Hanafubuki：把 WebUI 的安装和管理放到一起

前言

Hanafubuki 是一个用来安装、启动和管理 AI 创作 WebUI 的桌面软件。常见的 Stable Diffusion WebUI、ComfyUI，还有训练模型和生成语音的工具，都可以放到这里管理。除了安装和启动，也能管理它们的运行环境、扩展、模型和版本，还可以让 Agent 帮忙处理实例里的事情。

毕竟装好 WebUI 只是开始。今天装个节点，明天更新一下依赖，后天突然就启动不了了。明明只是想生成几张图，最后却在研究 Python 环境，嗯，有点熟悉了。

如果电脑里还放了好几个 WebUI，事情就更麻烦了。这份用什么 Python，那份装了哪些扩展，上次能用的是哪个版本？总不能每次都从翻文件夹开始吧。

Hanafubuki 就是把这些安装和维护操作放到一起，让每个 WebUI 有自己的环境，也有统一的管理入口。下面就介绍一下它能做些什么。

可以安装哪些 WebUI？

先看看支持的工具吧。在“添加实例”页面中，目前有下面六类安装入口。

类型	主要用途
Stable Diffusion WebUI	图像生成，包含原版以及多个衍生版本
ComfyUI	通过节点搭建生成工作流
InvokeAI	图像生成与画布创作
Fooocus	较简化的图像生成流程
SD Trainer	模型和 LoRA 训练
Qwen TTS WebUI	文本转语音

Stable Diffusion WebUI 这一项下面还可以选择 Forge、reForge、Forge Classic、Forge Neo、SD.Next 等变体。训练工具也有 SD Trainer、SD Trainer Next、Kohya GUI 等预设，具体可选项以安装页面加载出来的列表为准。

所以除了生成图片，也可以在这里准备训练和语音合成的环境，不用再给每一种工具单独找一套安装方法。

选择类型后，给实例起个名字，确认安装位置，就可以开始安装了。Python、WebUI 本体和依赖会按所选方案准备，想自己选择 Python 版本、PyTorch 构建或分支的话，也有高级选项可以调整。不清楚该选什么，就先保留默认值吧。

一个不够？那就多装几个

在 Hanafubuki 里，一份 WebUI 和它的环境称为一个“实例”。新安装的实例有自己的 Python 和 WebUI 目录，同一个软件也可以创建多份实例。

比如平时用 ComfyUI 生成图片，已经配好了一套能正常运行的工作流。这时候看到一个新节点，想试试，但又担心它把原来的依赖弄坏，那就另外装一份 ComfyUI 吧。

一份叫“ComfyUI 日常”，保留平时使用的节点和版本；另一份叫“ComfyUI 测试”，专门拿来尝试新节点。它们使用各自的 Python 环境，在测试实例里安装依赖，不需要改动日常实例的那一份。

首页可以查看和打开这些实例，启动后也可以直接在 Hanafubuki 的工作区里使用 WebUI。想用自己常用的浏览器，也有在外部浏览器中打开的入口。

这样就不用对着几个名字差不多的文件夹，猜哪个才是平时用的了。

已经装好的也能用吗？

可以，不一定要重新安装。

如果知道现有 WebUI 和 Python 的位置，可以选择“导入现有实例”，让 Hanafubuki 使用原来的路径。如果目录太多，或者不确定在哪里，也可以通过“扫描系统”查找已有 WebUI。

扫描到完整环境时可以直接接入；只有 WebUI 代码、缺少所需 Python 环境时，则还需要补装。导入只是接入管理，不会自动复制出一份隔离的测试环境，后续更新扩展、切换版本等操作仍然会作用于原来的文件。

环境又出问题了？先检查一下

WebUI 的环境问题确实挺烦的。缺个包还能照着错误信息装一下，遇到几个节点要求不同版本的依赖，就不知道该听谁的了。

Hanafubuki 的启动流程会检查 PyTorch 兼容性；开启环境检查后，还会执行对应 WebUI 的检查流程。比如核对依赖是否完整，发现缺失依赖时进行安装，以及处理已有修复规则覆盖的一些环境问题。

