ComfyUI 遠端 Mac 驗收清單（2026）

具體檢查點： PyTorch 官方文件指出，MPS 是否可用取決於 PyTorch 是否以 MPS 建置，以及 macOS 版本與裝置是否符合條件；文件目前列出的檢查訊息包含 macOS 14.0 或以上。因此，ComfyUI 遠端 Mac 不能只看介面是否出現，最快解法是依序驗收「基礎環境 → PyTorch 後端 → ComfyUI 啟動 → 模型目錄 → 自訂節點 → 固定工作流 → 重啟與遠端安全」。(docs.pytorch.org)

這篇適合三類讀者：準備租用遠端 Mac、希望在交付時立即抓出環境問題的人；需要維護共享工作流與固定節點版本的團隊管理員；以及經常搬遷 ComfyUI 環境、需要可重複驗收流程的創作者。

交付前資料

在第一次連線前，先要求交付方提供一份「環境與責任邊界」資料，而不是只給你一個瀏覽器網址。ComfyUI 官方的 macOS Desktop 文件目前明確寫明，該版本只支援 Apple Silicon；但這不代表任何 Apple Silicon 配置都能直接通過你的工作流，仍要實際確認作業系統、Python、PyTorch 與節點依賴。(docs.comfy.org)

你至少要拿到以下資料：

  • macOS 版本與晶片架構，使用系統指令或「關於這部 Mac」畫面核對，不要只接受「M 系列」這種模糊描述。
  • 可用硬碟空間，以及模型、輸入、輸出和自訂節點各自放在哪個目錄。
  • 登入帳號權限：是否能使用終端機、Git、Python 虛擬環境，以及是否能安裝節點依賴。
  • 遠端連線方式、存取網址、連線頻寬限制，以及服務是否只允許內部通道。
  • 交付邊界：哪些模型由你提供、哪些節點由對方安裝、重啟後是否由對方負責恢復服務。

這一步的隱性成本通常不在 ComfyUI 本身，而在權限與責任不清。你可能能開啟前端，卻沒有權限寫入模型目錄；也可能能安裝第一個節點，但不能更新虛擬環境。若團隊共用同一個目錄，還要先確認不同使用者是否會互相覆寫工作流、輸出檔案或節點設定。

首次登入與基礎依賴

登入後不要先匯入大型工作流。先在終端機保存基礎版本輸出，讓日後的節點排障有可比對的證據。

uname -m
sw_vers
python3 --version
git --version

接著確認 ComfyUI 使用的是獨立環境，而不是系統層級 Python。官方文件提醒，自訂節點的依賴必須安裝到 ComfyUI 實際使用的 Python 環境；如果直接在系統終端機執行 pip install，套件可能被裝到另一個環境，導致 ComfyUI 仍然顯示依賴缺失。(docs.comfy.org)

PyTorch 後端要單獨驗證：

python -c "import torch; print(torch.__version__); print(torch.backends.mps.is_built()); print(torch.backends.mps.is_available())"

通過標準不是「指令沒有報錯」，而是：

  • torch 能成功匯入；
  • torch.backends.mps.is_built() 顯示目前套件具備 MPS 建置；
  • torch.backends.mps.is_available() 顯示目前機器與作業系統可使用 MPS；
  • ComfyUI 啟動日誌沒有回退到 CPU、找不到動態庫或載入模型失敗的訊息。

注意： Apple Silicon 只代表硬體架構符合方向，不等於每個 PyTorch 算子、資料型別或第三方節點都能在 MPS 上工作。你應把「MPS 可用」與「指定工作流可跑」視為兩個獨立驗收項目。

ComfyUI 預設連接埠是 8188，可在官方程式參數中確認；若遠端服務改用其他連接埠，必須把實際啟動命令與反向代理設定一併保存。(github.com)

模型目錄與權限

模型路徑是遠端環境最容易「第一次正常、重啟後失效」的部分。你要逐一測試 checkpoints、VAE、LoRA、ControlNet 或工作流實際使用的其他模型目錄，而不是只看檔案是否存在。

