準備 ComfyUI 執行環境：安裝模型並跑出第一張圖

這一課要把第一課的流程真正跑起來

第一課把七個節點讀懂了，也替主角寫下三個特徵：綠色小豆機器人、黃色背包、黑色圓眼。這一課準備電腦上的執行環境與模型，最後按一次 Run，保存你的第一張圖片。

我們全程走同一條路：Windows → Comfy Desktop → Standalone 本機安裝 → SD1.5 → 512×512 單張圖片。Comfy Desktop 會管理 Python 與套件；本課不需要另外安裝 Python、Git 或 CUDA Toolkit，也不用 API 金鑰、雲端點數或付費生圖帳號。官方 Desktop 說明

SD1.5 是較早期的模型，這裡用它學會載入、執行和排錯。它不保證精準畫出角色的每個特徵，也不代表後續 Qwen 或影片模型的品質。本課的通關標準是：流程成功完成、找到一張 512×512 PNG、保留可重新開啟的 JSON。 角色是否完全符合描述，留在結果筆記中觀察。

先知道驗證範圍： 本課依官方文件、官方畫面與可檢查的工作流檔編寫，沒有在獨立 Windows 電腦做安裝或 GPU 出圖實測。圖中的生成成果是官方示例，不是本課小豆機器人的實測結果；生成速度與硬體相容性不作保證。請預留 60–90 分鐘操作，另加安裝套件與 2.13 GB 模型的下載時間。

已經有 ComfyUI 的人怎麼接

• 已用目前的 Comfy Desktop，能看到安裝卡片： 跳到第 3 步檢查環境，沿用既有本機安裝
• 已用 Portable 或舊版 Legacy Desktop： 七節點流程與模型仍可使用，但本課圖中的 Manage、Storage 路徑是目前 Desktop 的介面；不要把兩套目錄照抄混用。先確認自己的 models/checkpoints 與輸出目錄，再從第 4 步往下做；路徑不確定時，對照官方 Portable 文件或Legacy 遷移說明
• Mac、AMD、Intel GPU 或只有 CPU： 官方另有支援方式，但本課不逐步帶這些安裝路線。可以先看圖完成環境與模型檢查單，再依官方系統需求選相符的安裝說明

以下的按鈕保留英文名稱，旁邊用繁體中文解釋。官方通用管理畫面有些取自 macOS，圖說會標明；Windows 讀者只對照相同的選單名稱，不抄圖中的 Mac 路徑或硬體。

第 0 步 先確認電腦與空間

先下載第二課實作檢查單，用記事本開啟。這份檢查單會記錄你的環境、模型位置、出圖結果和錯誤訊息。

找到作業系統與 RAM

1. 在 Windows 按 Win + I 開啟「設定」
2. 進入 系統 → 關於，記下 Windows 版本與「已安裝的 RAM」
3. 本課主線使用 Windows 10 以上；若是 x64 的一般 Windows 電腦，下載時選對 Windows 架構

官方 Desktop 列出的記憶體需求是 8 GB RAM 起、建議 16 GB。本課以 16 GB RAM 以上作為較從容的練習規劃；RAM 是整台電腦的系統記憶體，不等於顯示卡的 VRAM。官方 Desktop FAQ

找到 NVIDIA GPU 與 VRAM

1. 按 Ctrl + Shift + Esc 開啟「工作管理員」
2. 點 效能，找左側的 GPU 0／GPU 1；若有兩張顯示卡，逐項看右上角名稱
3. 找到名稱含 NVIDIA 的那一張，記下完整型號
4. 看 專用 GPU 記憶體的總容量；不要把「共用 GPU 記憶體」當成顯示卡本身的 VRAM

本課建議以 NVIDIA RTX 顯示卡、6 GB 或以上 VRAM嘗試 512×512、batch_size 1。這是配合入門 SD1.5 的課程建議，不是所有 ComfyUI 模型的最低需求，也不保證每一台 6 GB 顯示卡都能在任何設定下執行。官方 SD1.5 教學以 6 GB 顯示記憶體級距作為例子；往後換大模型仍須重新估算。官方 SD1.5 教學

