ComfyUI-Manager
Comfy-Org/ComfyUI-Manager加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
你一定有过这样的经历：ComfyUI 用久了，custom_nodes 目录里塞满了各种插件——ControlNet 节点、KSampler 变体、LoRA 加载器、风格迁移节点……几十个插件散落在文件夹里，更新靠手动 git pull，回滚靠记日期版本号，某天某个节点突然报错，连是谁引入的都不知道。
ComfyUI-Manager 就是来解决这个问题的——它把 ComfyUI 的插件管理做成了一个带图形界面的"应用商店"，让用户点点鼠标就能完成插件的安装、更新、禁用和卸载。
图1：点击 ComfyUI 主界面右上角的 Manager 按钮，即可打开管理面板。
这个项目目前已收获 14,949 个 GitHub Stars，是 ComfyUI 生态中下载量最高的扩展插件之一，其 Star 数量甚至超过了许多独立 AI 应用本身。
ComfyUI 是目前最流行的 AI 生图工作流工具之一，它采用节点图（node graph）的方式组织 AI 生成流程——每个节点是一个功能单元，节点之间通过连线传递数据。这种架构极其灵活，用户可以自由组合各种扩散模型、ControlNet、LoRA、VAE 等模块，搭建出完全个性化的生成管线。
但灵活性的代价是碎片化。由于 ComfyUI 本身不提供插件商店，第三方插件只能通过 GitHub 手动安装，插件之间还经常存在依赖冲突。一个典型的问题是：当你从 GitHub 安装了 A 节点的某个版本后，B 节点的最新版本突然就不能用了——因为两者依赖的同一个底层库的版本不兼容。
ComfyUI-Manager 的作者 ltdrdata（后迁移至 Comfy-Org 组织）正是看到了这个痛点，开发了这套管理工具。它的工作方式类似于 Linux 系统的包管理器——维护一个节点数据库，提供版本解析、依赖图谱展示和批量操作能力，让用户从"手动 git clone"的原始时代，升级到"图形化应用商店"的现代体验。
ComfyUI-Manager 的功能远比名字里的 Manager 丰富。根据官方 README 的描述，它的核心能力包括：
1. 节点管理（Custom Nodes Manager）
这是最核心的功能。用户可以在图形界面中浏览已收录的 ComfyUI 插件列表，点击安装按钮即可自动完成 git clone 和依赖安装。更重要的是，它支持对已安装节点进行禁用/启用——这在调试节点冲突时非常有用，不需要卸载就能让某个节点暂时失效。
图2：节点安装对话框，支持搜索、分类浏览和一键安装。
2. 模型管理（Model Manager）
除了插件，ComfyUI 还涉及大量的 AI 模型文件（Checkpoint、LoRA、VAE、ControlNet 等）。ComfyUI-Manager 提供了一个统一的模型管理界面，可以浏览模型列表、查看模型信息、跳转下载源地址。相比手动在 Hugging Face 或 Civitai 上找链接、在本地建文件夹拷贝，效率提升明显。
图3：Model Manager 界面，统一管理各类 AI 模型文件。
3. 快照与回滚（Snapshot）
这是一个容易被忽视但极其实用的功能。ComfyUI-Manager 可以为当前环境创建快照，记录所有节点和模型的状态。当某次更新导致环境崩溃时，可以一键回滚到之前保存的快照，类似于系统还原点。
图4：Snapshot 功能，支持创建环境快照和快速回滚。
4. 节点数据库与信息查询
ComfyUI-Manager 维护了一个庞大的节点数据库（node_db/ 目录），收录了超过数千个第三方节点的信息，包括节点名称、功能描述、GitHub 地址、依赖关系等。配合 ComfyUI Nodes Info 这个配套网站，用户可以在线搜索和浏览所有已知节点。
ComfyUI-Manager 的代码结构体现了插件开发的最佳实践。
后端（Python）
项目主要使用 Python 开发，依赖包括：
Python 端的核心逻辑在 cm-cli.py（41KB）中实现，这是一个完整的 CLI 应用，支持节点的安装、移除、禁用、启用等操作。此外还有 prestartup_script.py 作为 ComfyUI 的预启动脚本，负责初始化管理器服务。
前端（JavaScript）