ComfyUI 官方提供 extra_model_paths.yaml 範例，用來指定外部模型目錄；其中可設定 checkpoints、vae、loras、upscale_models 等路徑，也能把共用模型集中在另一個基礎目錄。(github.com)

驗收項目 通過證據 不通過時的處理
Checkpoints 與 VAE 前端模型選單能讀到指定檔案，固定工作流可成功載入 核對檔案名稱、權限與實際設定檔位置
LoRA 或其他附加模型 工作流選單可選取，執行日誌沒有找不到檔案 檢查分類目錄是否放錯，避免只改檔名
外部模型目錄 extra_model_paths.yaml 內容已保存，重啟後仍能讀取 用官方範例重新整理路徑，確認相對路徑基準
輸入與輸出目錄 可上傳輸入、可寫入輸出，重新連線後檔案仍存在 檢查使用者權限、共用目錄權限與磁碟剩餘空間
路徑持久性 完整重啟後再次執行同一工作流成功 不要只依賴暫存目錄，將設定檔納入交付資料

若你複用其他 ComfyUI 或繪圖工具的模型目錄，先確認對方以官方支援方式設定，而不是直接搬移一堆符號連結。路徑能被前端列出，不代表目前登入帳號有穩定讀取權限；最好用一次「重新啟動服務後讀取模型」測試把問題提前暴露。

ComfyUI Nodes 分批安裝

自訂節點不要一次全部匯入。正確做法是先建立節點清單，再依照固定工作流的依賴分批安裝，每一批都留下版本與測試結果。

ComfyUI 官方目前推薦使用 Manager 管理自訂節點，但也提醒不同節點可能帶有額外依賴、嚴格的套件版本要求，甚至包含前端擴充功能；前端更新與節點未同步時，可能出現空白介面、節點連線異常、工作流無法執行或預覽失效。(docs.comfy.org)

建議採用以下流程：

  1. 從工作流 JSON 或缺少節點提示中列出實際依賴，不先追逐未經驗證的「必裝節點排行榜」。
  2. 先安裝一批核心節點，記錄 Git 提交版本、安裝日期與 requirements.txt 是否存在。
  3. 使用獨立 Python 環境安裝依賴，並保存安裝輸出與錯誤日誌。
  4. 重啟 ComfyUI，確認前端能載入，且日誌沒有 import failed、版本衝突或載入失敗。
  5. 執行只包含該批節點的最小工作流，再加入下一批。
  6. 一旦出錯，先停在目前批次，不要繼續安裝其他節點。

自訂節點安裝後應檢查三個層面：節點是否出現在前端、Python 後端是否成功載入、節點實際執行時是否能取得模型與輸出檔案。只檢查第一項，最容易把問題拖到最後才發現。

如果匯入工作流後出現缺少節點，先記錄節點的實際類型、顯示名稱與來源，再使用 Manager 或節點專案的安裝說明補齊。若安裝後仍然缺少，先重啟並查看啟動日誌；若問題只在啟用自訂節點後出現，可暫時以 --disable-all-custom-nodes 啟動，再用二分法逐批恢復。官方排障文件也建議用這種方式縮小衝突範圍。(docs.comfy.org)

ComfyUI 工作流固定測試

驗收用的固定工作流應包含三個不可省略的節點階段：

  • 載入模型：確認 checkpoint、VAE 或工作流指定的模型路徑穩定。
  • 採樣與執行：確認 PyTorch 後端、節點依賴與前端提交流程正常。
  • 保存輸出：確認輸出目錄可寫，並能找到實際產物與執行日誌。

不要以「畫面看起來正常」作為完成條件。你應保存以下證據：

  • 工作流 JSON，包含節點與參數；
  • ComfyUI、前端、Python、PyTorch 與自訂節點版本；
  • 啟動日誌與執行錯誤報告；
  • 一份成功輸出與檔案路徑；
  • 一份重啟後再次執行的結果。

場景案例很常見：團隊在交付當天成功產生一張圖片，隔天重啟遠端 Mac 後，模型下拉選單變空、某個節點顯示 Unknown，或輸出檔案寫入了暫存目錄。這類問題通常不是單一模型損壞，而是額外模型路徑沒有持久化、節點依賴裝進錯誤的 Python 環境，或前端版本與自訂節點不相容。

