ComfyUI 模型下载与 Docker + Nginx 反向代理完整配置教程

近年来，AI 生成图像和视频的技术发展迅猛，开源生态越来越成熟。ComfyUI 凭借其节点化的工作流设计，成为许多创作者的首选工具。与此同时，Ollama 让本地运行大语言模型变得极其简单，Open WebUI 则提供了友好的聊天界面。

然而，将这些服务整合在一起并安全地暴露到公网，并不是一件容易的事。尤其是当你想在外网访问 ComfyUI 生成视频，又不想让 Open WebUI 这类涉及隐私的服务被随意扫描时，配置反向代理、端口映射和 SSH 隧道就成了必须掌握的技能。

本文基于作者在 Ubuntu 24.04 服务器上的实际操作，完整记录了：

使用 Docker Compose 部署 ComfyUI、Ollama 和 Open WebUI
配置 Nginx 反向代理，实现 /comfyui/、/ollama/ 路径统一访问
Open WebUI 的安全访问方案（本地端口绑定 + SSH 隧道）
从 Hugging Face 下载开源的 Wan2.2 视频生成模型到正确的目录
16GB 显存下运行 5B 模型的优化参数建议

无论你是想把服务器改造成家庭 AI 创作中心，还是想在自己的云主机上搭建一套可远程访问的 AI 工具链，这篇文章都能为你提供一份完整的、可以直接上手的参考。

一、环境说明

本文基于 Ubuntu 24.04 系统，使用 Docker Compose 部署 ComfyUI、Ollama 和 Open WebUI，通过 Nginx 反向代理统一管理访问入口。

服务器配置文件

创建/Comfyui目录，新建 compose.yml 和 nginx.conf两个文件。

administrator@Newt:mkdir comfyui/
administrator@Newt:nano compose.yml  
administrator@Newt:nano nginx.conf

administrator@Newt:~/comfyui$ ls
compose.yml nginx.conf

compose.yml

services:
  nginx:
    image: nginx:latest
    container_name: nginx-proxy
    restart: unless-stopped
    ports:
      - "80:80"
    volumes:
      - ./nginx.conf:/etc/nginx/nginx.conf:ro
    depends_on:
      - ollama
      - open-webui
      - comfyui

  ollama:
    image: ollama/ollama:latest
    container_name: ollama
    restart: unless-stopped
    volumes:
      - ollama_data:/root/.ollama
    environment:
      - OLLAMA_HOST=0.0.0.0
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]

  open-webui:
    image: ghcr.io/open-webui/open-webui:main
    container_name: open-webui
    restart: unless-stopped
    ports:
      - "127.0.0.1:3000:8080"
    volumes:
      - webui_data:/app/backend/data
    environment:
      - OLLAMA_BASE_URL=http://ollama:11434
      - WEBUI_SECRET_KEY=your-super-secret-key-change-this
      - ENABLE_SIGNUP=true
    depends_on:
      - ollama

  comfyui:
    image: yanwk/comfyui-boot:cu128-slim
    container_name: comfyui
    restart: unless-stopped
    ports:
      - "8188:8188"
    volumes:
      - comfyui_storage:/root
      - comfyui_models:/root/ComfyUI/models
      - comfyui_output:/root/ComfyUI/output
      - comfyui_input:/root/ComfyUI/input
    environment:
      - CLI_ARGS=--listen 0.0.0.0 --port 8188
      - NVIDIA_VISIBLE_DEVICES=all
      - CUDA_VISIBLE_DEVICES=0
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]

volumes:
  ollama_data:
    external: true
    name: ollama-data
  webui_data:
    external: true
    name: open-webui-data
  comfyui_storage:
    name: comfyui_storage
  comfyui_models:
    name: comfyui_models
  comfyui_output:
    name: comfyui_output
  comfyui_input:
    name: comfyui_input

nginx.conf

events {
    worker_connections 1024;
}

http {
    client_max_body_size 100M;
    
    access_log /var/log/nginx/access.log;
    error_log /var/log/nginx/error.log warn;
    
    include /etc/nginx/mime.types;
    default_type application/octet-stream;
    
    gzip on;
    gzip_types text/css text/javascript application/javascript application/json;
    
    server {
        listen 80;
        server_name _;
        
        # ComfyUI 配置
        location /comfyui/ {
            proxy_pass http://comfyui:8188/;
            proxy_set_header Host $host;
            proxy_set_header X-Real-IP $remote_addr;
            proxy_http_version 1.1;
            proxy_set_header Upgrade $http_upgrade;
            proxy_set_header Connection "upgrade";
            proxy_buffering off;
        }
        
