Workflow：本地搭建 Dify 与 ComfyUI

本地搭建篇：Dify 和 ComfyUI

workflow 这部分，把 Dify 和 ComfyUI 在本地跑起来，并对比两者各自适合的场景。

• Dify：搭工作流、对外提供服务的平台，带账号、权限、日志、API；
• ComfyUI：本地跑生成模型的节点引擎，用来做出图、出视频的流水线。

Dify 本地搭建

源码用 submodule 拉到 workflow/dify/dify，固定在 1.17.1。部署用仓库自带的 docker/docker-compose.yaml。

run.sh：

1. 用 colima 起一个叫 dify 的 profile（4 核、8G 内存、60G 磁盘）；
2. docker/.env 不存在时，从 .env.example 复制一份；
3. docker compose up -d；
4. 轮询 http://localhost/console/api/setup，返回正常即启动完成。

stop.sh：先 docker compose stop，再 colima stop dify。

默认配置（weaviate、postgresql、开启协同）下一共 16 个服务，用到 12 个镜像：

Dify 适合什么：内部工作流

Dify 适合搭内部工作流：把固定的 SOP 在画布上编排好，发布成 API 给其他业务系统调用；源码里有 api/controllers/mcp/，也可以发布成 MCP 服务给 agent 当工具。也就是把公司的公共能力抽象出来。

difyctl

Dify 有两个 CLI：dify 用于开发插件，difyctl 用于管理和运行应用。

difyctl 走 OpenAPI，需要在 docker/.env 里加两项并重启：

OPENAPI_ENABLED=true
ENABLE_OAUTH_BEARER=true

登录用 OAuth 设备码：difyctl auth login 给出链接和验证码，在浏览器里确认。

查看、运行应用：

$ difyctl get app
NAME  ID                                    MODE      UPDATED
测试  aa59b5c7-1154-45a5-8bb0-86c7e837e796  workflow  2026-10-19T02:10:22.462973

$ difyctl run app aa59b5c7-1154-45a5-8bb0-86c7e837e796 --inputs '{"ce_shi":"111"}' -o json
{
  "mode": "workflow",
  "event": "workflow_finished",
  "workflow_run_id": "189dda6e-0109-47b3-8854-647fd821c9a4",
  "data": {
    "status": "succeeded",
    "outputs": {
      "ce_shi": "111"
    },
    "error": null,
    "elapsed_time": 0.117799,
    "total_steps": 2,
    ...
  }
}

常用调用方式（difyctl run app --help）：

# 先查 id、mode 和输入变量
difyctl get app -o json
difyctl get app -A -o json            # 所有工作空间
difyctl describe app <id> -o json     # 输入变量定义

# workflow：输入变量放 --inputs
difyctl run app <id> --inputs '{"key":"value"}' -o json
difyctl run app <id> --inputs-file inputs.json

# chat / agent-chat / advanced-chat / completion：直接传消息
difyctl run app <id> "hello"
difyctl run app <id> "继续" --conversation <conversation_id>   # 接着已有会话

# 文件输入：本地文件或 URL，可重复
difyctl run app <id> --file doc=@./report.pdf
difyctl run app <id> --file img=https://cdn.example.com/logo.png

# 其他
difyctl run app <id> --stream                  # 流式输出
difyctl run app <id> --think                   # 打印模型思考过程（输出到 stderr）
difyctl run app <id> --workflow-id <version>   # 指定已发布的工作流版本
difyctl run app <id> --retry-on-limit          # 遇到 429 等待重试

# 工作流停在人工输入节点时，返回 status "paused" 和 form_token，用 resume 继续
difyctl resume app <id> <form_token> --workflow-run-id <run_id> --inputs '{"name":"Alice"}'

画布的运行历史里只有在画布上点"运行"的调试记录，CLI 的执行记录在应用左侧的日志页：

能力范围（1.17.1 的 difyctl --help）：

• 登录与账号：auth login、auth whoami、auth devices（管理、吊销登录设备）；use host / use account / use workspace 切换实例、账号、工作空间；
• 应用：get app、describe app、run app（-o json|yaml），resume app 恢复停在人工输入节点的工作流；
• 导入导出：export studio-app / import studio-app，应用与 DSL（YAML）互转；
• 成员与工作空间：get workspace，get member / create member / set member / delete member；
• Agent：skills install 把 difyctl 的 SKILL.md 装进本机 coding agent，difyctl help agent 输出给 agent 的命令约定；
• 其他：config、env list、version。