應該完成： 檢查單中有 Windows 版本、RAM、NVIDIA 型號和專用 VRAM 四項。如果只看到 Intel／AMD 或不確定 GPU 型號，先停在這裡查清楚，不要在下一步隨便選 NVIDIA 套件。

替安裝與模型留位置

1. 開啟「檔案總管 → 本機」，查看打算安裝的磁碟剩餘空間
2. 優先使用 SSD，這次先建議保留 至少 25 GB 可用空間
3. 若下載資料夾在 C 槽、安裝放 D 槽，兩邊都要有餘裕。模型還沒移走時，下載和目的地可能各佔一份空間

25 GB 是本課預留安裝環境、2.13 GB 權重、下載暫存、更新和少量圖片的規劃餘裕，不是官方保證的固定占用量。官方列每個獨立安裝至少約 4.85 GB；實際套件與快取會隨硬體、版本而變。日後增加模型要另外加空間。官方 Windows 安裝需求

第 1 步 下載並安裝官方 Comfy Desktop

1. 用瀏覽器開啟Comfy 官方下載頁
2. 選擇 Windows 的 Desktop 安裝程式，等待 .exe 下載完成。不要從搜尋廣告、重新包裝的整合包或陌生鏡像下載
3. 在 Windows「下載」資料夾找到剛下載的安裝程式，按兩下開啟
4. 若詢問安裝對象，個人練習可選 Only for me；畫面與圖 1 不同時，以自己安裝程式的選項為準
5. 按 Install 完成安裝，從開始功能表搜尋並開啟 Comfy Desktop

應該看到： Comfy Desktop 的 Welcome 或 Dashboard。這時先把它想成「管理 ComfyUI 的啟動器」；看到啟動器不代表模型已經下載，也不代表生圖環境已經建好。

如果 Windows 顯示安全性或來源不明警告，先核對下載來源與發行者，保留警告文字；不要為了本課關閉防毒、停用系統保護或照陌生教學略過警告。公司管理的電腦應先遵守公司的安裝規範。

第 2 步 建立一個本機練習環境

目前的 Desktop 可以管理多個 instance（獨立安裝環境）。我們只建立一個，命名為 Greenbean-Learn，之後每次都從它進去。

1. 在 Dashboard 找左側帶 ＋ 的 New Instance 卡片；官方較早的截圖寫 New Install，都是建立新安裝的入口
2. 在 Configure Comfy Desktop 畫面，把 Name／Installation Name 填成 Greenbean-Learn
3. 看 Detected GPU，應與剛才確認的 NVIDIA 顯示卡類別相符
4. Install Location 可以保留安裝程式建議的使用者資料夾；若要改磁碟，按 Browse… 選 SSD 上有足夠空間的專用資料夾，例如 D 槽的 AI 資料夾。不要直接選 C 槽根目錄
5. 展開 Advanced，確認是 Standalone；這是讓自己的電腦執行的獨立環境
6. Release 保留 Stable（Recommended）。如果顯示 Hardware 套件選項，確認使用 NVIDIA／CUDA 對應套件；若顯示 AMD、Apple Silicon 或 CPU，先不要繼續，回到 GPU 檢查與下方排錯
7. 確認後按 Continue，讓 Desktop 下載與建立環境

這一步的欄位與建立方式依官方 Instance Management；Stable 是官方建議的一般使用路線。先保留預設套件組合，不用手動拼裝 Python 與 PyTorch 版本。官方更新頻道說明

等待時看什麼： 看進度、正在下載的項目與錯誤文字。只要下載量或進度仍有變化，就讓它完成；不要因為比別人的截圖慢，就連續重開好幾份安裝。

安裝完成後可能先開 Templates。按 Templates 視窗右上角的 × 關閉它，回到節點畫布；本課下一步會載入自己的七節點 JSON，先不用挑範本裡的影片、API 或大型模型。

