openclaw+Nunchaku FLUX.1-dev：科研团队图像生成实验复现方案

想在自己的电脑上复现顶尖科研团队的图像生成实验吗？今天，我们就来手把手教你如何部署和使用Nunchaku FLUX.1-dev模型，在ComfyUI中实现高质量的文生图效果。这个方案源自MIT Han Lab等团队的开源项目，现在你也可以轻松体验。

1. 环境准备：确保你的电脑能跑起来

在开始之前，你需要确保电脑满足一些基本要求。别担心，我会用最简单的方式告诉你需要什么。

1.1 硬件要求

首先看显卡，这是最重要的部分：

• 显卡：需要NVIDIA显卡，并且支持CUDA。显存越大越好，推荐24GB以上。如果你的显存不够大，后面我会告诉你怎么选择占用显存更小的版本。
• 内存：建议16GB以上，这样运行起来会更流畅。
• 硬盘空间：至少需要50GB可用空间，因为模型文件都比较大。

1.2 软件要求

接下来是软件环境，这些都需要提前安装好：

1. Python 3.10或更高版本 - 这是运行所有代码的基础
2. Git - 用来下载代码和插件
3. PyTorch - 深度学习框架，需要安装和你的显卡匹配的版本

如果你不确定怎么安装这些，可以按照下面的步骤来：

# 先安装Python（如果你还没有的话）
# 可以从python官网下载安装包，或者用conda创建虚拟环境

# 安装Git
# Windows用户可以从git官网下载安装程序
# Linux用户可以用：sudo apt install git

# 安装PyTorch（以CUDA 12.1为例）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

1.3 必备工具

还有一个工具需要提前安装，它用来下载模型文件：

pip install --upgrade huggingface_hub

这个工具会帮你从网上下载需要的模型，省去手动下载的麻烦。

2. 安装Nunchaku插件和ComfyUI

现在我们来安装核心的软件部分。ComfyUI是一个图形化的AI工具界面，而Nunchaku是专门为FLUX模型设计的插件。

2.1 安装ComfyUI-nunchaku插件

有两种安装方法，你可以选择其中一种。

方法一：用Comfy-CLI安装（最简单）

如果你喜欢命令行操作，这个方法最省事：

# 安装ComfyUI的命令行工具
pip install comfy-cli

# 安装ComfyUI（如果已经安装过可以跳过）
comfy install

# 安装Nunchaku插件
comfy noderegistry-install ComfyUI-nunchaku

# 把插件移动到正确的位置
mv ComfyUI-nunchaku ComfyUI/custom_nodes/nunchaku_nodes

方法二：手动安装（更灵活）

如果你想自己控制安装过程，可以用这个方法：

# 1. 下载ComfyUI的代码
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

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

# 3. 下载Nunchaku插件
cd custom_nodes
git clone https://github.com/mit-han-lab/ComfyUI-nunchaku nunchaku_nodes

两种方法都能成功安装，第一种更自动化，第二种让你更清楚每一步在做什么。

2.2 安装Nunchaku后端

插件安装好后，还需要安装它的“引擎”部分。从v0.3.2版本开始，这个过程变得很简单：

1. 启动ComfyUI（后面会详细讲怎么启动）
2. 在网页界面中找到“安装/更新后端”的选项
3. 点击一下，系统就会自动下载和安装需要的文件

如果找不到这个选项，也可以手动安装，但通常自动的方式就够用了。

3. 准备模型文件

模型文件是生成图片的核心，我们需要下载几个不同的文件。别被文件名吓到，我会告诉你每个文件是干什么的。

3.1 配置工作流文件

工作流文件就像是做菜的食谱，告诉ComfyUI每一步该怎么做。我们先准备好这些“食谱”：

# 进入ComfyUI的文件夹
cd ComfyUI

# 创建工作流存放的目录（如果不存在的话）
mkdir -p user/default/example_workflows

# 复制Nunchaku自带的工作流示例
cp custom_nodes/nunchaku_nodes/example_workflows/* user/default/example_workflows/

这样操作后，你就能在ComfyUI的网页界面里看到这些预设的工作流了。

3.2 下载基础FLUX模型（必须下载）

这部分包括两个重要的组件：文本编码器和VAE。

文本编码器的作用是把你的文字描述转换成计算机能理解的形式。我们需要下载两个文件：

# 下载CLIP文本编码器
hf download comfyanonymous/flux_text_encoders clip_l.safetensors --local-dir models/text_encoders

# 下载T5文本编码器
hf download comfyanonymous/flux_text_encoders t5xxl_fp16.safetensors --local-dir models/text_encoders

VAE（变分自编码器）的作用是在生成过程的最后阶段，把计算机内部的数据转换成真正的图片。下载命令是：

# 下载VAE模型
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文件，也可以手动把它们放到对应的文件夹里。检查一下文件是否放对了位置：

ComfyUI/models/text_encoders/
├── clip_l.safetensors
└── t5xxl_fp16.safetensors

ComfyUI/models/vae/
└── ae.safetensors

3.3 下载Nunchaku FLUX.1-dev主模型（最重要的部分）

这是生成图片的核心模型。根据你的显卡不同，需要选择不同的版本：

