%20(1).png)
ComfyUI-MLX 插件保姆级教程
1. 插件简介
插件地址： https://github.com/thoddnn/ComfyUI-MLX
ComfyUI-MLX 是一个专门为苹果芯片（M1/M2/M3等）Mac电脑优化的 ComfyUI 插件。这个插件就像给你的Mac装了一个超级加速器，让图片生成速度飞起来！
这个插件能给我们带来什么效果？
想象一下，原本你用 ComfyUI 生成一张图片需要等很久，就像用老式打印机打印照片一样慢。而这个插件就像把你的打印机换成了最新款的高速打印机：
- 速度提升70%：当需要重新加载模型时，生成速度快了70%
- 速度提升35%：当模型已经加载好时，生成速度快了35%
- 内存节省30%：占用的电脑内存减少了30%，就像原本需要一个大房间存放的东西，现在只需要一个小房间
这个插件特别适合：
- 使用苹果芯片Mac的朋友
- 想要更快生成图片的用户
- 内存不够大，经常卡顿的情况
2. 如何安装
方法一：通过ComfyUI管理器安装（推荐）
- 打开 ComfyUI
- 点击 "Manager"（管理器）
- 选择 "Custom Nodes Manager"（自定义节点管理器）
- 搜索 "ComfyUI MLX"
- 点击 "Install"（安装）
方法二：通过Git地址安装
- 打开 ComfyUI
- 点击 "Manager"（管理器）
- 选择 "Install via Git URL"（通过Git地址安装）
- 输入：
https://github.com/thoddnn/ComfyUI-MLX.git - 点击安装
安装完成后重启 ComfyUI 即可使用。
3. 节点详细解析
3.1 MLXLoadFlux 节点 - 模型加载器
这个节点就像一个"模型仓库管理员"，负责从网上下载并加载各种AI绘画模型到你的电脑里。
参数详解：
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| model_version | model_version | 下拉选择框 | argmaxinc/mlx-FLUX.1-schnell-4bit-quantized | 选择你要用的AI绘画模型，就像选择不同的画笔风格 | 指定要加载的预训练模型版本，支持不同的FLUX模型变体 | 新手建议选4bit量化版本，速度快占用内存少 |
可选的模型版本：
argmaxinc/mlx-FLUX.1-schnell-4bit-quantized：压缩版，速度最快，内存占用最少argmaxinc/mlx-FLUX.1-schnell：标准快速版，平衡速度和质量argmaxinc/mlx-FLUX.1-dev：开发版，质量最高但速度较慢
输出接口：
mlx_model：加载好的AI绘画大脑mlx_vae：图片解码器，把抽象数据变成真正的图片mlx_conditioning：文字理解器，帮助AI理解你的描述
3.2 MLXClipTextEncoder 节点 - 文字理解器
这个节点就像一个"翻译官"，把你写的文字描述翻译成AI能理解的"密码语言"。
参数详解：
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| text | text | 文本输入框 | "photo of a cat" | 输入你想要生成图片的文字描述，就像告诉画家你想画什么 | 输入提示词文本，用于指导图像生成的内容和风格 | 输入"一只可爱的小猫坐在花园里"，AI就会画出相应的图片 |
| mlx_conditioning | mlx_conditioning | 连接输入 | 来自MLXLoadFlux | 接收模型的文字理解能力，就像给翻译官提供词典 | 接收来自模型加载器的条件编码器组件 | 必须连接MLXLoadFlux节点的mlx_conditioning输出 |
输出接口：
mlx_conditioning：翻译好的"密码语言"，AI能直接理解的指令
3.3 MLXSampler 节点 - 图片生成器
这个节点就像一个"魔法画师"，根据你的文字描述，一步步把空白画布变成精美的图片。
参数详解：
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| mlx_model | mlx_model | 连接输入 | 来自MLXLoadFlux | 接收AI绘画大脑，就像给画师提供绘画技能 | 接收预训练的扩散模型用于图像生成 | 必须连接MLXLoadFlux节点的mlx_model输出 |
| seed | seed | 整数 | 0 | 随机种子，就像掷骰子的起始数字，相同种子会生成相同图片 | 控制随机数生成器的种子值，确保结果可重现 | 设为123，每次都会生成同样的图片；设为0则每次随机 |
| steps | steps | 整数 | 4 | 绘画步骤数，就像画家画画的层数，越多越精细但越慢 | 扩散过程的迭代步数，影响图像质量和生成时间 | 新手用4步够了，追求质量可以用8-20步 |
| cfg | cfg | 小数 | 0 | 听话程度，数值越高AI越严格按照你的描述画，0表示完全自由发挥 | 分类器自由引导强度，控制生成图像与提示词的匹配程度 | FLUX模型建议设为0，其他模型可以设7-15 |
| mlx_positive_conditioning | mlx_positive_conditioning | 连接输入 | 来自MLXClipTextEncoder | 接收翻译好的文字指令，告诉AI要画什么 | 接收编码后的正向提示词条件 | 必须连接MLXClipTextEncoder节点的输出 |
