# Ubuntu 24.04 LTS（推荐）
sudo apt update && sudo apt upgrade -y
sudo apt install -y python3 python3-pip python3-venv git curl wget

# 创建专用用户
sudo useradd -m -s /bin/bash comfyui
sudo su - comfyui

cd ~
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# 创建虚拟环境
python3 -m venv venv
source venv/bin/activate

# 安装核心依赖
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
pip install -r requirements.txt

# 安装额外节点（关键扩展）
pip install ComfyUI-Manager

mkdir -p models/checkpoints
mkdir -p models/loras
mkdir -p models/controlnet
mkdir -p models/vae
mkdir -p models/upscale_models

# SDXL（高质量通用模型）
wget -O models/checkpoints/sdxl_v1.0.safetensors \
  "https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/resolve/main/sd_xl_base_1.0.safetensors"

# Flux.1-dev（2026 年最强开源文生图）
wget -O models/checkpoints/flux1_dev.safetensors \
  "https://huggingface.co/black-forest-labs/FLUX.1-dev/resolve/main/flux1_dev.safetensors"

# 热门 LoRA（根据需求选择）
mkdir -p models/loras
# 例如：RealVisXL, DreamShaper, 等

# 基础启动（监听所有接口）
python main.py --listen 0.0.0.0 --port 8188

# GPU 优化参数
python main.py \
  --listen 0.0.0.0 \
  --port 8188 \
  --lowvram \
  --force-channels-last \
  --disable-ipex-optimize

# 指定自定义节点目录
python main.py --listen 0.0.0.0 --port 8188 --extra-model-paths-config extra_paths.yaml

import requests
import json
import time

COMFYUI_URL = "http://your-vps-ip:8188"

def load_workflow(workflow_file="workflow.json"):
    """加载保存的工作流定义"""
    with open(workflow_file, 'r') as f:
        return json.load(f)

def generate_batch(prompts, workflow=None, batch_size=4):
    """批量生成图像"""
    if workflow is None:
        workflow = load_workflow()

    results = []
    for i, prompt_text in enumerate(prompts):
        # 替换提示词语义节点
        workflow["3"]["inputs"]["text"] = prompt_text

        # 提交生成请求
        response = requests.post(
            f"{COMFYUI_URL}/prompt",
            json={"prompt": workflow}
        )
        prompt_id = response.json()["prompt_id"]

        # 等待完成
        while True:
            history = requests.get(
                f"{COMFYUI_URL}/history/{prompt_id}"
            ).json()
            if prompt_id in history:
                # 获取输出图像
                outputs = history[prompt_id]["outputs"]
                for node_id, node_output in outputs.items():
                    if "images" in node_output:
                        for img in node_output["images"]:
                            img_url = f"{COMFYUI_URL}/view?filename={img['filename']}&subfolder={img['subfolder']}&type={img['type']}"
                            results.append(img_url)
                break
            time.sleep(1)

    return results

# 使用示例：电商产品图批量生成
products = [
    "white ceramic coffee mug, studio lighting, minimalist background, 4k",
    "glass water bottle with condensation, product photography, white background",
    "leather wallet, luxury product shot, dark background, dramatic lighting"
]

images = generate_batch(products)
print(f"Generated {len(images)} images")

# 从社区导入成熟工作流
# 1. 打开 ComfyUI Manager
# 2. 点击 "Install Custom Nodes"
# 3. 搜索并安装：
#    - ComfyUI-Impact-Pack（分割和检测）
#    - ComfyUI-VideoHelperSuite（视频生成）
#    - ComfyUI-FaceAnalysis（人脸分析）
#    - ComfyUI-AnimateDiff-Evolved（动画生成）

# 安装 cloudflared
wget https://github.com/cloudflare/cloudflared/releases/latest/download/cloudflared-linux-amd64.deb
sudo dpkg -i cloudflared-linux-amd64.deb

# 认证（首次运行）
cloudflared tunnel login

# 创建隧道
cloudflared tunnel create comfyui-tunnel

# 配置路由
cat > ~/.cloudflared/config.yml << EOF
tunnel: comfyui-tunnel
credentials-file: /home/comfyui/.cloudflared/<tunnel-id>.json

ingress:
  - hostname: comfyui.yourdomain.com
    service: http://localhost:8188
  - service: http_status:404
EOF

# 启动隧道
cloudflared tunnel run

# 方法 1：使用 --lowvram 模式（显存 < 8GB）
python main.py --lowvram

# 方法 2：使用 --normalvram 模式（8–12GB 显存）
python main.py --normalvram

# 方法 3：使用 --highvram 模式（12GB+ 显存）
python main.py --highvram

# 方法 4：量化模型（4-bit）
# 下载 GGUF 量化模型或使用 comfyui-quantize 工具

# 使用 bitsandbytes 进行 4-bit 量化推理
pip install bitsandbytes

# 在 ComfyUI 中使用量化模型
# 下载 .gguf 格式的量化模型到 models/checkpoints/
# ComfyUI 会自动检测并使用量化加载

# 通过修改 server.py 调整并发限制
# 默认单请求串行，启用并发：

# 启动时添加：
python main.py --port 8188 --concurrency-limit 4

# 或在代码中设置：
import server
server.PromptServer.instance.max_concurrent_requests = 4

#!/bin/bash
# 监控 ComfyUI 服务健康状态
while true; do
    STATUS=$(curl -s -o /dev/null -w "%{http_code}" http://localhost:8188/)
    if [ "$STATUS" != "200" ]; then
        echo "$(date): ComfyUI 服务异常，状态码 $STATUS"
        systemctl restart comfyui
    fi
    sleep 60
done

# 安装 diffusers 和 trl
pip install diffusers transformers accelerate datasets

# 使用 LoRA 微调 SDXL
accelerate launch train_text_to_image_lora.py \
  --pretrained_model_name_or_path="stabilityai/stable-diffusion-xl-base-1.0" \
  --dataset_name="your_dataset" \
  --resolution="1024" \
  --train_batch_size="1" \
  --gradient_accumulation_steps="4" \
  --learning_rate="1e-4" \
  --lr_scheduler="constant" \
  --lr_warmup_steps="0" \
  --max_train_steps="1000" \
  --checkpointing_steps="200" \
  --output_dir="lora_outputs"