ARTICLE · 1294789
《老吴修电脑笔记》第14篇:8G 显存笔记本 ComfyUI 本地修图
隔壁公司开做电商的小伙子过来，带着电脑给我看：“吴哥，我几十张产品图都带背景，有的还比较模糊，产品上架被平台打回来了。你帮我把它们 PS 成白底，再调得清楚些，需要多少钱？”
我当时内心的表情是这样：。这活儿不是电脑维修，报少了我觉得亏，报多了不好意思——都在一个办公楼里，抬头不见低头见的。略加思索，我心生一计，是时候展现我“编程修电脑”中编程的实力了：“你这笔记本是 8G 显存，几十张图用 AI 工具很快就能跑完，一分钱都不用花。我教你搭个环境，你回去自己批量跑。”
见他半信半疑的样子，我让他拷一张图片给我，用它当例子，把“装软件、连节点、出图”整条链路走了一遍。
先说结论：抠图和超分这两个功能在 16G 内存 + 8G 显存的普通电脑上可以很流畅地跑起来。过去让人打退堂鼓的“环境配置噩梦”，在 ComfyUI 便携版里基本不存在了。
ComfyUI 是什么
ComfyUI 是一个节点式的本地工作流编辑器，左边拖一个“加载图片”，中间接一个“抠图”，右边接一个“保存”，连成一条线，点运行，图就出来了。连好一次，存成 JSON 工作流，下次直接加载就能跑。ComfyUI 的好处有两个：
一是免环境配置。超分（Real-ESRGAN）和抠图（BiRefNet），都是 ComfyUI 核心自带节点，不用编译 CUDA、不用装一堆 wheel 包；抠图另一个常用选择 RMBG-2.0 来自社区节点包 ComfyUI-RMBG，左侧 Nodes 面板点一下就能装（下文会说）。曾经新人上手配环境要一周，现在一小时内就能本地跑通全流程。
二是显存门槛低。抠图约 2GB、超分约 5.6GB，比 SDXL 出图的 7.5GB 宽松得多。也就是说，电脑只要有 8G 显存就能把这两件事处理好。
怎么把它跑起来
安装 ComfyUI 最省事的办法是用官方 Windows 便携版（地址：https://docs.comfy.org/zh/installation/comfyui_portable_windows）,但“下载、解压、装依赖、启动”这几步，手动做容易卡在 GitHub 连接失败和 pip 官方源下载慢超时上。我最近帮客户部署本地 AI 工作流的做法是：亲手装个 AI 助手，，剩下的吩咐助手自己装。
这个“助手”，就是 DSH（DeepSeek Harness）。它已经对接好 DeepSeek-V4.1-Flash，国产模型、国内网络、价钱便宜，用它干活比海外工具（Claude 或 Codex）省心得多。
第一步，准备好 DSH。https://www.deepseek.com/harness DSH官网，下载桌面版装好，登录，模型选 DeepSeek-V4.1-Flash。注意提前开通 ApiKey 并充值。
第二步，让 DSH 装 ComfyUI。你不用自己点下载、解压、配环境，直接对它说一句（见图）：
“帮我在 D:\ComfyUI 安装 ComfyUI 官方便携版（nvidia 版），下载、解压、启动，装好告诉我访问地址。”
以下几个坑点可提前告诉 DSH：
• 别装 xformers。可能会把 PyTorch 降级，导致不认新显卡（RTX 50 系列）。便携版自带的 PyTorch 是原生支持新卡的，最好别动。
• 别随手点界面里的“更新”。更新脚本可能覆盖掉适配新显卡的 PyTorch。
• GitHub 直连经常超时，下载时让下载器走镜像站（如 ghfast.top、gh-proxy.com）。
• pip 装依赖慢，换阿里云镜像源 https://mirrors.aliyun.com/pypi/simple/。
安装完毕，用浏览器打开 http://127.0.0.1:8188/，本地 AI 画室就开张了。
以单张产品图为例实测 ComfyUI 修图
抠图过程如图，照着连线就行。
一、Load Image 加载产品原图，输出 IMAGE。
