地基才能盖高楼

在开始安装之前，我们需要确保系统环境满足基本要求。这就像盖房子前要检查地基是否牢固一样重要。

1.1 硬件要求

首先看硬件，这是决定模型能否运行的关键：

• 显卡：需要支持CUDA的NVIDIA显卡。如果你想要流畅运行FP16精度的完整模型，建议显存在24GB以上。如果显存不足也不用担心，我们可以选择FP8或INT4量化版模型，它们对显存要求更低。
• 内存：建议至少16GB系统内存，确保模型加载和数据处理不会卡顿。
• 存储：需要预留约50GB的硬盘空间，用于存放模型文件和相关依赖。

1.2 软件环境

软件环境就像房子的建筑材料，必须准备齐全：

1. Python 3.10+：这是运行ComfyUI和模型的基础
2. Git：用于从代码仓库克隆必要的组件
3. PyTorch：需要安装与你的系统和CUDA版本匹配的PyTorch
4. 基础工具：提前安装huggingface_hub，这是下载模型文件的必备工具

安装基础工具的命令很简单：

pip install --upgrade huggingface_hub

2. Nunchaku ComfyUI插件安装部署

环境准备好后，我们开始安装核心组件。这里有两种安装方法，你可以根据实际情况选择。

2.1 方法一：使用Comfy-CLI（推荐给新手）

如果你希望用最简单的方式完成安装，Comfy-CLI工具是最佳选择。它就像是一个安装向导，能自动处理很多繁琐的步骤。

# 第一步：安装ComfyUI CLI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：移动插件到正确目录
mv ComfyUI-nunchaku ComfyUI/custom_nodes/nunchaku_nodes

这个方法最大的优点是自动化程度高，基本不会出错。特别适合第一次接触ComfyUI的用户。

2.2 方法二：手动安装（适合有经验的用户）

如果你需要更多自定义控制，或者想要了解每个步骤的细节，手动安装是更好的选择。

# 1. 首先克隆ComfyUI主程序
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# 2. 安装Python依赖包
pip install -r requirements.txt

# 3. 进入自定义节点目录，克隆Nunchaku插件
cd custom_nodes
git clone https://github.com/mit-han-lab/ComfyUI-nunchaku nunchaku_nodes

手动安装虽然步骤多一些，但你能清楚地知道每个文件放在哪里，后续排查问题也更方便。

2.3 安装Nunchaku后端

插件安装完成后，还需要安装Nunchaku的后端服务。从v0.3.2版本开始，这个过程变得非常简单。

在ComfyUI的网页界面中，你会看到一个名为install_wheel.json的工作流文件。加载这个工作流并运行，它就会自动下载并安装所需的后端wheel包。如果后续有版本更新，同样通过这个工作流就能完成升级。

3. Nunchaku FLUX.1-dev模型使用准备

插件安装好了，接下来我们要准备模型文件。这是整个系统的核心，就像汽车的发动机一样重要。

3.1 配置Nunchaku工作流

为了让ComfyUI能够识别和使用Nunchaku插件，我们需要将示例工作流复制到指定目录。

# 进入ComfyUI的根目录
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/

完成这一步后，在ComfyUI的网页界面中，你就能直接加载这些预设的工作流，不需要从头开始搭建。

3.2 下载模型文件

现在来到最关键的一步——下载模型文件。Nunchaku FLUX.1-dev需要两个部分的模型文件：基础FLUX模型和专属的Nunchaku FLUX.1-dev模型。

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），它们是理解文字描述和生成图片的基础组件。

# 下载文本编码器模型，保存到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，保存到models/vae目录
hf download black-forest-labs/FLUX.1-schnell ae.safetensors --local-dir models/vae

如果你已经通过其他方式下载了这些模型，也可以创建软链接指向本地文件。这样既能节省磁盘空间，又能让ComfyUI正确找到模型文件。

3.2.2 下载Nunchaku FLUX.1-dev主模型

这是真正的文生图模型，根据你的显卡类型，需要选择不同的量化版本：

• Blackwell架构显卡（如RTX 50系列）：使用FP4模型
• 其他NVIDIA显卡：使用INT4模型
• 显存不足的情况：可以选择FP8量化版，显存占用更少

以INT4版本为例，下载命令如下：

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

下载完成后，模型文件应该放在models/unet/目录下。你可以通过查看文件列表来确认：

ls -l models/unet/

3.2.3 可选：下载LoRA模型

LoRA（Low-Rank Adaptation）是一种轻量化的模型微调技术，可以在不修改主模型的情况下，为生成结果添加特定风格或效果。

常用的LoRA模型包括：

• FLUX.1-Turbo-Alpha：加速生成过程
• Ghibsky Illustration：吉卜力动画风格

这些模型需要放在models/loras/目录下。如果你暂时不需要特殊风格，可以先不下载LoRA模型，等有需要时再添加。

4. 启动ComfyUI并运行FLUX.1-dev文生图

所有准备工作都完成了，现在让我们启动系统，生成第一张图片。

4.1 启动ComfyUI服务

在ComfyUI的根目录下，运行启动命令：

python main.py

启动成功后，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

在浏览器中打开这个地址，就能看到ComfyUI的网页界面了。

4.2 加载Nunchaku FLUX.1-dev工作流

ComfyUI的强大之处在于它的可视化工作流。我们不需要写代码，只需要在界面上拖拽节点、连接管线就能完成复杂的AI任务。

在网页界面中，点击"Load"按钮，选择我们之前复制的nunchaku-flux.1-dev.json工作流文件。这个工作流已经预先配置好了所有必要的节点和连接。

