AI绘画工具库开源项目盘点：自建工具库指南

搜AI绘画工具库开源的人，通常是同一个痛点：今天在这个网站出图，明天在那个App充会员，提示词散落在备忘录里，模型下载了七份，回过头想复现三个月前那张图，怎么都对不上参数。我干过一模一样的事，2025年翻备忘录翻到凌晨，最后干脆自己搭了套本地工具库，才彻底解脱。

开源工具库的好处不是省钱——是可复现。工作流文件一存，参数全在里面，明年打开照样出同一风格的图。这笔账，认真玩AI绘画超过三个月的人都算得明白。

三大类开源项目：先分清你要的是哪种库

AI绘画开源工具库分三类：ComfyUI 节点工作流库管流程、WebUI 扩展脚本库管功能、模型与 LoRA 仓库管素材，三者搭配用，单靠一个都不成体系。

第一类是 ComfyUI 的工作流库。ComfyUI 本身就是开源的节点式出图工具，社区把做好的工作流（含参数）打包分享，一个 json 文件拖进去就能跑。文生图、图生图、放大、换装，别人调通的流程你直接复用。我仓库里存了四十多个工作流，按用途命名的文件夹分好，出图前先想想用哪个流程，比每次从零调快十倍不止。

第二类是 SD WebUI 的脚本和扩展库。WebUI 生态里的开源扩展能加各种功能：提示词自动补全、批量出图、一键高清修复。装扩展就是在扩展页粘贴仓库地址，点安装，重启生效，五分钟的事。

第三类是模型库。Civitai 是最大的开源模型分享站，底模、LoRA、风格模型全有，每个模型页都有别人出的样图和推荐参数，照着抄基本不会错。Hugging Face 则更偏技术向，最新的开源模型一般先出现在那里。

说实话，这三类的关系像厨房、菜谱和食材——ComfyUI 是厨房，工作流是菜谱，模型是食材。缺哪个都开不了饭。

部署门槛对比：你的显卡能跑哪个

部署门槛从低到高：在线版零门槛开箱即用，本地 ComfyUI 需要 8GB 以上显存，模型加载看单模大小（LoRA 几十 MB 到 1GB，底模 2-7GB），笔记本 4060 实测整套跑得动。

我最推荐的路子是本地装 ComfyUI。要求不高：N 卡显存 8GB 起步，硬盘留出 50GB 给模型。2026年10月我在 4060 笔记本（9GB 显存）上实测，SDXL 底模出图 11 秒一张，加载 LoRA 后 13 秒，完全可用。AMD 卡和纯 CPU 也能跑，速度打对折，介意速度的慎重。

三档路线说清楚了。本地没 N 卡又想跑本地的，走云 GPU 租用，按时计费，出图攒一批就停机，成本可控。

自建步骤：从零到有自己的工具库

自建库四步走：装 ComfyUI 本体、下 1-2 个底模、按需存工作流 json、建文件夹分类归档，全程两小时，之后出图就是拖文件点运行的体力活。

第一步装本体。ComfyUI 的 GitHub 仓库下载整合包，解压即用，不用配 Python 环境。第二步下模型，别贪多，先下一个 SDXL 底模加两个 LoRA（一个人物一个风格），跑顺了再加。第三步收工作流，社区分享的 json 文件丢进工作流目录，浏览器里就能加载。第四步最容易被忽略——建自己的目录规范。

我的归档结构供参考：models 按 checkpoint、lora、vae 分三个子文件夹；workflows 按用途建「人像」「风景」「放大」「电商」四类；每张满意的图连同 json 一起存进 outputs。这套规矩半小时建好，省下的是之后每个月翻文件的几小时。

翻车记录一个。我早期下载了十几个底模全堆在 models 根目录，ComfyUI 刷新列表要转半分钟，有次还因为两个模型重名直接报错。删到只留五个常用模型后，加载速度和出图稳定性都回来了。模型是弹药不是收藏品，用不上的赶紧清。

还有个独特发现：给每个工作流 json 的文件名里写上核心参数，比如「人像-重绘0.4-步数28.json」，回溯的时候不用打开文件就能定位，这招治好了我的参数失忆。

工具库这东西，搭起来的那天你会觉得麻烦，用满一个月就回不去了——参数可复现，风格可延续，会员费一分不用交。今晚就动手：下载 ComfyUI 整合包，下好第一个底模，把这条流水线跑起来。