二、加载抠图模型。提前去HuggingFace（国内直连，地址 https://huggingface.co/Comfy-Org/models）下载好 Birefnet 模型存到 D:\ComfyUI\ComfyUI\models\background_removal 文件夹下，重启 ComfyUI 生效。
三、添加 Remove Background 节点，输出 MASK。随后用 Invert Mask 节点转换主体和背景。
四、添加 Join Image with Alpha，将 IMAGE 和 MASK 合并。
五、添加 Preview Image 节点，点击运行，完成抠图流程，并打开图片预览，此预览图可点击下载。后续如有自动保存图片到指定目录的需求，可再加一个 Save Image 节点。
超分过程要简单一些，如下图，分辨率从702*939 超分到2808*2756。
和抠图有区别的地方一是载入 RealESRGAN 模型，二是超分后文件会变得很大，本次案例是从 0.5MB 变成了 160MB。
跑完实测，我和小伙子说：“你的几十张图要一次性处理完，把 Load Image 换成 Load Image Batch 就行。不够清晰的几张先做超分，然后让 ComfyUI 批量读取图片输出无背景的 PNG，除了常用的白色背景，想换什么背景都可以。特别是遇到像‘白纱材质的新娘头饰’这类半透明主体，用 ComfyUI 的 RMBG-2.0 模型比用 Photoshop 手工处理快一到两个数量级。“
小伙子说：”原来 AI 还能这么用，以前光拿豆包、元宝当搜索工具了，以后还要多向你学习。“
我说：”好说，这次这几十张你自己就能处理，如果有几百上千张的活儿你可以找我，我给你写个自动跑的程序，当然那个就得收费了。“
RTX 4060 8G 实测数据
• 抠图：Birefnet 体积约 423MB，RMBG-2.0 约 885MB；处理单张 1024 约 0.5 到 1.2 秒，2048 约 2.5 到 3.5 秒；显存占用约 1.8 到 2.2GB。
• 超分：1080p 放大到 4K 约 4.8 秒、占 5.6GB；没独显走 CPU 单张约 15 到 20 秒，慢但能用。
FAQ
Q：抠图和超分这两个任务必须装 ComfyUI 吗？
A: 不一定。RMBG 和 Real-ESRGAN 都有独立命令行版，但 ComfyUI 把它们连成一条线比较省事，还能顺便管理文生图。
Q：ComfyUI 里“放大（upscale）”有好几种节点，选哪个？
A: 想要“确定性补细节”（照片、产品图这类），选“模型放大（Upscale Image using Model）”，用 ESRGAN / RealESRGAN 这种训练好的超分模型，跑一遍就出清晰细节，不用额外采样。“Upscale latent” 是把潜变量放大，一般不直接解码，标准用法是放大后接一轮 KSampler 重采样（hires fix，降噪 0.3~0.6），扩散模型会在更高分辨率上重新生成细节，更适合人脸、创意图这种要“理解后再补”的场景。还有“只变大不补细节”的 ImageScale，只做像素插值，与 latent 不一样。
Q：装的时候卡在某一步怎么办？
A: 九成是 GitHub 超时或 pip 慢，换镜像源重来；启动就崩，多半是动了 PyTorch（装过 xformers 或点过更新），建议重下便携版。
Q：本地出的图能接单交付吗？
A: 技术上能，但要先注意商用许可：Flux [dev] 是非商用，客户交付改用 Flux [schnell]（Apache 2.0）或 SDXL。抠图节点同理：RMBG-2.0 的底层模型来自 BRIA，商用要查 BRIA 许可。为免麻烦可用核心自带的 BiRefNet（MIT）。
---
我们在晋中大学城创业园 5 层，电脑、打印机维修、数据恢复、系统运维都做，软件开发和 AI 部署的单子也接（其实这俩是我老本行，线上案例见我公司官网 https://www.dysonai.com）。
“编程修电脑”公众号每周都有维修实录，我总结的电脑故障处理 DIY 工具清单和故障自查手册可在公众号发“工具箱”或“自救”自取。