        # Ollama API 配置
        location /ollama/ {
            proxy_pass http://ollama:11434/;
            proxy_set_header Host $host;
            proxy_buffering off;
        }
        
        # 首页
        location / {
            return 200 '<!DOCTYPE html>
<html>
<head><title>AI Services Gateway</title>
<style>
body { font-family: Arial; background: linear-gradient(135deg, #667eea 0%, #764ba2 100%); }
.container { max-width: 800px; margin: 50px auto; background: white; border-radius: 20px; padding: 40px; }
.service { margin: 20px 0; padding: 20px; background: #f8f9fa; border-radius: 10px; }
.service a { font-size: 20px; color: #667eea; text-decoration: none; }
.status { color: green; }
</style>
</head>
<body>
<div class="container">
<h1>🚀 AI Services Gateway</h1>
<div class="service"><a href="/comfyui/">🎨 ComfyUI</a><div class="status">✅ AI 图像生成</div></div>
<div class="service"><a href="/ollama/">🤖 Ollama API</a><div class="status">✅ 大模型 API</div></div>
</div>
</body>
</html>';
            add_header Content-Type text/html;
        }
    }
}

二、重要配置说明

Open WebUI 端口映射说明

Open WebUI 必须使用 127.0.0.1:3000:8080 而非 3000:8080，原因如下：

127.0.0.1:3000:8080：只绑定到本地回环地址，仅服务器本机和 SSH 隧道可访问
3000:8080：绑定到所有网络接口，公网可直接访问

访问方式：

# SSH 隧道连接（在本地电脑执行）
ssh -L 3000:localhost:3000 administrator@38.xx.xx.xx

# 本地浏览器访问
http://localhost:3000

这样做既保证了 Open WebUI 的可用性，又避免将端口暴露到公网造成安全隐患。

服务访问地址汇总

服务	访问地址	说明
ComfyUI	`http://服务器IP/comfyui/`	通过 Nginx 代理
Ollama API	`http://服务器IP/ollama/`	通过 Nginx 代理
Open WebUI	`http://localhost:3000`	需要 SSH 隧道

三、ComfyUI 模型下载

3.1 查看模型存储位置

ComfyUI 的模型存储在 Docker 卷中：

# 查看卷的实际路径
administrator@Newt:~/comfyui$ docker volume inspect comfyui_models
[
    {
        "CreatedAt": "2026-05-25T05:32:33Z",
        "Driver": "local",
        "Labels": {
            "com.docker.compose.config-hash": "c3de70f920783d374da1310c211df4b73ed5cef1c564c0ab580bfae1d842ed2d",
            "com.docker.compose.project": "comfyui",
            "com.docker.compose.version": "5.1.3",
            "com.docker.compose.volume": "comfyui_models"
        },
        "Mountpoint": "/var/lib/docker/volumes/comfyui_models/_data",
        "Name": "comfyui_models",
        "Options": null,
        "Scope": "local"
    }
]

#进入当前目录
root@Newt:cd /var/lib/docker/volumes/comfyui_models/_data

#查看当前目录
root@Newt:/var/lib/docker/volumes/comfyui_models/_data# ls
audio_encoders      configs           frame_interpolation    model_patches  unet
background_removal  controlnet        gligen                 optical_flow   upscale_models
checkpoints         diffusers         hypernetworks          photomaker     vae
clip                diffusion_models  latent_upscale_models  style_models   vae_approx
clip_vision         embeddings        loras                  text_encoders

3.2 寻找开源模型：以 Wan2.2 为例

Wan2.2 是阿里巴巴开源的视频生成模型，在 Hugging Face 上发布。

访问 Hugging Face 模型页面：

官方仓库：https://huggingface.co/Comfy-Org/Wan_2.2_ComfyUI_Repackaged
国内镜像加速：https://hf-mirror.com/Comfy-Org/Wan_2.2_ComfyUI_Repackaged

Wan2.2 模型版本选择：

版本	显存需求	适用场景
5B FP16	22-24GB	高画质
5B FP8	12-14GB	16GB 显卡推荐
14B 版本	24GB+	专业级

三个必备文件（缺一不可）：

扩散模型（Diffusion Model）- 核心生成模型（约 9-10GB）
文本编码器（Text Encoder）- 理解提示词（约 6GB）
VAE（变分自编码器）- 图像压缩（约 1-2GB）