應該看到： 能開啟 Greenbean-Learn 的 ComfyUI 畫布。若畫面仍在下載、出現安裝失敗或無法連線，先看「安裝中斷」的排錯項目；不要把「看到 Templates」當成已經下載本課模型。

第 3 步 記錄真正正在使用的環境

這一小步能省下之後「我到底裝了哪一版」的排錯時間。

1. 回到顯示安裝卡片的 Dashboard／Chooser；可利用視窗頂部中央顯示安裝名稱的切換入口找回 Greenbean-Learn
2. 在 Greenbean-Learn 卡片右上的 ⋮ 選單按 Manage
3. 開啟 About 分頁
4. 記下 Current Version、Hardware、Python、PyTorch、Location。只記錄，不照官方截圖更改數字

本課主線的 Hardware 應對應 NVIDIA／CUDA，不能拿圖中的 Apple Silicon（MPS）當作自己的正確答案。這張是官方跨平台管理頁的欄位示例；若你的 NVIDIA 電腦實際只偵測到 CPU，先處理環境，再執行工作流。官方 About 分頁說明

順便到 Update 分頁確認 Update Channel 是 Stable。課程進行到一半不必為了追最新版本切到 Latest on GitHub。

應該完成： 檢查單有自己的版本與硬體資料。Comfy Desktop 啟動器、ComfyUI 核心、前端介面各自有版本，不能只記一個「最新版」。

第 4 步 載入第一課的七節點 JSON

你可以接著使用第一課另存的 greenbean-lesson-01.json。如果當時只看圖、還沒有另存檔，就下載第一課的官方原始 JSON。

1. 回到 Greenbean-Learn 的節點畫布
2. 若畫布上已有未儲存的工作，先匯出保存
3. 開啟 Workflow／Workflows → Open，選取上面的 JSON；也可以將檔案從檔案總管拖進畫布
4. 用 Fit View 把整個流程帶回視野，數一遍：一個 Load Checkpoint、兩個 CLIP Text Encode、一個 Empty Latent Image、一個 KSampler、一個 VAE Decode、一個 Save Image
5. 先不要按 Run。查看 Load Checkpoint 的 ckpt_name 是否能選到本課模型

若出現 Missing Models → See Errors，打開後記下缺的檔名；若沒有警告，也照下一步核對模型下拉選單。這份第一課 JSON 沒有保證每個前端版本都會出現自動下載面板，所以本課統一採用官方來源手動下載、放到正確資料夾的方法。官方工作流與模型載入說明

本課只下載一個模型檔

完整檔名是：

v1-5-pruned-emaonly-fp16.safetensors

• 來源： Hugging Face 上的 Comfy-Org/stable-diffusion-v1-5-archive，也是 Comfy 官方入門文件連到的來源
• 檔案大小： 檔案頁標示約 2.13 GB；不要把整個模型庫的總大小當成這一個檔案
• 格式： .safetensors；下載後保留原檔名，不用解壓縮
• 版本： 本課用 fp16 這個檔案，不要誤下載名稱少了 fp16 的 4.27 GB 檔
• 授權標示： CreativeML Open RAIL-M；使用前請閱讀模型卡與授權原文。它包含用途限制，不能把「可以下載」理解成無條件商業授權

這個來源由 Comfy-Org 保存與轉換 SD1.5 權重；模型卡明確說明它是較早期模型的封存版本。選它，是因為與第一課檔案相符、下載量較小，適合學會一次完整的本機流程。模型檔案與雜湊

為什麼沒有另外下載文字編碼器和 VAE

回想 Load Checkpoint 右邊的 MODEL、CLIP、VAE 三個輸出。本課這個 SD1.5 checkpoint 已提供流程需要的三部分：主模型負責生成運算，CLIP 處理文字條件，VAE 把 latent 轉回可看的圖片。

