ComfyUI 接入

ComfyUI 是目前最强大的节点式 AI 图像/视频生成工作流引擎。与传统的 Web UI 不同，ComfyUI 采用可视化的节点图编排工作流，让你像搭积木一样组合各种 AI 模型和处理步骤。 一个重要理解： ComfyUI 不像 Claude Code、Codex 那样天然就是文本模型客户端。Xcompute 负责远程模型调用，ComfyUI 负责节点编排、批量工作流、后处理和本地增强。两者是”组合”关系，而非”替代”。

核心特性

特性	说明
节点式架构	通过连接节点构建工作流，灵活度极高
可复现	工作流可导出为 JSON，方便分享和复现
自定义节点	社区提供数千个自定义节点
多模态	支持图像、视频、音频生成
API 驱动	内置 REST API + WebSocket，易于集成
资源高效	相比 WebUI 内存占用更低

ComfyUI 能做什么

图像生成：Stable Diffusion、FLUX、SDXL
视频生成：AnimateDiff、SVD、Wan
图像编辑：Inpainting、ControlNet、IPAdapter
风格迁移：LoRA 和风格模型
图像分析：多模态模型识别图像内容
提示词优化：LLM 自动优化和扩展提示词

为什么接入 Xcompute

将 ComfyUI 与 Xcompute API 结合可以实现：

AI 智能提示词生成：用 LLM 自动生成高质量提示词
图像内容分析：用多模态模型分析图像，反向生成提示词
自动化 Pipeline：LLM 生成提示词 → ComfyUI 生成图像 → LLM 评估质量
批量处理：结合 Xcompute 的低价 API，实现大规模内容创作

安装与部署

Windows

便携包（推荐新手）
手动安装

前往 ComfyUI GitHub Releases 下载最新便携包，解压后双击 run_nvidia_gpu.bat 启动。访问 http://127.0.0.1:8188。

git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
python -m venv venv
venv\Scripts\activate
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124
pip install -r requirements.txt
python main.py

macOS

brew install python@3.12
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
python3 -m venv venv
source venv/bin/activate
pip install torch torchvision torchaudio
pip install -r requirements.txt
python main.py --force-fp16

M1/M2/M3 Mac 自动使用 Metal Performance Shaders (MPS)。

Linux

sudo apt install -y python3.12 python3.12-venv python3-pip git
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
python3 -m venv venv
source venv/bin/activate
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124
pip install -r requirements.txt
python main.py

Docker

version: '3.8'
services:
  comfyui:
    image: ghcr.io/ai-dock/comfyui:latest
    ports:
      - "8188:8188"
    volumes:
      - ./models:/opt/ComfyUI/models
      - ./output:/opt/ComfyUI/output
    environment:
      - NVIDIA_VISIBLE_DEVICES=all
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]

安装 ComfyUI Manager

ComfyUI Manager 是必装插件管理器，可一键安装数千个自定义节点：

cd ComfyUI/custom_nodes
git clone https://github.com/ltdrdata/ComfyUI-Manager.git
# 重启 ComfyUI

重启后界面会出现 Manager 按钮，用于搜索安装节点、下载模型、一键更新插件。

Xcompute API 对接方案

方案一：自定义节点接入（推荐）

在 ComfyUI Manager 中搜索安装以下节点之一：

ComfyUI-Custom-Scripts — 包含 HTTP Request 节点
ComfyUI_HTTP_Request — 专门的 HTTP 请求节点
ComfyUI-LLM-Party — LLM 集成节点集合

在节点中配置：

配置项	值
API Provider	OpenAI Compatible
Base URL	`https://xcompute.us/v1`
API Key	`sk-xxx`
Model	`gpt-5.6-sol`

加速入口：https://intl.dualseason.com/v1

方案二：Python 脚本桥接

适合需要复杂逻辑处理的场景。安装 openai 包：

pip install openai

AI 图像生成 Pipeline：

import json, time, urllib.request
from openai import OpenAI

XCOMPUTE_BASE_URL = "https://xcompute.us/v1"
XCOMPUTE_API_KEY = "sk-xxx"
COMFYUI_URL = "http://127.0.0.1:8188"