3.3 下载模型到对应目录

方法一：使用 wget 直接下载（推荐）

cd /var/lib/docker/volumes/comfyui_models/_data

# 使用国内镜像加速
export HF_ENDPOINT=https://hf-mirror.com

# 下载扩散模型（5B FP8 版本，适合 16GB 显存）
wget -O diffusion_models/wan2.2_ti2v_5B_fp8_scaled.safetensors \
  https://hf-mirror.com/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/resolve/main/split_files/diffusion_models/wan2.2_ti2v_5B_fp8_scaled.safetensors

# 下载文本编码器
wget -O text_encoders/umt5_xxl_fp8_e4m3fn_scaled.safetensors \
  https://hf-mirror.com/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/resolve/main/split_files/text_encoders/umt5_xxl_fp8_e4m3fn_scaled.safetensors

# 下载 VAE
wget -O vae/wan2.2_vae.safetensors \
  https://hf-mirror.com/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/resolve/main/split_files/vae/wan2.2_vae.safetensors

# 查看文件大小
ls -lh /var/lib/docker/volumes/comfyui_models/_data/diffusion_models/
ls -lh /var/lib/docker/volumes/comfyui_models/_data/text_encoders/
ls -lh /var/lib/docker/volumes/comfyui_models/_data/vae/

# 重启 ComfyUI 使模型生效
docker restart comfyui

四、模型目录结构说明

下载完成后的完整目录结构：

/var/lib/docker/volumes/comfyui_models/_data/
├── diffusion_models/
│   └── wan2.2_ti2v_5B_fp8_scaled.safetensors  (9.31G)
├── text_encoders/
│   └── umt5_xxl_fp8_e4m3fn_scaled.safetensors (6.27G)
├── vae/
│   └── wan2.2_vae.safetensors                 (1.31G)
├── checkpoints/        # Stable Diffusion 检查点
├── loras/             # LoRA 模型
├── controlnet/        # ControlNet 模型
├── upscale_models/    # 超分辨率模型
└── ...                # 其他模型目录

五、常见问题

Q1：为什么要用 SSH 隧道访问 Open WebUI？

Open WebUI 作为对话界面，包含用户隐私数据。将其绑定到 127.0.0.1:3000 配合 SSH 隧道，可以：

防止公网扫描和攻击
数据通过加密传输
无需额外配置 HTTPS 证书

Q2：如何确认模型被 ComfyUI 识别？

访问 http://服务器IP/comfyui/
在 Load Checkpoint 或 Load Diffusion Model 节点中查找模型名称
或者查看 ComfyUI 启动日志：

docker logs comfyui | grep -i "model"

六、总结

本文完成了以下配置：

Docker Compose 配置：Nginx 反向代理 + ComfyUI + Ollama + Open WebUI
Nginx 代理规则：统一通过 /comfyui/ 和 /ollama/ 路径访问
Open WebUI 安全配置：绑定到本地端口，通过 SSH 隧道访问
模型下载：从 Hugging Face 获取 Wan2.2 开源模型到正确目录

现在你可以：

访问 http://服务器IP/comfyui/ 使用 ComfyUI
访问 http://服务器IP/ollama/ 调用 Ollama API
通过 SSH 隧道访问 http://localhost:3000 使用 Open WebUI

ComfyUI 模型下载与配置完整指南（在云端GPU VPS上搭建服务）

一、环境说明

服务器配置文件

二、重要配置说明

Open WebUI 端口映射说明

服务访问地址汇总

三、ComfyUI 模型下载

3.1 查看模型存储位置

3.2 寻找开源模型：以 Wan2.2 为例

3.3 下载模型到对应目录

四、模型目录结构说明

五、常见问题

Q1：为什么要用 SSH 隧道访问 Open WebUI？

Q2：如何确认模型被 ComfyUI 识别？

六、总结

发表回复取消回复

ComfyUI 模型下载与配置完整指南（在云端GPU VPS上搭建服务）

一、环境说明

服务器配置文件

二、重要配置说明

Open WebUI 端口映射说明

服务访问地址汇总

三、ComfyUI 模型下载

3.1 查看模型存储位置

3.2 寻找开源模型：以 Wan2.2 为例

3.3 下载模型到对应目录

四、模型目录结构说明

五、常见问题

Q1：为什么要用 SSH 隧道访问 Open WebUI？

Q2：如何确认模型被 ComfyUI 识别？

六、总结

发表回复 取消回复

发表回复取消回复