也就是说，遇到能够识别的问题，可以在启动前先处理一遍，不必每次都手动打开终端补依赖。

节点之间打架怎么办？

拿 ComfyUI 来说，不同自定义节点可能依赖同一个 Python 包，却要求互不兼容的版本。只把最后报错的那个包升级一下，不一定能解决问题，可能转头又把另一个节点弄坏了。

Hanafubuki 会在启用环境检查时分析 ComfyUI 的依赖冲突，并在需要时让你选择处理方式：停用冲突组件后继续安装、依次安装依赖、跳过，或者取消启动。

比如刚在测试实例里装了几个新节点，启动时发现它们的依赖要求冲突，就可以先看清楚冲突来自哪里，再决定保留哪些节点。依次安装也不代表冲突一定消失，最后还是要看实际启动和工作流运行的结果。

自动检查和修复针对的是已有规则能够识别的问题。模型不兼容、扩展本身的代码错误等情况，仍可能需要继续排查。环境检查没有通过时，可以查看任务输出，后面介绍的 Agent 也能帮忙分析。

扩展也可以一起管

WebUI 用久了，扩展和节点通常会越装越多。想更新、停用或者退回某个版本时，能在一个列表里处理就方便多了。

Hanafubuki 提供扩展市场，可以搜索当前索引中的扩展并安装。已经知道仓库地址的话，也可以从 Git URL 安装，不用自己找到扩展目录再运行克隆命令。

安装完成后，在本地扩展列表里就能进行后续管理。

操作	用途
启用和停用	暂时不用某个扩展，或者排查它是否导致启动失败
更新和全部更新	获取扩展的新版本
切换分支或提交	使用指定版本的 Git 扩展
切换 Registry 版本	为支持 Registry 的 ComfyUI 节点选择发布版本
卸载	移除不再需要的扩展

这些操作会根据当前 WebUI 和扩展来源显示，并不是每种扩展都有相同的按钮。修改启停状态后，通常需要重新启动 WebUI 才会生效。

比如一个节点更新后让原来的工作流报错，可以先停用它确认问题，再考虑切换版本。至少不用一上来就把整个 ComfyUI 删除重装了。

模型、版本和启动参数，也整理一下

除了扩展，日常要维护的东西还有不少，Hanafubuki 也提供了对应的入口。

模型文件放在哪里？

对于使用目录保存模型的 WebUI，可以在模型页浏览目录、导入本地文件、从链接下载模型，以及复制、移动、重命名和删除文件。支持内置模型库的实例，还可以从预设列表中查找并安装模型。

InvokeAI 的模型管理方式不太一样，Hanafubuki 会提供对应的 Registry 管理入口，用来安装、导入或移除模型。

这里管理的是当前实例的模型位置，整理时还是要选对目录。不过不用每次先去文件管理器里翻到 models 文件夹，确实省了一步。

更新或换个版本

WebUI 的版本页可以查看当前分支和提交，更新代码，或者切换到指定版本。支持变体的实例，还可以切换预设仓库和分支。

PyTorch 也有对应的管理页面，可以查看当前状态并选择需要的构建。想换版本时，先看看当前实例实际使用的是什么，再决定怎么改。

不过版本切换会影响代码和环境，不能保证原来的扩展在新版本下一定兼容。有未提交的修改时先保存，比较大的调整也可以先放到测试实例里试试。

启动参数不用只靠手写

想改端口、调整监听方式，或者打开某个 WebUI 支持的选项，可以在“启动”页配置。

已经熟悉参数写法的话，可以直接编辑原始参数字符串；不想记参数，就打开结构化编辑器，从当前 WebUI 实际提供的参数里选择。配置按实例保存，不用给每个启动脚本分别做一份笔记。

修改后重新启动才会生效。遇到不兼容参数时，启动流程会提示处理，不用等着进程退出后再去猜是哪一项写错了。

更新之前，先留个快照吧

更新前还能正常使用，更新后却启动不了了，这时候就很想知道：刚才到底改了哪些东西？

Hanafubuki 可以为实例创建环境快照，记录 WebUI 类型、Core 提交、Python 软件包和扩展状态。准备更新 WebUI 或调整一批节点前，先保存一份，后面就有可以参考和恢复的环境记录。