因此本課把一個檔案放進 checkpoints即可；不要為了看到三個輸出，就把同一個檔案複製進三個資料夾。以後某些新模型會把主模型、text_encoders、vae 分開下載，那時要依對應工作流逐項核對，不能沿用這次的「只放一檔」規則。官方 CheckpointLoaderSimple 說明

第 5 步 先找到模型應該放的資料夾

目前 Desktop 預設可以讓不同安裝共用模型。先從介面找真正的模型目錄，不要憑舊教學猜 C 槽路徑。

1. 點 Desktop 視窗最上方左側的 ☰
2. 選 Desktop Settings，再點左側 Storage
3. 在 Shared Models 找標示 Primary 的那一列，按那一列的開啟資料夾圖示
4. 檔案總管開啟後，確認這是模型根目錄，進入裡面的 checkpoints 資料夾。若沒有 checkpoints，先確認開對根目錄，再建立同名資料夾
5. 把檔案總管位址列的完整位置複製到檢查單，標記為「本課模型目的地」

圖 9 中的 /Users/… 是官方 Mac 示例，不要把那一串路徑輸入 Windows。你的完整位置可能在使用者資料夾，也可能在自行選擇的磁碟。以「Primary 那列開出的模型根目錄 → checkpoints」為準。官方 Desktop Storage 說明

再確認這一份安裝有讀取共用模型

回到 Greenbean-Learn 的 Manage → Storage，確認 Include Shared Directories 已開啟；較早的官方圖中叫 Use Shared Models。這個選項控制這一份安裝是否讀取共用模型目錄。

同時記下輸出位置：

• Use Shared Output Folder 開啟時，結果寫到 Desktop Settings → Storage 的 Shared Output／Output Directory
• 關閉時，查看這一份安裝自己的 Output Directory
• 舊畫面可能把輸入與輸出合併成 Use Shared Input/Output Folders 一個開關

本課新建環境維持共用模型的預設設定即可。已經有自己的專案者，不必為這一課搬動整個模型庫或重設其他安裝。官方安裝環境 Storage 說明

應該完成： 你知道本課模型的 checkpoints 位置，也知道完成圖片要到哪個輸出資料夾找。只記「在 ComfyUI 裡」還不夠。

第 6 步 下載模型 放好 再刷新

1. 開啟指定模型的官方檔案頁
2. 核對頁面上方是 Comfy-Org/stable-diffusion-v1-5-archive，檔名完整含 fp16.safetensors
3. 按檔案頁的 Download／Download file；找不到時，使用同一來源的直接下載連結
4. 等瀏覽器下載完成後，開啟下載資料夾。若還是 .crdownload、.part 或顯示下載中，先不要移動或載入
5. 把完成的檔案剪下，貼進第 5 步記錄的 checkpoints 資料夾
6. 保留完整原檔名；如果 Windows 因重複下載加上「(1)」，先檢查已存在的檔案，不要直接覆蓋不明版本

先做肉眼檢查： 右鍵檔案 →「內容」，確認副檔名是 .safetensors，大小約 2 GB，檔案已完整下載。幾 KB 的 HTML 網頁或 Git 指標文字都不是模型，不能只改副檔名冒充。

官方檔案頁公布的 SHA256 是：

e9476a13728cd75d8279f6ec8bad753a66a1957ca375a1464dc63b37db6e3916

可把這串留在檢查單，需要核對下載完整性時再計算比對。本課沒有替你下載 2.13 GB 權重，也沒有宣稱已在你的電腦驗證雜湊；這裡記錄的是來源公布值。雜湊相同可確認檔案相符，不能替代對來源與用途的判斷。檔案資訊來源