命令里没有编辑节点和连线、知识库、插件、模型供应商相关的操作，这些在网页上做，或改 DSL 后导入。

Dify 的 B 端能力

• 成员和角色：api/models/account.py 的 TenantAccountRole 定义了 owner、admin、editor、normal、dataset_operator；
• API Key：按应用发放；
• 日志：每次运行的输入输出都有记录；
• 私有化部署。

社区版默认不允许新建工作空间（ALLOW_CREATE_WORKSPACE=false）。协议是修改过的 Apache 2.0：用源码运营多租户服务（一个工作空间算一个租户）需要商业授权；使用其前端时不能去掉或修改控制台的 LOGO 和版权信息。

接飞书做权限：

• 身份：飞书 OAuth 登录，通讯录 API 同步组织架构，订阅变更事件处理离职、调岗；
• 功能权限：RBAC（用户、角色、权限码）；
• 资源权限：具体工作流、模型用 ACL 单独授权；
• 数据权限：按本人、本部门、全部划分，部门树来自飞书。

Dify 不适合什么：无限画布创作

Dify 的画布基于 React Flow，用于编排，不是创作画布：

• 插件节点只能用 Python 写，前端是按配置自动生成的表单，做不了图片预览、视频时间线这类交互；
• 原生节点要前后端一起改：前端在 web/app/components/workflow/nodes/ 下加组件并注册，后端在 api/ 里加节点逻辑。

生图、生视频节点可以接，但在画布上看图、改图、接着做下一步的创作交互，Dify 不支持。

ComfyUI 本地搭建

源码用 submodule 拉到 workflow/comfyui/ComfyUI，固定在 v0.41.3。

run.sh：

1. 首次运行用 uv 建虚拟环境：uv venv .venv --python 3.13，再 uv pip install -r requirements.txt；
2. 后台启动 main.py --listen 127.0.0.1 --port 8188，pid 写到 pid/，日志写到 log/；
3. 轮询 /system_stats，返回正常即启动完成。

stop.sh：按 pid 文件结束进程。

没用 pip 的原因：pip 的 truststore 会读 platform.mac_ver()，这里返回空字符串，int('') 报错。另外清华源缺一个 workflow templates 的素材包，所以用的是官方 PyPI。

M1 上日志显示 Device: mps，PyTorch 走 MPS 加速。

ComfyUI 适合什么：本地部署、现成节点、节点市场

• 本地部署：模型、素材、输出都在本机；
• 调用现成节点：加载模型、采样、ControlNet、放大等，连起来就是出图、出视频的流水线；内置模板库有现成工作流，打开即可运行；
• 节点市场：第三方节点包在 Comfy Registry 上搜索，或通过 ComfyUI-Manager 安装。

这个版本里 ComfyUI-Manager 是可选组件：先装 manager_requirements.txt 的依赖，再加 --enable-manager 启动。当前 run.sh 没开。

开源版没有 B 端能力：没有账号、角色权限、团队空间、审计；--multi-user 只是按用户分开存储，也没有多人实时协同。

自定义节点包

节点包是 custom_nodes/ 下的一个 Python 包，里面可以有多个节点。

两种写法：

• 老写法：INPUT_TYPES 声明输入，RETURN_TYPES 声明输出，FUNCTION 指定执行方法，在 NODE_CLASS_MAPPINGS 里注册；
• 新写法：继承 io.ComfyNode，define_schema 描述输入输出，execute 执行，comfy_entrypoint 返回扩展（见 custom_nodes/example_node.py.example）。

前端扩展：包里设置 WEB_DIRECTORY，目录下的 JS 会作为前端扩展加载。

ComfyUI 启动时扫描 custom_nodes/，通过 /object_info 把节点定义下发给前端，前端按定义渲染节点，后端加节点不用改前端代码。

常见节点包：

• ComfyUI-KJNodes：图像、遮罩、批处理等杂项工具节点；
• rgthree-comfy：分组、开关、执行进度等易用性增强；
• ComfyUI-Easy-Use：把常用节点组合封装；
• ComfyUI-VideoHelperSuite：视频读取、拆帧、合成；
• ComfyUI-Impact-Pack：检测、分割、局部重绘；
• comfyui_controlnet_aux：ControlNet 预处理器；
• ComfyUI-GGUF：加载 GGUF 量化模型。

安装方式：ComfyUI-Manager、Comfy Registry，或 git clone 到 custom_nodes/ 后装依赖。

需要注意：每个包有自己的 requirements.txt，容易和 torch 等依赖冲突；质量参差不齐；节点包是任意 Python 代码，有安全风险。

对比

仓库地址：https://github.com/qingpingwang/learn

交流群（QQ）：图形/渲染/音视频/AI应用交流群（523219063）