恢复时也不是点一下就直接开始。软件会先展示恢复预览，列出代码仓库、软件包和扩展有哪些变化，再根据选择处理额外的软件包、扩展和 Git 修改。

比如测试实例装了一批新节点后环境乱了，可以先看看恢复到之前快照会移除什么、改回什么，确认后再执行。恢复完成后，还要启动 WebUI 检查一下。

环境快照不是整个实例目录的完整备份。模型、生成图片、任意用户文件和未提交代码的完整内容，仍需要另外保存，不能指望靠环境快照全部找回来。

懒得自己查？让 Agent 帮忙看看

如果环境检查后还是有问题，接下来通常就是看日志、查依赖，再决定怎么处理。错误信息一长，看着也头疼，那能不能让 AI 帮忙看看？

Hanafubuki 内置了 Agent，可以结合实例信息、文件和任务输出进行分析，还能通过工具操作实例。先在“设置 → Agent”里配置模型服务和默认模型，就可以开始使用了。

不只是分析报错

Agent 还可以调用实例管理工具，处理创建和导入实例、启动和停止、安装扩展、切换版本、下载模型、创建快照以及修改启动配置等事情。

比如下面这些请求：

实例名、目标和允许做的事情写清楚一些，Agent 就更容易找到正确的对象。工具调用过程可以展开查看，命令、参数和输出都有记录，不用只看最后一句“完成了”。

Agent 需要连接已配置的模型服务，具体能力取决于模型和当前实例支持的工具。操作受权限模式和审批控制，可以选择手动审批或自动审查等方式；涉及修改时先核对目标，修复后也要检查实际运行结果。

如果还想扩展 Agent 的能力，也可以接入 MCP 工具，或者安装 Skills，把特定任务的处理方法提供给它。平时只用来管理 WebUI 的话，先从查看实例、分析日志和管理扩展开始就够了。

还有一些方便的小功能

前面说的是主要功能，另外还有几项日常可能会用到。

镜像和代理。 安装 WebUI 会下载代码、Python 包和模型，某个来源访问不顺畅时就容易卡住。Hanafubuki 提供自动选择镜像，也可以手动配置 PyPI、GitHub、Hugging Face 等来源，并设置网络代理，不用分别找每个安装脚本的配置位置。

任务和实例终端。 安装、更新等操作的进度和输出可以在任务中心查看。需要自己运行命令时，可以打开实例终端，使用对应的受管环境。排查问题时先确认当前实例，就不容易把依赖装到另一份 Python 里。

诊断信息收集。 需要向维护者反馈问题时，可以收集实例的环境、配置和任务输出等信息。诊断包用于辅助排查，本身不会修复环境；分享之前记得检查里面的日志和配置，去掉不准备公开的内容。

从哪里下载？

官网：Hanafubuki

下载页：下载 Hanafubuki

Hanafubuki 提供 Windows、macOS 和 Linux 版本，可以选择安装包，也可以使用便携版 Launcher。

长期在一台电脑上使用，选安装包就行；希望应用和数据放在同一个位置，可以选择便携版 Launcher。它会下载并准备应用本体，便携数据放在程序旁的 .hanafubuki-launcher 目录中。自己指定到外部位置的 WebUI 和模型，仍要另外管理。

第一次打开后，等运行环境准备完成，再点击“添加实例”，选择全新安装、导入已有实例，或者扫描系统中的 WebUI。没有特殊需求的话先用默认安装选项，装好后就可以继续启动了。

更详细的安装和操作方法可以看官方文档。桌面应用支持某个平台，不代表每个 WebUI 和 PyTorch 构建都适合该平台，安装时仍以实际可用选项为准。

如果电脑里已经放了好几个 WebUI，或者不想每次出问题都从找 Python 开始，可以试试看。把环境整理好，接下来就去做想做的图、训练想训练的模型吧。