def generate_prompt(topic, style="photorealistic"):
    """用 Xcompute LLM 生成图像提示词"""
    client = OpenAI(base_url=XCOMPUTE_BASE_URL, api_key=XCOMPUTE_API_KEY)
    response = client.chat.completions.create(
        model="gpt-5.6-sol",
        messages=[
            {"role": "system", "content": "Create detailed, vivid prompts for image generation. Output ONLY the prompt."},
            {"role": "user", "content": f"Create a {style} image prompt about: {topic}"}
        ],
        temperature=0.8,
        max_tokens=300
    )
    return response.choices[0].message.content.strip()

def submit_workflow(prompt):
    """提交工作流到 ComfyUI"""
    workflow = {
        "prompt": {
            "3": {"class_type": "KSampler", "inputs": {"seed": int(time.time()) % 1000000, "steps": 20, "cfg": 7, "model": ["4", 0], "positive": ["6", 0], "negative": ["7", 0], "latent_image": ["5", 0]}},
            "4": {"class_type": "CheckpointLoaderSimple", "inputs": {"ckpt_name": "sd_xl_base_1.0.safetensors"}},
            "5": {"class_type": "EmptyLatentImage", "inputs": {"width": 1024, "height": 1024, "batch_size": 1}},
            "6": {"class_type": "CLIPTextEncode", "inputs": {"text": prompt, "clip": ["4", 1]}},
            "7": {"class_type": "CLIPTextEncode", "inputs": {"text": "ugly, blurry, low quality", "clip": ["4", 1]}},
            "8": {"class_type": "VAEDecode", "inputs": {"samples": ["3", 0], "vae": ["4", 2]}},
            "9": {"class_type": "SaveImage", "inputs": {"filename_prefix": "Xcompute_", "images": ["8", 0]}}
        }
    }
    data = json.dumps(workflow).encode('utf-8')
    req = urllib.request.Request(f"{COMFYUI_URL}/prompt", data=data, headers={'Content-Type': 'application/json'})
    result = json.loads(urllib.request.urlopen(req).read())
    return result['prompt_id']

def wait_result(prompt_id, timeout=300):
    """等待 ComfyUI 生成完成"""
    start = time.time()
    while time.time() - start < timeout:
        try:
            resp = json.loads(urllib.request.urlopen(f"{COMFYUI_URL}/history/{prompt_id}").read())
            if prompt_id in resp:
                for node_id, output in resp[prompt_id]['outputs'].items():
                    if 'images' in output and output['images']:
                        img = output['images'][0]
                        return f"{COMFYUI_URL}/view?filename={img['filename']}&type={img['type']}"
        except: pass
        time.sleep(2)
    raise TimeoutError(f"生成超时 ({timeout}s)")

# 一键运行
prompt = generate_prompt("a futuristic city with flying cars", "cinematic")
pid = submit_workflow(prompt)
url = wait_result(pid)
print(f"图像地址: {url}")

方案三：HTTP Request 节点直接调用

在工作流中添加 HTTP Request 节点，配置：

Method: POST
URL: https://xcompute.us/v1/chat/completions
Headers: Content-Type: application/json + Authorization: Bearer sk-xxx
Body:

{
  "model": "gpt-5.6-sol",
  "messages": [{"role": "user", "content": "为以下主题生成图像提示词：{输入文本}"}],
  "temperature": 0.8
}

工作流连接：

[输入文本] → [HTTP Request 节点] → [解析响应] → [CLIP Text Encode] → [KSampler] → [保存图像]

导出自定义工作流 API 格式

在 ComfyUI 界面中构建好工作流后，点击菜单 → Save (API Format)，下载的 JSON 即可直接通过 /prompt API 提交。

实战案例

案例：图像分析 + 二次创作

上传图片 → 多模态模型分析 → 提取描述 → 创意改编 → ComfyUI 生成

import base64
from openai import OpenAI

client = OpenAI(base_url="https://xcompute.us/v1", api_key="sk-xxx")

with open("input.png", "rb") as f:
    img_b64 = base64.b64encode(f.read()).decode()

# 多模态分析
analysis = client.chat.completions.create(
    model="gpt-5.6-sol",
    messages=[{"role": "user", "content": [
        {"type": "text", "text": "详细描述这张图片的内容、风格、色彩和构图"},
        {"type": "image_url", "image_url": {"url": f"data:image/png;base64,{img_b64}"}}
    ]}]
).choices[0].message.content

# 创意改编
new_prompt = client.chat.completions.create(
    model="gpt-5.6-sol",
    messages=[
        {"role": "system", "content": "Based on the description, create a creative variation as an image prompt."},
        {"role": "user", "content": f"Original: {analysis}\n\nCreate a creative variation."}
    ]
).choices[0].message.content

