企业官网建设流程全解析

Krita AI绘画插件配置全攻略：模型下载、路径映射与报错排查一问一答

【免费下载链接】krita-ai-diffusionStreamlined interface for generating images with AI in Krita. Inpaint and outpaint with optional text prompt, no tweaking required.项目地址: https://gitcode.com/gh_mirrors/kr/krita-ai-diffusion

把 krita-ai-diffusion 装进 Krita 之后，不少人卡在同一个地方：面板出来了，提示词也敲了，一点"生成"却弹出各种看不懂的报错。缺模型、找不到后端、路径不对——说来说去就是那几类毛病。这篇文不打算堆参数，而是把新手问得最多的七个问题挑出来，一个一个拆开讲，目标是让你照着做，就能把 Krita AI绘画环境稳稳搭起来。

一、装完插件就能画了吗？插件和 ComfyUI 是什么关系

先别急着下载任何东西。这个插件本身不"会画画"，它更像遥控器，真正干活的引擎是后端的 ComfyUI 服务。你在 Krita 里点生成，插件就把参数打包发给 ComfyUI，等它算完再把结果传回画布。所以配置的核心就一句话：让插件接上一个状态良好的 ComfyUI。

连接方式有三条路可走：

• 自动本地托管：插件自己下载并拉起一个内置服务，零手工操作，新手首选；
• 手动对接已有 ComfyUI：你本来就有自建环境，填个地址就连上了，远程机器也行；
• 云端生成：完全不用本地硬件，登录第三方服务直接用。

上面就是插件里的服务器选项面板，三条路都在这选。第一次折腾，让插件自己装本地服务是最省心的，出问题概率最低。

二、动手前要备齐哪些东西

别急着跑命令，先对着清单自查一遍：

1. Krita 5.2 及以上：版本太老，插件根本装不进去；
2. 一张给力的显卡：NVIDIA 走 CUDA，AMD 走 ROCm，Intel 走 XPU，Apple 芯片走 MPS；显存 6GB 起步，想跑 Flux 这类新模型建议 8GB 往上；
3. 足够的磁盘空间：单个模型常见 2~7GB，全套下来预留 30GB 不算多；
4. 稳定的网络：模型默认从海外源拉取，卡住时可以考虑换镜像源，后面会讲。

上图就是本地安装的配置界面。装完回到 Krita 刷新，服务器就绪后连接状态会变成绿色，那一刻离出图就不远了。

三、模型到底该放哪个文件夹

ComfyUI 的 models 目录不是一个大杂烩，而是按用途分好类的：

models/ ├── checkpoints/ # 主模型，决定画风基底 ├── vae/ # 解码器 ├── clip_vision/ # 图像理解，配合 IP-Adapter 使用 ├── controlnet/ # 控制网络 ├── ipadapter/ # 参考图、风格迁移 ├── upscale_models/ # 放大模型 ├── loras/ # 轻量风格包 └── embeddings/ # 提示词向量

插件是按"文件名 + 所在子目录"去匹配模型的，放错位置就等于没放。所以下载之前先想清楚：这个文件属于哪一类？再对号入座，比事后满世界找文件强得多。

四、有没有一条命令把模型全搞定

有，项目里自带一个下载脚本。拿到项目代码后，进目录执行就行：

git clone https://gitcode.com/gh_mirrors/kr/krita-ai-diffusion python scripts/download_models.py /你的ComfyUI根目录 --recommended

把最后的路径换成你的 ComfyUI 目录即可，脚本会自动建子目录、把模型放进正确的位置。几个常用开关，用大白话解释一遍：

• --minimal：只装能跑通的最小组合；
• --recommended：推荐的通用组合，画质和体积比较均衡；
• --all：全量下载，适合磁盘管够的同学；
• --controlnet：按需补控制网络；
• -l：先列清单不下载，看看脚本到底要拉什么；
• -c：下载后校验文件完整性，防止文件损坏；
• --backend cuda/mps/...：按你的硬件过滤模型，拿不准就用auto。

万一海外源太慢，设置环境变量AI_DIFFUSION_DOWNLOAD_URL指向镜像，下载请求会自动改道，这个救急技巧亲测有效。

模型齐了之后，Canny 边缘、线稿、深度图这些控制层就能正常出效果，上图是 Canny 控制层的生成结果，参考线一勾，构图立刻有了边界。

五、模型不想塞进 ComfyUI，放别的盘行吗

完全可以。ComfyUI 支持通过配置文件把外部目录"映射"进来。在 ComfyUI 根目录放一个extra_model_paths.yaml，把模型库指到任意路径：

my_models: base_path: /data/ai_models checkpoints: checkpoints clip_vision: clip_vision controlnet: controlnet ipadapter: ipadapter

这段配置的意思是：去/data/ai_models下按对应子目录找模型。团队共用一个 NAS 目录、或者 C 盘满了想挪 D 盘，都用这个办法，ComfyUI 本身的结构完全不用动。

六、报错了，从哪里查起

报错五花八门，但九成能归成三类，逐个排查即可：

• 提示缺模型：下载脚本没覆盖到，或者文件被挪了位置。用download_models.py补对应类型的模型，记得放进正确的子目录；
• 提示缺节点：ComfyUI 缺第三方扩展。插件依赖 ControlNet Preprocessors、IP-Adapter、Inpaint Nodes 等几组扩展节点，确认它们都装上了、版本也没问题；
• 一直连不上服务器：八成是后端没起来，或者端口被占用，这类问题看日志最快。

插件设置里藏着三个排障入口：Collect Diagnostics一键打包系统信息，View log files直接打开日志目录，Restore Defaults把配置打回原形。先看日志再动手改，比自己瞎猜靠谱得多。

七、没有好显卡，还能用吗

能，但要分清"能用"和"好用"。纯 CPU 也能跑，只是出图会慢得让人怀疑人生，集成显卡同理。折中方案有两个：一是把分辨率调低、选轻量模型，降低显存压力；二是干脆用云端生成，本地只负责画布和操作，算力交给远程，这也是门槛最低的入门方式。

附：配置避雷清单

把下面这几条背下来，能少走一大半弯路：

1. 模型按类别放进对应子目录，别全堆在 checkpoints 里；
2. 别手动改模型文件名，脚本靠名字匹配，改了等于白下；
3. 中途断网直接重跑脚本，已下载的文件会自动跳过；
4. 换机器或换显卡后，先用-c校验一遍旧模型；
5. 自建 ComfyUI 时，确认插件要求的扩展节点齐全；
6. 连不上服务器先看日志，再考虑重启后端；
7. 磁盘紧张时先装--minimal，跑通了再增量补充；
8. 团队共用模型，优先用extra_model_paths.yaml做共享映射。

写在最后

把上面七问过一遍，你的 Krita AI绘画环境基本就稳了。动手时记住三件事：模型对号入座、命令一条条来、报错先看日志。剩下的时间，就交给画布本身吧。

【免费下载链接】krita-ai-diffusionStreamlined interface for generating images with AI in Krita. Inpaint and outpaint with optional text prompt, no tweaking required.项目地址: https://gitcode.com/gh_mirrors/kr/krita-ai-diffusion