| latent_image | latent_image | 连接输入 | 来自EmptyLatentImage | 接收空白画布，就像给画家提供纸张 | 接收潜在空间的图像表示作为生成起点 | 通常连接EmptyLatentImage节点创建空白画布 |
| denoise | denoise | 小数 | 1.0 | 去噪强度，1.0表示从完全的噪点开始画，0.5表示从半成品开始画 | 控制去噪过程的强度，用于图像到图像的转换 | 文生图用1.0，图生图可以用0.7-0.9 |
输出接口：
LATENT：生成的抽象图片数据，需要解码器才能变成真正的图片
3.4 MLXDecoder 节点 - 图片解码器
这个节点就像一个"显影师"，把抽象的图片数据变成你能看到的真正图片，就像胶卷冲洗成照片。
参数详解：
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| latent_image | latent_image | 连接输入 | 来自MLXSampler | 接收抽象的图片数据，就像接收未冲洗的胶卷 | 接收潜在空间的图像表示进行解码 | 必须连接MLXSampler节点的LATENT输出 |
| mlx_vae | mlx_vae | 连接输入 | 来自MLXLoadFlux | 接收解码器工具，就像给显影师提供化学药水 | 接收变分自编码器的解码器部分 | 必须连接MLXLoadFlux节点的mlx_vae输出 |
输出接口：
IMAGE：最终的图片，可以保存或继续处理
4. 使用技巧和建议
4.1 新手推荐设置
- 模型选择：
argmaxinc/mlx-FLUX.1-schnell-4bit-quantized（速度快，内存占用少） - 生成步数：4步（够用且快速）
- CFG值：0（FLUX模型的特点）
- 图片尺寸：512x512（标准尺寸，生成快）
4.2 追求质量的设置
- 模型选择：
argmaxinc/mlx-FLUX.1-dev（质量最高） - 生成步数：8-12步（质量更好）
- 图片尺寸：1024x1024（高清图片）
4.3 节约内存的技巧
- 选择4bit量化版本的模型
- 使用较小的图片尺寸
- 减少生成步数
- 一次只运行一个工作流
4.4 提示词建议
- 使用英文描述效果更好
- 描述要具体明确，比如"a cute orange cat sitting in a garden"
- 可以加上风格描述，比如"photorealistic"、"anime style"等
5. 常见问题解答
Q1：为什么我的Mac运行很慢？
A1： 确保你使用的是苹果芯片（M1/M2/M3）的Mac，Intel芯片的Mac无法享受MLX加速。
Q2：模型下载很慢怎么办？
A2： 模型会自动从HuggingFace下载，首次使用需要等待。下载完成后会缓存在本地，下次使用就很快了。
Q3：生成的图片质量不好？
A3： 尝试以下方法：
- 增加生成步数（从4步增加到8-12步）
- 使用更详细的提示词
- 选择质量更高的模型版本
Q4：内存不够用怎么办？
A4：
- 选择4bit量化版本的模型
- 减小图片尺寸
- 关闭其他占用内存的应用程序
Q5：如何固定生成相同的图片？
A5： 设置一个固定的seed值（比如123），每次使用相同的seed和提示词就会生成相同的图片。
6. 工作流示例
基础文生图工作流连接顺序：
- MLXLoadFlux → 选择模型版本
- MLXClipTextEncoder → 输入提示词，连接MLXLoadFlux的mlx_conditioning
- EmptyLatentImage → 设置图片尺寸（512x512）
- MLXSampler → 连接模型、文字编码和空白画布
- MLXDecoder → 连接生成的潜在图像和VAE解码器
- SaveImage → 保存最终图片
推荐的基础设置：
MLXLoadFlux: argmaxinc/mlx-FLUX.1-schnell-4bit-quantized
MLXClipTextEncoder: "a beautiful landscape with mountains and lake"
EmptyLatentImage: 512x512, batch_size=1
MLXSampler: seed=0, steps=4, cfg=0, denoise=1.0
7. 性能对比
根据官方测试数据（MacBook M2 Max, 96GB内存，Flux 1.0 dev模型，512x512图片，10步生成）：
| 场景 | 传统方式 | MLX加速 | 提升幅度 |
|---|---|---|---|
| 需要加载模型时 | 基准时间 | 节省70%时间 | 快70% |
| 模型已加载时 | 基准时间 | 节省35%时间 | 快35% |
| 内存占用 | 基准内存 | 节省30%内存 | 省30% |
8. 总结
ComfyUI-MLX 插件是苹果芯片Mac用户的福音，它就像给你的电脑装上了涡轮增压器，让图片生成速度飞起来。虽然只有4个节点，但每个都很实用：
- MLXLoadFlux：模型管家，负责加载AI大脑
- MLXClipTextEncoder：翻译官，把文字变成AI能懂的语言
- MLXSampler：魔法画师，真正生成图片的核心
- MLXDecoder：显影师，把抽象数据变成真实图片
对于Mac用户来说，这个插件绝对值得一试。记住选择合适的模型版本，设置合理的参数，就能享受飞一般的图片生成体验！