ComfyUI 本身内置了 Web 服务器，前端使用原生 JavaScript 实现。js/ 目录包含约 20 个 JS/CSS 文件，其中 comfyui-manager.js 是主入口，custom-nodes-manager.js 和 model-manager.js 分别负责两套管理界面的渲染，snapshot.js 处理快照逻辑。
前端架构简洁直接，不依赖 React/Vue 等框架，保持了与 ComfyUI 原生 UI 风格的一致性。
CLI 独立模式
值得注意的是，init.py 中有一个关键设计：若检测到 .enable-cli-only-mode 标志文件，则只加载 CLI 组件，不启动 Web 前端。这意味着用户可以在纯命令行环境中使用 ComfyUI-Manager，不需要启动完整的 ComfyUI GUI。
ComfyUI-Manager 本身不是一个独立应用，而是作为 ComfyUI 的扩展插件存在。它的安装有几种方式：
方式一：标准 Git 克隆（推荐）
进入 ComfyUI 的 custom_nodes 目录，执行 git clone，然后重启 ComfyUI 即可。这是通用且最可靠的方式。
cd ComfyUI/custom_nodes
git clone https://github.com/ltdrdata/ComfyUI-Manager comfyui-manager
# 重启 ComfyUI
方式二：便携版 Windows 一键脚本
对于 Windows 便携版用户，下载 install-manager-for-portable-version.bat 脚本，放到 ComfyUI 目录，双击运行即可完成安装，对小白用户非常友好。
方式三：comfy-cli（推荐进阶用户）
Comfy-Org 官方提供了 comfy-cli 命令行工具，一行命令同时安装 ComfyUI 和 ComfyUI-Manager：
pip install comfy-cli
comfy install
方式四：Colab 云端运行
项目提供了配套的 Jupyter Notebook，可以在 Google Colab 中一键部署带 ComfyUI-Manager 的完整环境，适合没有本地 GPU 的用户体验。
Linux + venv 自动化脚本
scripts/install-comfyui-venv-linux.sh 脚本可以在 Linux 系统上全自动安装 ComfyUI + venv + ComfyUI-Manager，适合服务器部署场景。
没有任何工具是银弹，ComfyUI-Manager 也不例外：
1. 不支持容器化一键部署
项目本身没有提供 Dockerfile 或 docker-compose.yml，无法通过 Docker 容器一键启动。这意味着如果你的生产环境需要隔离部署，ComfyUI-Manager 需要额外的手动配置。但换个角度看，对于大多数本地研究者来说，插件模式反而是最简单可靠的集成方式。
2. 节点数据库的时效性依赖网络
ComfyUI-Manager 有三种数据模式：Channel (1day cache)、Local、Channel (remote)。默认的缓存模式一天更新一次，如果你需要安装最新的测试版节点，需要切换到 remote 模式。
3. 安装路径要求严格
README 特别强调了安装路径规范——init.py 必须位于 ComfyUI/custom_nodes/comfyui-manager/ 目录下，不能嵌套多层目录，也不能用压缩包解压代替 git clone。这些要求虽然看似繁琐，但确实是确保 Manager 能正确识别和更新的必要条件。
ComfyUI-Manager 的意义，不仅在于它解决了插件管理的技术问题，更在于它代表了 AI 工具生态走向成熟的一个标志。
想象一下：如果你要用 Stable Diffusion 做一个复杂的 ControlNet + LoRA + IP-Adapter 组合工作流，传统的做法是分别找各个插件的 GitHub 地址、解决 Python 版本冲突、手动管理模型文件——这往往需要半天时间。而有了 ComfyUI-Manager，同样的工作在图形界面里 10 分钟就能搞定。
这种效率提升对 AI 创作者的体验是质变的。它降低了 ComfyUI 的使用门槛，让更多人能够专注于创作本身，而不是被技术细节困扰。
从 Star 数量看，ComfyUI-Manager 是 ComfyUI 生态中最受欢迎的工具之一，它的流行也反向推动了更多开发者为 ComfyUI 贡献插件——形成了良性的生态循环。可以预见，随着 ComfyUI 在 AI 图像生成领域的持续普及，ComfyUI-Manager 的重要性还会进一步提升。