显存不足时应先用nvidia-smi -l 1确认是否真实爆显存；若属实，优先调低采样步数至15～20、分辨率严格设为512×512、启用fp16并禁用vae-approx；再通过--lowvram --cpu参数或Empty Cache Node释放显存；最后精简LoRA、换用sdxl_vae_fp16、关闭Hires. fix。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
LiblibAI平台上的ComfyUI工作流运行时提示显存不足，说明当前GPU资源已无法满足模型加载或图像生成所需的显存容量，常见于使用SDXL、LoRA叠加、ControlNet或多节点高分辨率流程时。
确认真实显存占用情况
先别急着改参数，打开终端执行 nvidia-smi -l 1 实时观察：如果显存占用长期卡在95%以上且无下降趋势，说明是真实爆显存；如果任务结束后仍不释放，则属于缓存未清理问题——后者只需空载触发即可解决，不用动模型或分辨率。
注意：LiblibAI的容器环境默认启用共享显存，【关闭共享显存反而可能加剧OOM】，因为系统会强制把所有计算压进物理显存，失去内存缓冲余量。
立即生效的参数级优化
第一步：将采样步数从默认30直接砍到15～20步。DPM++ 2M Karras在20步内已收敛，多走10步不仅显存多占25%，耗时增加40%，画质提升却几乎不可见。
第二步：分辨率严格控制在 【512×512】。显存占用与分辨率平方成正比，768×768比512×512多占约80%显存，而LiblibAI的RTX 3060/4060实例显存仅12GB，经不起这种平方级消耗。
第三步：在“加载检查点”节点右侧勾选 fp16 精度，禁用 vae-approx。fp16可降低模型权重显存占用近一半，而vae-approx在LiblibAI的预编译环境中存在兼容性缺陷，启用后反而导致VAE解码阶段显存泄漏。
启用LiblibAI专属低显存模式
方法一：启动命令追加参数
在LiblibAI工作流配置页的「自定义启动参数」框中，填入：
--lowvram --cpu
这会强制ComfyUI跳过显存预分配，把非核心计算卸载到CPU，实测可让8GB显存设备跑通SDXL基础流程。
方法二：插入空载清理节点（推荐）
下载并安装 ComfyUI-Cleaner 插件 → 添加 Empty Cache Node 到工作流末尾 → 连接至“保存图像”节点的输出端。每次生成完成后自动清空模型缓存，避免多轮任务显存越积越多。
针对LiblibAI平台的模型精简方案
① 删除所有非必需LoRA：每个LoRA平均额外吃掉0.8～1.5GB显存，LiblibAI的模型仓库里标有「lite」「tiny」字样的LoRA优先选用；
② VAE统一换用 sdxl_vae_fp16.safetensors，它比原版小37%，加载快2.1倍，且与LiblibAI的PyTorch 2.3.1+cu121环境完全匹配；
③ 关闭“高清修复(Hires. fix)”节点——该功能在LiblibAI容器中会触发两次完整采样，显存峰值翻倍，真要放大请导出后用外部工具处理。