讓 ComfyUI 重新讀取模型清單

1. 回到 ComfyUI，先點一下畫布空白處，離開文字輸入框
2. 按 R，讓節點定義與模型清單刷新。不要在提示詞框裡按，否則只會打入一個字母
3. 點 Load Checkpoint → ckpt_name 的檔名欄位，從下拉清單選 v1-5-pruned-emaonly-fp16.safetensors
4. 若清單仍是空白，先另存工作流，再重新啟動該環境；不要立刻重新下載模型

應該看到： ckpt_name 已經能選到正確檔案，不再是 null 或未找到的檔名。這只代表程式「找得到檔案」；要等下一步實際執行成功，才能確認模型也能被載入。官方刷新模型清單說明

第 7 步 填入小豆機器人的第一張圖設定

第一課的中文提示詞用來練習保存。現在配合 SD1.5，換成短而明確的英文片語，主角仍保留相同三個特徵。

先改正向和負向提示詞

1. 找到接到 KSampler positive 的 CLIP Text Encode，將 text 全部換成下方正向提示詞
2. 找到接到 negative 的另一個文字節點，填入下方負向提示詞
3. 改完點畫布空白處，再沿線確認一次，避免正負向填反

正向提示詞：

small rounded green bean robot, yellow backpack, round black eyes, full body, standing beside a wooden table, one small white desk lamp on the table, soft morning light, light gray background, simple 3d illustration

負向提示詞：

text, watermark, blurry, low quality

正向意思是綠色小豆機器人背著黃色背包，有黑色圓眼，站在木桌與白色小桌燈旁。負向只列簡單的減少項目，不把它當成能完全禁止某種結果的開關。官方 SD1.5 入門建議使用英文和簡短描述；這段課程提示詞尚未做獨立出圖驗證。官方提示詞入門

尺寸只用 512 乘 512 一張

在 Empty Latent Image 核對：

• width：512
• height：512
• batch_size：1

先點數值欄位輸入，確認後點空白處。部分介面需要按兩下數字才可直接輸入。今天不增加到 1024，也不一次生成四張，先降低第一輪的記憶體負擔。

取樣器保持一組固定設定

在 KSampler 設成：

• seed：20261006
• control_after_generate：fixed，讓這次練習不自動更換種子
• steps：20
• cfg：8
• sampler_name：euler
• scheduler：normal
• denoise：1.0

舊版節點會顯示 control_after_generate 下拉欄；新版 Nodes 2.0 可能把種子控制收進 seed 旁的控制選單。如果找不到對應位置，可直接載入下方已填好的課程 JSON，再檢查設定，無須切換整套介面。

這裡沿用第一課的取樣設定，只把種子固定，方便下一課做對照。圖 14 的 seed 0、scheduler simple 是官方單一節點示意值，本課請以這段清單與下載 JSON 為準。固定 seed 並不代表不同電腦、套件或版本一定產生逐像素相同的圖。官方 KSampler 說明

最後在 Save Image → filename_prefix 改成 greenbean-lesson-02，方便在輸出資料夾辨認。

想先對照一份填好的檔案

可以下載第二課完整設定 JSON，用 Workflow → Open 載入。它以第一課官方 JSON 為底，只修改正負向文字、seed、種子控制與輸出前綴；保留七個內建節點及九條連線。

這份是已核對結構的課程練習檔，不是 GPU 實測完成的工作流證明。它不含模型權重、不會替你安裝套件，也沒有加入付費 API 節點。載入後仍須確認 ckpt_name 指向自己已放好的檔案。

應該看到： 七個節點都在，提示詞是機器人，尺寸 512×512、batch_size 1，Save Image 前綴是 greenbean-lesson-02。

第 8 步 按一次 Run 然後看結果

按之前，用手指逐項核對：

• 開的是 Greenbean-Learn 的本機環境
• ckpt_name 是本課的 fp16.safetensors 檔案
• 正向、負向接對，七個節點沒有缺少
• 尺寸 512×512、batch_size 1
• Run 旁邊若有執行次數，保持 1

