openclaw+Nunchaku FLUX.1-dev：开源可部署文生图全栈技术指南

想在自己的电脑上部署一个媲美Midjourney的文生图模型吗？今天，我们就来手把手教你如何用开源方案，搭建一个功能强大的AI绘画工具。这套方案的核心是Nunchaku FLUX.1-dev模型，它基于大名鼎鼎的FLUX架构，能生成细节丰富、画质惊艳的图片。我们将通过ComfyUI这个可视化工具来运行它，整个过程清晰明了，即使你是AI绘画的新手，也能跟着一步步搞定。

简单来说，你会学到：怎么准备环境、怎么安装插件、怎么下载模型，最后怎么在ComfyUI里点点鼠标就生成你想要的图片。准备好了吗？我们开始吧。

1. 环境准备：打好地基

在开始安装之前，我们需要确保你的电脑环境满足基本要求，这就像盖房子前要打好地基一样。主要看三点：显卡、软件和工具。

• 硬件（显卡）：你需要一块支持CUDA的NVIDIA显卡。这是运行AI模型的核心。为了获得流畅的体验，建议显存在24GB以上。如果你的显卡显存没那么大（比如8GB或12GB），也不用担心，后面我们会介绍占用显存更少的“量化版”模型，一样可以玩起来。
• 软件（Python和PyTorch）：这是运行AI模型的软件环境。
  • Python：需要安装Python 3.10或更高版本。
  • PyTorch：这是深度学习框架。你需要安装与你的操作系统和显卡驱动匹配的版本（如torch 2.7, 2.8, 2.9等）。通常可以在PyTorch官网通过选择你的配置来获取安装命令。
• 工具（模型下载器）：我们需要一个工具来从网上下载模型文件。在命令行里运行以下命令来安装它：

  pip install --upgrade huggingface_hub
  

环境检查完毕，我们就可以进入下一步，安装核心的图形界面工具了。

2. Nunchaku ComfyUI 插件安装部署

我们将使用ComfyUI来运行模型，它是一个通过拖拽节点来构建AI工作流的工具，非常直观。为了让ComfyUI能使用Nunchaku FLUX.1-dev模型，我们需要安装一个专门的插件。

2.1 安装 ComfyUI-nunchaku 插件

这里提供两种安装方法，你可以选择一种你觉得方便的。

方法一：使用Comfy-CLI工具（推荐，最简单）

这个方法通过一个命令行工具来管理ComfyUI及其插件，非常省心。

1. 首先，安装ComfyUI的命令行工具：

   pip install comfy-cli
   

2. 然后，使用这个工具来安装ComfyUI本体（如果你已经安装过，这一步会跳过）：

   comfy install
   

3. 最后，安装Nunchaku插件，并把它移动到正确的目录：

   comfy noderegistry-install ComfyUI-nunchaku
   mv ComfyUI-nunchaku ComfyUI/custom_nodes/nunchaku_nodes
   

方法二：手动安装（更灵活，适合喜欢自己掌控的用户）

如果你更喜欢传统的安装方式，或者网络环境特殊，可以手动操作。

1. 首先，从GitHub上克隆ComfyUI的代码库：

   git clone https://github.com/comfyanonymous/ComfyUI.git
   cd ComfyUI
   pip install -r requirements.txt
   

2. 接着，进入ComfyUI的插件目录，克隆Nunchaku插件的代码：

   cd custom_nodes
   git clone https://github.com/mit-han-lab/ComfyUI-nunchaku nunchaku_nodes
   

2.2 安装 Nunchaku 后端

插件安装好后，还需要安装一个“后端”程序，它负责模型的实际计算。从v0.3.2版本开始，这个过程变得非常简单。安装完插件依赖后，ComfyUI通常会自动识别并提示你安装后端，或者你可以通过插件自带的install_wheel.json文件一键安装/更新。

至此，插件部分就安装完成了。接下来，我们需要把模型“请”到电脑里。

3. Nunchaku FLUX.1-dev 模型使用准备

模型是AI绘画的灵魂。我们需要下载两个部分：基础的FLUX模型组件，以及核心的Nunchaku FLUX.1-dev模型。

3.1 配置 Nunchaku 工作流

为了方便使用，Nunchaku插件自带了一些预设好的工作流文件。我们只需要把它们复制到ComfyUI能识别的位置。

打开命令行，进入你的ComfyUI根目录，然后执行：

# 创建存放示例工作流的目录（如果不存在的话）
mkdir -p user/default/example_workflows
# 将插件自带的工作流复制过去
cp custom_nodes/nunchaku_nodes/example_workflows/* user/default/example_workflows/

这样，启动ComfyUI后，你就能在网页界面里直接加载这些预设好的工作流了，省去了自己搭建节点的麻烦。

3.2 下载模型文件

这是最关键的一步。你需要根据你的显卡情况，下载对应的模型文件。

首先，下载基础FLUX模型组件（必须安装）： 这些是文本理解和图像解码的基础模型，所有FLUX系列的模型都需要它们。

# 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（变分自编码器）模型，放到 models/vae 目录
hf download black-forest-labs/FLUX.1-schnell ae.safetensors --local-dir models/vae