这个工作流有几个关键特点：

• 支持加载多个LoRA模型，可以混合不同风格
• 完整的文生图管线，从文本输入到图片输出
• 可调节的参数丰富，满足不同需求

4.3 设置参数并生成图片

现在来到最激动人心的环节——生成你的第一张AI图片。

4.3.1 输入提示词

在工作流中找到"Prompt"节点，这是输入文字描述的地方。FLUX.1-dev模型对英文提示词的支持更好，建议使用英文描述你想要的画面。

举个例子，如果你想生成一幅风景画，可以输入：

A beautiful landscape with mountains and lakes, ultra HD, realistic, 8K, sunset, golden hour, photorealistic

提示词写得越详细，生成的图片就越符合你的预期。你可以描述场景、风格、画质、光照等各个方面。

4.3.2 调整生成参数

除了提示词，还有一些重要参数可以调整：

• 推理步数（Steps）：控制生成过程的精细程度，一般20-50步之间
• 分辨率（Resolution）：生成图片的尺寸，显存不足时可以降低分辨率
• 采样器（Sampler）：影响生成质量的算法，不同采样器效果略有不同
• LoRA权重：如果使用了LoRA模型，可以调整它的影响强度

对于新手，我建议先使用默认参数，生成一张图片看看效果，然后再根据需要进行微调。

4.3.3 运行生成

一切设置妥当后，点击界面上的"Queue Prompt"按钮，系统就会开始生成图片。

生成时间取决于你的硬件配置和参数设置。一般来说，在RTX 4090这样的高端显卡上，生成一张1024x1024的图片需要10-30秒。

生成完成后，图片会显示在右侧的预览区域。你可以保存图片，或者调整参数重新生成，直到满意为止。

5. 关键注意事项与优化建议

在实际使用过程中，有几个关键点需要特别注意，这能帮你避免很多常见问题。

5.1 模型文件存放位置

这是最容易出错的地方。不同的模型文件必须放在正确的目录下：

• FLUX.1-dev主模型 → models/unet/
• LoRA模型 → models/loras/
• 文本编码器 → models/text_encoders/
• VAE模型 → models/vae/

如果放错了位置，ComfyUI就找不到模型，自然无法生成图片。

5.2 显存管理与模型选择

不同的模型版本对显存的要求差异很大：

• FP16完整版：约33GB显存，适合高端工作站
• FP8量化版：约17GB显存，平衡了质量和资源消耗
• INT4/FP4量化版：显存占用最低，适合消费级显卡

如果你的显卡显存不足，生成时可能会遇到"CUDA out of memory"错误。这时候有几种解决方法：

1. 选择量化版模型
2. 降低生成图片的分辨率
3. 减少批量生成的图片数量
4. 关闭一些不必要的后台程序释放显存

5.3 显卡兼容性

不同架构的显卡对模型格式的支持不同：

• Blackwell架构（RTX 50系列）只支持FP4格式
• 其他NVIDIA显卡优先使用INT4格式
• 如果不确定自己的显卡型号，可以在命令行输入nvidia-smi查看

5.4 工作流依赖问题

有时候加载工作流会提示缺少某些节点。这通常是因为没有安装对应的自定义节点。

解决方法很简单：通过ComfyUI-Manager（ComfyUI的插件管理器）搜索并安装缺失的节点。ComfyUI-Manager就像手机的应用商店，里面有很多社区贡献的节点和工具。

5.5 推理步数设置

这是一个很重要的技巧：如果你关闭了FLUX.1-Turbo-Alpha这个加速LoRA，那么推理步数不能低于20步。

为什么？因为FLUX.1-Turbo-Alpha的作用就是加速生成过程，在较少的步数内达到较好的效果。如果不用它，就需要更多的步数来保证生成质量。

简单来说：

• 使用Turbo LoRA：10-15步就能出好效果
• 不用Turbo LoRA：至少需要20步，建议25-30步

6. 总结

通过openclaw平台部署Nunchaku FLUX.1-dev到ComfyUI，我们成功搭建了一个企业级的安全合规文生图系统。回顾整个流程，其实并不复杂：

1. 环境准备：检查硬件和软件是否满足要求
2. 插件安装：选择合适的方法安装Nunchaku插件
3. 模型下载：获取基础模型和主模型文件
4. 系统启动：运行ComfyUI并加载工作流
5. 图片生成：输入提示词，调整参数，生成图片

这个方案有几个明显的优势：

安全性高：所有数据都在企业内部流转，不用担心隐私泄露 成本可控：开源模型免费使用，只需要硬件投入 灵活性强：可以根据需求选择不同的模型版本和参数 易于管理：ComfyUI的可视化界面让非技术人员也能操作

对于企业来说，这样的部署方案既满足了业务需求，又符合安全合规要求。无论是用于营销素材生成、产品设计辅助，还是内部创意工具，都能发挥重要作用。

当然，这只是一个开始。在实际使用中，你可能会遇到各种具体问题，比如如何优化提示词获得更好效果、如何批量处理图片、如何集成到现有工作流程等。这些都可以在熟悉基本操作后逐步探索。

最重要的是，你现在拥有了一套完全自主控制的AI图像生成能力。不用依赖外部API，不用担心服务中断，数据安全完全掌握在自己手中。这就是开源模型结合本地化部署的最大价值。

---

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。