🖼️ ComfyUI — 本地运行ComfyUI

技能文档

概述

使用 API 格式的 JSON 在本地服务器（默认 127.0.0.1:8188）上运行 ComfyUI 工作流，并返回输出图像。

运行前编辑工作流

运行脚本仅接受 --workflow 。在运行之前，你必须检查并编辑工作流 JSON，运用你对 ComfyUI API 格式的最佳了解。不要假设固定的节点 ID、class_type 名称或 _meta.title 值——用户可能已更新默认工作流或提供了自定义工作流。

对于每次运行（包括默认工作流）：

• 读取工作流 JSON（默认：skills/comfyui/assets/default-workflow.json，或用户提供的路径/文件）。
• 识别与提示相关的节点：通过检查图形来查找包含主要文本提示的节点——例如 PrimitiveStringMultiline、CLIPTextEncode（正向文本），或任何具有 _meta.title 或 class_type 暗示 "Prompt" / "positive" / "text" 的节点。将相应的输入（例如 inputs.value，或编码器的文本输入）更新为你从用户那里得出的图像提示（主体、风格、光照、质量）。如果用户没有要求自定义图像，你可以保留现有提示或仅在需要时进行调整。
• 可选识别风格/前缀节点——例如 StringConcatenate，或作为样式的第二个字符串输入。如果用户要求特定风格或清除默认前缀，则设置它们。
• 可选设置新种子——找到采样器类节点（例如 KSampler、BasicGuider，或任何具有 seed 输入的节点）并将 seed 设置为新的随机整数，以便每次运行可以不同。
• 将修改后的工作流写入临时文件（例如 skills/comfyui/assets/tmp-workflow.json）。对于任何内联 Python 使用 ~/ComfyUI/venv/bin/python；不要使用裸 python。
• 运行：comfyui_run.py --workflow 。如果工作流结构不清楚或找不到提示/采样器节点，按原样运行文件，只更改你能可靠识别的部分。对于任意用户提供的 JSON 采用相同方法：首先检查，然后在你最佳了解的范围内编辑，然后运行。

运行脚本（单一职责）

~/ComfyUI/venv/bin/python skills/comfyui/scripts/comfyui_run.py \
  --workflow 

该脚本仅将工作流加入队列并轮询直到完成。它打印包含 prompt_id 和输出 images 的 JSON。所有提示/风格/种子的更改都由你预先在 JSON 中完成。

如果服务器无法访问

如果运行脚本失败并出现连接错误（例如连接被拒绝或超时到 127.0.0.1:8188），ComfyUI 可能未安装或未运行。检查： ~/ComfyUI 是否存在并包含 main.py？

• 如果未安装： 安装 ComfyUI（例如克隆仓库、创建 venv、安装依赖项，然后启动服务器）。示例：

git clone https://github.com/comfyanonymous/ComfyUI.git ~/ComfyUI
cd ~/ComfyUI
python3 -m venv venv
~/ComfyUI/venv/bin/pip install -r requirements.txt

然后启动服务器（见下文）。告诉用户根据工作流可能需要将模型权重安装到 ~/ComfyUI/models/ 中。

• 已安装但未运行： 启动 ComfyUI 服务器，使 API 在端口 8188 上可用。示例：

~/ComfyUI/venv/bin/python ~/ComfyUI/main.py --listen 127.0.0.1

在后台或单独的终端中运行，使其保持运行。然后重试工作流运行。使用 ~（或用户的主目录）以便在其机器上正常工作。

来自 URL 的模型权重

当用户粘贴或发送模型权重 URL 列表（每行一个，或逗号分隔）时，将这些文件下载到 ComfyUI 安装目录，以便工作流以后可以使用它们。

• 规范化列表——每行一个 URL；剥离空行和注释（以 # 开头的行）。
• 运行下载脚本，并指定 ComfyUI 基础路径（默认 ~/ComfyUI）。该脚本在可用时使用 pget 进行并行下载；如果 pget 不在 PATH 中，它会自动安装到 ~/.local/bin（无需 sudo）。如果无法安装 pget（例如不支持的 OS/架构），它会回退到内置下载。使用 ComfyUI venv Python 以便脚本正确运行：

~/ComfyUI/venv/bin/python skills/comfyui/scripts/download_weights.py --base ~/ComfyUI

将 URL 作为参数传递，或通过标准输入管道传输文件/列表：

echo "https://example.com/model.safetensors" | ~/ComfyUI/venv/bin/python skills/comfyui/scripts/download_weights.py --base ~/ComfyUI

或将用户的列表保存到临时文件并运行：

~/ComfyUI/venv/bin/python skills/comfyui/scripts/download_weights.py --base ~/ComfyUI < /tmp/weight_urls.txt

要强制使用内置下载（无 pget）：添加 --no-pget。

• 子文件夹： 脚本从 URL/文件名推断 ComfyUI 模型子文件夹（例如 vae、clip、loras、checkpoints、text_encoders、controlnet、upscale_models）。用户可以选择每行指定一个子文件夹，格式为 url subfolder（例如 https://.../model.safetensors vae）。你还可以使用 --subfolder loras 传递默认子文件夹，以便该运行中的所有 URL 都进入 models/loras/。

• 现有文件： 默认情况下，脚本会跳过已存在于磁盘上的 URL；使用 --overwrite 替换。

• 路径： 文件写入 ~/ComfyUI/models// 下。告诉用户每个文件保存到的位置，以及如果需要他们可以在 ComfyUI 服务器（重新）启动后运行工作流。支持在 ComfyUI/models/ 下的子文件夹：checkpoints、clip、clip_vision、controlnet、diffusion_models、embeddings、loras、text_encoders、unet、vae、vae_approx、upscale_models 等。当自动推断错误时使用 --subfolder 。

运行后

输出保存在 ComfyUI/output/ 下。使用脚本输出中的 images 列表来定位文件（文件名 + 子文件夹）。

⚠️ 始终将输出发送给用户

成功的 ComfyUI 运行后，你必须将生成的图像发送给用户。不要仅用文本回复文件名或使用 NO_REPLY。

• 解析脚本输出 JSON 中的 images（每个都有 filename、subfolder、type）。
• 构建完整路径：ComfyUI/output/ + 子文件夹 + 文件名（例如 ComfyUI/output/z-image_00007_.png）。
• 通过用户所在的渠道发送图像（例如使用消息/发送工具并提供图像 path，以便用户收到文件）。如果有帮助，可以包含简短的说明（例如 "给你。" 或 "东京街头场景。"）。每次成功的运行都必须导致用户收到图像。永远不要只给他们一个文件名或不发送。