1. 點右上 Run 一次，或按 Ctrl + Enter 一次
2. 觀察工作進度；較早的介面把同一個執行功能叫 Queue
3. 第一輪需要載入模型，可能比之後慢。只要有進度就先等待，不要連按 Run 加入多筆工作
4. 完成後看 Save Image 節點是否出現圖片預覽
5. 若出現 Prompt execution failed，點 Show report 看完整錯誤，先跳到排錯區，不要重複盲按

應該看到： 你自己的 Save Image 有一張新圖。圖 16 的紫色瓶子只是官方「執行成功後結果在哪裡」的示例，不是你必須畫出來的答案，也不是本網站用小豆機器人提示詞生成的圖。圖中的 18.02 秒不適用於你的電腦。

看到機器人不夠像、背包顏色不對或多了一盞燈時，先寫下偏差。有完整 PNG 但內容不精準，與流程因錯誤停止是兩種問題；今天先確認從文字、模型、取樣到儲存的整條路已通。官方第一次生成說明

第 9 步 找到 PNG 同時保存 JSON

把圖片存成自己的練習紀錄

1. 到第 5 步記錄的 Output Directory，找檔名以 greenbean-lesson-02 開頭的新 PNG。後面的流水號由程式加入，不必一定是 00001
2. 在 Windows 檔案總管對 PNG 按右鍵 → 內容 → 詳細資料，核對寬度和高度都是 512 像素
3. 在自己的「文件 → Greenbean-Learning」資料夾內新建 lesson-02，把這張 PNG 複製一份進去
4. 如果你能看見 Save Image 預覽卻一時找不到輸出資料夾，可以右鍵結果圖片另存本機，再回頭核對 Desktop 的輸出設定

Save Image 寫入的是目前設定的輸出目錄；新版 Desktop 啟用共用輸出後，不一定是你猜的「某個安裝資料夾裡的 output」。官方儲存節點 · Desktop 輸出目錄設定

再把可編輯的流程帶走

1. 在 ComfyUI 開啟 Workflow／Workflows → Export
2. 匯出一般工作流 JSON，命名 greenbean-lesson-02.json；不要選 API 格式
3. 把自己的 JSON 與 PNG 放在同一個 lesson-02 資料夾
4. 再用 Open 載入這份 JSON，確認正向文字、seed 20261006、512×512 和檔名前綴仍在

這個資料夾最後應該有：一份自己的 JSON、一張 PNG、一份已填的實作檢查單。模型權重留在 checkpoints，不必再複製進交作業資料夾。

本機預設 PNG 可以包含提示詞與工作流中繼資料；經過聊天軟體、修圖或重新壓縮後可能被移除，所以另外保存 JSON 比只留圖片可靠。分享 PNG 前，也要想到它可能帶有提示詞或路徑資訊。官方工作流保存與載入說明

卡住時 按你看到的錯誤處理

安裝一直下載 或顯示失敗

先看是否仍有下載量或步驟變化。如果已顯示失敗，記下失敗項目，檢查網路與安裝磁碟空間，再看官方 Desktop FAQ；不要同時安裝另一套 Portable、另一個 Python，讓問題混在一起。

需要讀 Desktop 本身的啟動紀錄時，到 ☰ → Desktop Settings → Logs → Diagnostics → Open logs folder 找 app.log。安裝器或管理程式的問題，與已啟動 ComfyUI 後的模型錯誤要分開記。官方 Desktop 紀錄說明

ckpt_name 是 null 或找不到模型

按這個順序核對：

1. 檔案真的在 Primary 模型根目錄下的 checkpoints，不是 Downloads、models 根目錄或 models/vae
2. Greenbean-Learn 有啟用 Include Shared Directories／Use Shared Models
3. 副檔名沒有變成 .html、.txt、.crdownload 或 .part
4. 點畫布空白處按 R，重開模型下拉清單再選一次
5. 還是沒有，先匯出工作流，停止並重新開啟同一份環境