• Blackwell架构显卡（比如RTX 50系列）：用FP4版本
• 其他NVIDIA显卡：用INT4版本
• 显存不够大：可以考虑FP8版本，占用显存更少

以INT4版本为例，下载命令是：

# 下载主模型
hf download nunchaku-tech/nunchaku-flux.1-dev svdq-int4_r32-flux.1-dev.safetensors --local-dir models/unet/

下载完成后，这个文件应该放在ComfyUI/models/unet/目录下。

3.4 可选：下载LoRA模型（让效果更好）

LoRA是一种小型的附加模型，可以微调生成效果。比如可以让图片风格更统一，或者生成速度更快。常用的LoRA有：

• FLUX.1-Turbo-Alpha：加快生成速度
• Ghibsky Illustration：让图片有特定的艺术风格

下载后放在ComfyUI/models/loras/目录下。这些不是必须的，但用了之后效果通常会更好。

4. 启动和使用ComfyUI生成图片

一切准备就绪，现在可以开始生成图片了！

4.1 启动ComfyUI

打开命令行，进入ComfyUI的文件夹，然后运行：

python main.py

你会看到一些启动信息。当看到类似“Running on local URL: http://127.0.0.1:8188”这样的提示时，就说明启动成功了。

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

4.2 加载Nunchaku工作流

在ComfyUI界面里，点击右上角的“Load”按钮，然后选择我们之前准备好的工作流文件。对于文生图任务，建议使用nunchaku-flux.1-dev.json这个工作流。

这个工作流已经预设好了所有节点和连接，你只需要调整几个参数就能生成图片。

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，让AI帮你画图！

1. 输入提示词：在工作流中找到标有“Prompt”的输入框，用英文描述你想生成的画面。比如：

   • A beautiful landscape with mountains and lakes, ultra HD, realistic, 8K（美丽的山水风景）
   • A cute cat wearing glasses and reading a book, cartoon style（戴眼镜看书的小猫，卡通风格）
   • Futuristic city at night with flying cars, cyberpunk style（未来都市夜景，赛博朋克风格）

   

2. 调整参数（如果需要）：

   • 推理步数：一般20-30步效果就不错了，步数越多细节越好，但时间也越长
   • 图片尺寸：默认是1024x1024，如果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

3. 点击运行：找到界面上的“Queue Prompt”按钮，点击它就开始生成图片了。

等待一会儿（时间取决于你的显卡和设置的步数），就能在右侧看到生成的图片了！

5. 使用技巧和注意事项

为了让你的使用体验更好，这里有一些实用的建议：

5.1 模型文件存放位置要正确

这是最容易出错的地方，再强调一遍：

• 主模型放在models/unet/文件夹
• LoRA模型放在models/loras/文件夹
• 文本编码器放在models/text_encoders/文件夹
• VAE模型放在models/vae/文件夹

如果放错了位置，ComfyUI就找不到这些文件，自然也就无法生成图片。

5.2 根据显存选择合适版本

如果你的显存不够大，生成图片时可能会报错。这时候可以：

1. 使用量化版本模型（INT4或FP8版本占用显存更少）
2. 降低生成图片的分辨率（比如从1024x1024降到768x768）
3. 减少推理步数（但不要低于20步，否则效果会变差）

5.3 提示词写作技巧

FLUX模型对英文提示词理解更好，写提示词时可以参考这些技巧：

• 具体描述：不要说“一只狗”，而要说“一只金色的拉布拉多犬在草地上奔跑”
• 添加风格词：比如“photorealistic”（照片般真实）、“anime style”（动漫风格）、“oil painting”（油画风格）
• 控制画面：用“close-up”（特写）、“wide shot”（广角）、“from above”（俯视）等词控制构图
• 调整质量：添加“8K”、“ultra detailed”、“best quality”等词提升画质

5.4 常见问题解决

如果在使用过程中遇到问题，可以尝试以下方法：

问题1：启动时提示缺少节点

• 解决方法：通过ComfyUI-Manager安装缺少的自定义节点

问题2：生成图片很慢

• 可能原因：推理步数设置太高，或者图片尺寸太大
• 解决方法：适当降低步数或分辨率

问题3：图片质量不理想

• 可能原因：提示词不够具体，或者推理步数太少
• 解决方法：优化提示词描述，增加推理步数到25-30步

问题4：显存不足报错

• 解决方法：换用量化版模型，或者降低生成参数

6. 总结

通过上面的步骤，你应该已经成功在ComfyUI中部署并运行了Nunchaku FLUX.1-dev模型。这个方案让你能够复现科研团队的图像生成实验，用上最新的AI绘画技术。

整个过程可以总结为几个关键点：

1. 环境准备：确保硬件和软件都满足要求
2. 安装部署：正确安装ComfyUI和Nunchaku插件
3. 模型下载：下载所有必要的模型文件并放到正确位置
4. 启动使用：加载工作流，输入提示词，生成图片

FLUX.1-dev模型在图像质量、细节表现和风格控制方面都有不错的表现。虽然部署过程稍微复杂一些，但一旦设置完成，后续使用就非常方便了。

如果你在操作过程中遇到任何问题，或者想探索更多的AI图像生成可能性，这个方案提供了一个很好的起点。从简单的风景画到复杂的概念设计，都可以尝试用这个工具来实现。

---

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。