重啟與遠端安全

最後一次驗收要模擬真正交付後的使用方式：停止服務、重新登入或重新啟動環境，再從遠端瀏覽器連線，執行同一份固定工作流。

遠端連線至少要確認：

  • 服務是否只暴露在必要的網路介面，不要為了方便直接把管理介面公開到所有來源；
  • 登入憑據、API 金鑰或存取權限是否已交付，且沒有把敏感資料放進工作流或截圖；
  • 共享輸出目錄是否限制寫入範圍；
  • 連接埠、反向代理與 TLS 設定是否有明確紀錄；
  • 重啟後服務是否自動啟動，若不會，誰負責重新啟動。

官方排障文件指出，非 localhost 存取可能需要額外的登入或 API 金鑰流程；因此你不能假設「在本機能開啟」就代表團隊成員能安全連線。(docs.comfy.org)

經驗： 若交付方只提供一個裸露的 IP 與連接埠，卻沒有說明登入、TLS、存取範圍與重啟責任，這不是完整交付。先補齊安全資料，再讓團隊把模型與工作流放入環境。

可勾選驗收清單

  • [ ] 已保存 macOS 版本、晶片架構、Python 與 Git 版本輸出。
  • [ ] 已確認 PyTorch 可匯入，並記錄 MPS 建置與可用狀態。
  • [ ] ComfyUI 能啟動，啟動日誌沒有明顯依賴或前端錯誤。
  • [ ] 已確認 checkpoint、VAE、LoRA 等模型目錄可讀取。
  • [ ] 已確認輸入與輸出目錄可寫入，且不是短期暫存路徑。
  • [ ] 若使用外部模型目錄，已保存 extra_model_paths.yaml 或等效設定。
  • [ ] 自訂節點已依工作流依賴分批安裝，而非一次全部匯入。
  • [ ] 每批節點都有來源、提交版本、依賴安裝記錄與最小測試。
  • [ ] 固定工作流已完成載入模型、採樣、保存輸出的完整流程。
  • [ ] 已保存成功輸出、工作流 JSON、啟動日誌與錯誤報告。
  • [ ] 重啟遠端環境後，模型路徑、節點與工作流仍可復現。
  • [ ] 已確認遠端連線方式、憑據、TLS、連接埠與共享目錄權限。

如果你需要更完整的交付資料範本，可先參考 Macstripe 幫助中心，再把模型目錄、節點清單與租用週期整理成一頁。若你正在比較可用環境，也可以從 Macstripe 配置訂單頁帶著這份清單逐項核對，而不是只詢問晶片名稱。

租用方案的適用邊界

如果你目前使用的是團隊成員的個人 Mac、臨時雲端主機或未固定依賴版本的共享伺服器，常見缺點是模型路徑不一致、節點安裝權限不足、重啟後環境消失，以及遠端安全責任沒有人明確承擔。對需要短期部署、測試 ComfyUI Nodes 或讓多人復現同一份 ComfyUI 工作流的人而言，這些問題往往比單次啟動失敗更浪費時間。

因此，若你的需求是臨時算力、版本驗證、工作流交付或團隊測試，租用 Macstripe 的遠端 Mac，並在交付時要求按本文清單驗收，通常比臨時拼裝現有環境更容易控制風險。不過，若你要長期承受固定且高強度的負載、需要實體 USB 裝置，或必須完全掌握硬體與儲存配置，自購 Mac 仍可能更合適。重點不是先選租用或自購，而是先確認你的 ComfyUI 環境能否在重啟後，按照同一份工作流穩定復現。

Last updated：2026 年 8 月 10 日。 本文的 Apple Silicon、MPS、模型路徑、自訂節點、前端版本與遠端存取說明，已依 ComfyUI 官方文件、官方程式碼與 PyTorch MPS 文件核實；ComfyUI、Python、PyTorch 或前端版本變動時，應重新跑一次完整驗收。

延伸閱讀