辨認成功點： 下拉清單能選到完整檔名。模型大小相近並不表示選到同一個檔案。官方模型載入排錯

顯示 Missing Nodes 或節點變紅

本課只使用內建節點。先確認載入的是本課 JSON，並讀錯誤中的節點名稱；如果意外載入了別人的大型工作流，重新開啟課程檔即可。不要看到紅色就急著安裝一整串 custom nodes。

缺模型要處理檔案與路徑；缺節點要處理工作流與節點支援，兩者不能用同一種下載解決。官方節點狀態說明

顯示 CUDA out of memory 或 out of memory

1. 先停下重複送出的工作，確認只剩本課這一份在執行
2. 關閉暫時不用、會占顯示記憶體的遊戲、影片或其他 AI 程式
3. 確認 width、height 都是 512，batch_size 是 1
4. 保存 JSON，重新啟動同一環境後再試一次
5. 若仍失敗，記下 GPU、VRAM、錯誤節點和完整訊息；不要以為把 steps 從 20 改成 5 就一定解決記憶體不足

降低尺寸、批次與其他程式占用，是官方建議的基本排查方向。本課先不添加低記憶體啟動參數，避免在第一張圖之前再引入一組新設定。官方效能與記憶體排錯

NVIDIA 電腦卻顯示 CPU 或 CUDA 不可用

回到 Manage → About，核對 Hardware 與 PyTorch，再確認 Windows 工作管理員是否看得到 NVIDIA。記下類似 Torch not compiled with CUDA enabled 或不支援裝置的完整錯誤。

如果需要更新驅動，使用NVIDIA 官方驅動頁，選自己正確的顯示卡與作業系統；筆電也應留意製造商提供的相容性建議。先按官方 Desktop 的硬體選項與支援文件排查，不直接在不確定的終端機貼 pip 安裝指令。官方 GPU 未偵測排錯

模型下載完 但載入時說檔案損毀

先確認它不是尚未完成的下載，核對檔名、大小與來源公布的 SHA256。若不相符，將有問題的檔案移出 checkpoints 留作辨認，再從原始官方連結重新下載。不要為了讓它通過而把其他格式直接改名成 .safetensors。官方模型問題排錯

有預覽圖 卻找不到剛生成的 PNG

先看 Save Image 的 filename_prefix，再核對 Shared Output 與這一份安裝自己的 Output Directory。按檔案總管「修改日期」排序，找剛完成的檔案；不要只在 Desktop 安裝程式所在的 Program Files 下面找。

想保留錯誤給下一次排查

在 Greenbean-Learn → Manage → Terminal 查看該環境的輸出；較早的官方圖把分頁叫 Console。先複製完整錯誤文字，不必在這個分頁輸入指令。

檢查單留下：卡在哪一步、錯誤全文、ComfyUI 版本、GPU/VRAM、模型檔名、模型所在資料夾。要公開貼到討論區前，先移除使用者名稱、私有路徑、帳號、金鑰與其他不必要的個人資料。官方環境終端分頁

小練習 不用猜 直接核對

先自己回答，再看答案。

1. 已經下載 JSON，但按 Run 說缺模型。應該再下載 JSON，還是檢查什麼？
2. v1-5-pruned-emaonly-fp16.safetensors 應放 checkpoints、vae，還是 text_encoders？本課要放幾份？
3. 安裝資料夾在 D 槽，就能斷定模型與生成圖片也都在 D 槽嗎？
4. 同一張 NVIDIA 顯示卡顯示 6 GB「專用」和另一筆「共用」記憶體，能直接把兩者相加當成模型可用 VRAM 嗎？
5. 生成成功，但黃色背包沒出現，這代表模型一定沒裝好嗎？
6. 準備把圖片給朋友時，為什麼還要留一份 JSON？