# 提交 ComfyUI 生成
pid = submit_workflow(new_prompt)
print(f"新图像: {wait_result(pid)}")

批量生成

topics = ["underwater city", "steampunk airship", "cyberpunk market"]
for topic in topics:
    prompt = generate_prompt(topic, "cinematic, 8k")
    pid = submit_workflow(prompt)
    print(f"{topic}: {wait_result(pid)}")

自定义 Python 节点

在 ComfyUI/custom_nodes/ 下创建 xcompute_nodes.py：

from openai import OpenAI

class XcomputeLLM:
    @classmethod
    def INPUT_TYPES(cls):
        return {"required": {
            "prompt": ("STRING", {"multiline": True}),
            "model": (["gpt-5.6-sol", "gpt-5.5"],),
            "api_key": ("STRING", {"default": "sk-xxx"}),
        }}

    RETURN_TYPES = ("STRING",)
    FUNCTION = "generate"
    CATEGORY = "Xcompute"

    def generate(self, prompt, model, api_key):
        client = OpenAI(base_url="https://xcompute.us/v1", api_key=api_key)
        result = client.chat.completions.create(
            model=model,
            messages=[{"role": "user", "content": prompt}]
        ).choices[0].message.content
        return (result,)

NODE_CLASS_MAPPINGS = {"XcomputeLLM": XcomputeLLM}

常见问题

ComfyUI 启动报错 “CUDA out of memory”

# 使用 fp16 模式
python main.py --force-fp16

# 降低模型精度
python main.py --fp16-vae

# CPU 模式（无需显存）
python main.py --cpu

API 调用返回 401

API Key 是否正确（sk- 开头）
Base URL 是否包含 /v1（正确：https://xcompute.us/v1）
Key 是否过期或余额不足

自定义节点安装失败

source venv/bin/activate  # 确保在正确的虚拟环境中
pip install -r custom_nodes/节点名称/requirements.txt

ComfyUI API 格式工作流如何导出

在界面中点击菜单 → Save (API Format)，或在浏览器开发者工具 Network 标签观察提交时的请求体。

渠道与定价

渠道	折扣	推荐场景
GPT 福利渠道	0.9 折	大批量提示词生成
Kiro 渠道	1.8 折	日常使用
官 Key 渠道	4.9 折	高质量需求
国产模型	5 折	中文提示词优化

批量生成提示词时选择 GPT 福利渠道（0.9 折），成本极低。

开发环境

编程 Agent 集成

AI 应用与工作流

核心特性

ComfyUI 能做什么

为什么接入 Xcompute

安装与部署

Windows

macOS

Linux

Docker

安装 ComfyUI Manager

Xcompute API 对接方案

方案一：自定义节点接入（推荐）

方案二：Python 脚本桥接

方案三：HTTP Request 节点直接调用

导出自定义工作流 API 格式

实战案例

案例：图像分析 + 二次创作

批量生成

自定义 Python 节点

常见问题

ComfyUI 启动报错 “CUDA out of memory”

API 调用返回 401

自定义节点安装失败

ComfyUI API 格式工作流如何导出

渠道与定价

参考资源

​核心特性

​ComfyUI 能做什么

​为什么接入 Xcompute

​安装与部署

​Windows

​macOS

​Linux

​Docker

​安装 ComfyUI Manager

​Xcompute API 对接方案

​方案一：自定义节点接入（推荐）

​方案二：Python 脚本桥接

​方案三：HTTP Request 节点直接调用

​导出自定义工作流 API 格式

​实战案例

​案例：图像分析 + 二次创作

​批量生成

​自定义 Python 节点

​常见问题

​ComfyUI 启动报错 “CUDA out of memory”

​API 调用返回 401

​自定义节点安装失败

​ComfyUI API 格式工作流如何导出

​渠道与定价

​参考资源

核心特性

ComfyUI 能做什么

为什么接入 Xcompute

安装与部署

Windows

macOS

Linux

Docker

安装 ComfyUI Manager

Xcompute API 对接方案

方案一：自定义节点接入（推荐）

方案二：Python 脚本桥接

方案三：HTTP Request 节点直接调用

导出自定义工作流 API 格式

实战案例

案例：图像分析 + 二次创作

批量生成

自定义 Python 节点

常见问题

ComfyUI 启动报错 “CUDA out of memory”

API 调用返回 401

自定义节点安装失败

ComfyUI API 格式工作流如何导出

渠道与定价

参考资源