如果这些模型已经通过其他方式下载到本地了，你也可以在ComfyUI的models目录下创建软链接指向它们。

然后，下载核心的 Nunchaku FLUX.1-dev 模型： 这是生成图片的主力模型。为了适应不同显卡，它有几个不同的“版本”（量化版本），你可以根据下表选择：

你的显卡类型	推荐模型版本	特点
Blackwell架构 (如RTX 50系列)	FP4 模型	专为新架构优化
其他NVIDIA显卡 (如RTX 30/40系列)	INT4 模型	平衡性能与质量，通用推荐
显存不足的用户 (如8GB显存)	FP8 模型	显存占用更低，约17GB

这里以最通用的INT4版本为例，下载命令如下：

# 下载INT4版本的FLUX.1-dev主模型，放到 models/unet/ 目录
hf download nunchaku-tech/nunchaku-flux.1-dev svdq-int4_r32-flux.1-dev.safetensors --local-dir models/unet/

最后，可选下载LoRA模型（效果增强包）： LoRA是一种小模型，可以微调大模型的生成风格。比如FLUX.1-Turbo-Alpha可以加速生成，Ghibsky Illustration可以让画风更偏向吉卜力动画。你可以按需下载，并放入models/loras目录。

模型全部就位，万事俱备，只欠启动了！

4. 启动 ComfyUI 并运行 FLUX.1-dev 文生图

4.1 启动 ComfyUI 服务

打开命令行，进入你的ComfyUI根目录，运行启动命令：

python main.py

稍等片刻，你会看到类似 “Running on local URL: http://127.0.0.1:8188” 的输出。这时，用浏览器打开这个地址（通常是 http://127.0.0.1:8188），就能看到ComfyUI的网页操作界面了。

4.2 加载 Nunchaku FLUX.1-dev 工作流

在ComfyUI网页界面，点击右上角的 “Load” 按钮，在弹出的文件选择器中，找到并加载我们之前复制过来的工作流文件：nunchaku-flux.1-dev.json。

这个工作流是专门为文生图优化过的，并且支持同时使用多个LoRA模型来调整效果。加载成功后，你会看到一个由各种节点和连线组成的可视化流程图。

小提示：还有一个工作流叫 nunchaku-flux.1-dev-qencoder.json，它使用了4-bit量化的文本编码器，能进一步降低显存占用，如果你的显存非常紧张可以尝试它。

4.3 设置参数并生成你的第一张AI画作

现在到了最激动人心的环节：输入你的创意，让AI把它画出来！

1. 输入提示词：在工作流图中，找到一个标有 “Positive Prompt” 的节点框。在这里用英文描述你想要生成的画面。FLUX模型对英文提示词的理解更好。例如：A beautiful landscape with mountains and lakes, ultra HD, realistic, 8K（一个美丽的山水风景，超高清，写实风格，8K画质）。

2. 调整参数（可选）：你可以根据需要调整其他参数，比如：

   • 推理步数 (Steps)：步数越多，细节可能越丰富，但生成时间也越长。一般20-50步即可。
   • 分辨率：生成图片的尺寸。尺寸越大，细节越多，但对显存要求也越高。如果显存不足，可以先从1024x1024尝试。
   • LoRA权重：如果你加载了LoRA模型，可以在这里调整它的影响强度。

3. 点击生成：确认所有设置无误后，点击界面上的 “Queue Prompt” 按钮。ComfyUI就会开始工作，你会看到进度条在走动。生成完成后，图片会显示在右侧的预览区域。

恭喜你！你已经成功部署并运行了强大的Nunchaku FLUX.1-dev文生图模型。现在，尽情发挥你的想象力，去创造各种精彩的AI画作吧。

5. 总结与关键注意事项

回顾一下，我们完成了从环境准备、插件安装、模型下载到最终生成图片的全流程。为了让你的体验更顺畅，这里再强调几个关键点：

1. 模型别放错地方：这是最容易出错的一步。请务必记住：

   • 主模型 (svdq-*.safetensors) → models/unet/
   • LoRA模型 → models/loras/
   • 文本编码器 (clip_l.safetensors, t5xxl_fp16.safetensors) → models/text_encoders/
   • VAE模型 (ae.safetensors) → models/vae/

2. 显存量力而行：FP16原版模型需要约33GB显存，对大多数用户不友好。INT4/FP4量化版是首选，它们在保证画质的前提下大幅降低了显存需求。如果还不行，再考虑FP8版。

3. 显卡型号要对号入座：Blackwell新显卡（如RTX 5090）请使用FP4模型；其他N卡（RTX 30/40系列等）使用INT4模型。

4. 工作流节点缺失：如果加载工作流时提示缺少某个节点，不用慌。通常可以通过ComfyUI内置的 “ComfyUI Manager” 来搜索并安装缺失的自定义节点。

5. 推理步数有讲究：如果你使用了FLUX.1-Turbo-Alpha这个LoRA，可以用较少的步数（如4步）快速出图。但如果关闭了这个LoRA，请务必将推理步数调到至少20步，否则生成效果会大打折扣。

遵循以上指南，你就能稳定、高效地使用这套开源文生图方案了。技术的魅力在于动手实践，现在就去创造属于你的视觉世界吧！

---

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。