參考答案

1. 檢查模型是否完整下載、放在目前環境會掃描的 checkpoints，以及 ckpt_name 是否選對；JSON 本身不包含權重
2. 放進 checkpoints，一份即可。本課 checkpoint 供應 MODEL、CLIP 和 VAE，不用複製成三份
3. 不能。Desktop 可能使用共用模型與共用輸出，要在 Storage 查看實際位置
4. 不能。先以專用 VRAM 判斷；系統共用記憶體不能當作同等效能、同等可用性的顯示記憶體
5. 不一定。完整 PNG 證明這一輪完成了流程；角色細節仍受模型能力和提示詞等因素影響，要另外改善
6. JSON 保留可編輯的節點與設定；圖片的工作流中繼資料可能在傳送或編輯時遺失

動手驗收

1. 不看本課圖片，從自己的檢查單找到模型與輸出資料夾
2. 重新開啟自己匯出的 greenbean-lesson-02.json
3. 指出使用哪個 checkpoint、positive 寫什麼、尺寸在哪裡、檔名前綴在哪裡
4. 核對自己的 PNG 是 512×512，記下角色三項特徵實際出現了幾項
5. 如果流程還沒跑成功，把完成狀態寫成「待排錯」，附上實際錯誤；不要勾選成已完成

本課完成檢查

• 我知道自己使用的 Windows、GPU、RAM 與專用 VRAM
• 我能從 Desktop 開啟自己的 Greenbean-Learn 本機環境
• 我能在 ckpt_name 選到本課指定的 SD1.5 fp16 模型
• 我知道這次的 checkpoint 已提供 MODEL、CLIP 與 VAE
• 我成功完成一次 Run，找到自己的 512×512 PNG
• 我另存並重新開啟自己的 JSON，確認設定仍在
• 我把圖片、JSON 與檢查單留在 Greenbean-Learning/lesson-02

下一課 固定種子做一組對照

第三課：固定 seed 做對照接著用這個已能運作的環境，練習固定 seed，一次只改一個條件：先保留綠色小豆機器人、黃色背包與黑色圓眼，再比較提示詞或參數改動造成什麼差異。開始前，先保留這一課的基準圖與 JSON。

等你熟悉讀圖、模型路徑和可重開的實驗紀錄，再進入 Qwen 圖像與 MiniMax 影片。每換一種模型，都要重新核對官方工作流、檔案分類、硬體負擔、授權與可能的費用，不把 SD1.5 的設定直接套過去。

版本 圖片與下載來源

查核日期：2026 年 10 月 6 日。本課主線對應官方目前的多安裝環境版 Comfy Desktop，使用本機 Standalone 與 Stable 頻道。文字與截圖可能因後續更新改名；圖中 New Install／New Instance、Console／Terminal、Use Shared Models／Include Shared Directories 的差異已在操作處說明。

本課使用 17 張官方圖片，均保留原檔與既有標示，取自 Comfy-Org/docs 固定版本 46ac812。部分管理畫面來自 macOS、部分節點來自不同前端版本；它們用來辨認欄位，沒有宣稱構成一套完整的 Windows 實測截圖。圖中的帳戶示例、磁碟路徑、版本、下載大小與生成秒數，不是本課讀者的設定值。

每張圖下方附原文件來源與放大連結；大型圖片使用同尺寸 WebP 顯示副本以減少載入量，點圖仍可開啟未修改的官方原檔。圖片來源庫的 GPL-3.0 授權原文及圖片來源與 SHA256 清單隨課程保留。第二課 JSON 修改自第一課採用的官方固定版工作流，更動項目已於第 7 步列明，並保留工作流來源與修改說明。

模型權重沒有隨教材重新散布，請從文中的 Comfy-Org 來源自行取得。已核對項目是官方文件、圖片、下載來源、模型檔名，以及教材 JSON 的七節點、九條連線與設定一致性；尚未驗證項目是獨立 Windows 安裝、驅動組合、實際模型載入與 GPU 生成結果。