ComfyUI插件开发入门10分钟从零写出第一个自定义节点【免费下载链接】ComfyUIThe most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface.项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI把同一个操作在节点画布上重复排了七八遍、连线连到眼睛发花之后你多半会冒出和无数人一样的念头这段流程能不能打包成一个按钮答案是肯定的而入口正是ComfyUI插件开发。作为目前最强大、模块化程度最高的扩散模型图形界面ComfyUIthe most powerful and modular diffusion model GUI的特别之处在于它的节点界面不光是拿来用的更是拿来造的——把常用的操作封装成自定义节点从零到跑通往往只需要十几分钟。一张图看懂 ComfyUI为什么说它是能自己长零件的机器把 ComfyUI 的工作流想象成一条工厂流水线加载模型、输入提示词、采样、解码、保存每一步都是一个独立工位节点数据沿着工位之间的管线流动。与传统绘图工具开箱即用的思路不同ComfyUI 的核心优势是模块化你既能自由重组官方工位也能亲手造一个全新的工位这就是插件开发的价值所在。它适合三类人想让重复操作一键完成的工作流重度用户想把自研模型或第三方服务封装成可视化节点的开发者想借节点视角理解扩散模型内部流程的学习者官方把 80 多个现成节点放在 comfy_extras/ 目录里是现成的最佳教材而自定义节点统一放在 custom_nodes/ 目录下。下面这张图就是 ComfyUI 生成的示例图像可以直观感受它的出图能力最小闭环10分钟做出你的第一个自定义节点先走最短路径保证你在 10 分钟内看到自己的节点出现在面板上。第 1 步找到官方脚手架仓库里已经躺着一个现成示例custom_nodes/example_node.py.example。把它复制一份改名为my_first_node.py放进custom_nodes/目录。第 2 步给节点办一张身份证节点的核心使命是告诉 ComfyUI我要什么输入、产出什么输出。新版 API 用define_schema方法完成这件事classmethod def define_schema(cls) - io.Schema: return io.Schema( node_idMyFirstNode, display_name我的第一个节点, categoryMyNodes, inputs[io.Int.Input(times, min1, max100, default1)], outputs[io.String.Output()], )逐行解读io.Schema描述节点的整体结构node_id是节点在系统里的唯一标识inputs列出它接收的参数outputs声明输出的类型。ComfyUI 会依据这份定义自动生成界面控件——比如Int参数会自动变成带上下限的数字输入框。第 3 步写执行逻辑execute方法是节点真正干活的地方输入参数会按名字传进来你处理后返回io.NodeOutput(...)交给下游节点。第 4 步把节点装进盒子注册给系统ComfyUI 需要通过入口函数认识你的节点class MyFirstExtension(ComfyExtension): async def get_node_list(self): return [MyFirstNode] async def comfy_entrypoint(): return MyFirstExtension()comfy_entrypoint是插件加载的入口ComfyUI 启动时会自动调用它。第 5 步启动验证在仓库根目录运行python main.py待浏览器打开界面后在新增节点里搜索你的display_name拖入画布、连上验证节点、点击执行。看到自己写的节点出现在面板里的瞬间正反馈就到账了。核心能力拆解三个让节点高级感拉满的特性入门之后有三个特性最值得花时间吃透。✅ 精细的参数配置界面仿佛为你量身定做节点的输入远不止类型加默认值这么简单。数字参数可以设置最小值、最大值、步长还能用display_mode在滑块与数字框之间切换字符串开启multiline就变成多行文本Combo类型则直接生成下拉选择。以下截图来自 comfy/comfy_types/examples/input_options.png 对应的类型定义示例可以看到从default、min、max到lazy、placeholder的全套选项常用输入类型对应关系如下方便你按需选用输入类型界面呈现典型场景io.Int.Input带范围的数字框/滑块采样步数、批次数量io.Float.Input滑块强度、比例、权重io.String.Input单行或多行文本框提示词、文件路径io.Combo.Input下拉选择枚举选项io.Image.Input图像连接口图像处理类节点 惰性求值不为用不上的参数付计算成本当节点有多个可选参数、但某些场景根本用不上时惰性求值就派上了用场被标记为lazyTrue的参数只有在check_lazy_status点名要求时才真正求值。官方示例里打印到屏幕开关关闭时字符串与数字参数就不会被读取从而跳过不必要的计算。对运行大模型的工作流来说这能明显压缩无效开销。 插件不止是节点前端扩展与自定义路由插件的边界远不止一个处理函数。WEB_DIRECTORY可以指向一个 JS 目录里面的脚本会被前端自动加载用来定制界面交互PromptServer.instance.routes可以注册自定义 HTTP 接口让节点与外部服务直接通信。也就是说从界面到 API整条链路都在你的掌控范围内。避坑指南新手最易踩的 4 个坑用错误做法 → 正确做法的对照形式帮你少走弯路。坑 1节点怎么都搜不到错误做法把节点类写在任意目录的文件里甚至直接改了官方源码。 正确做法自定义代码必须放在 custom_nodes/ 目录下、以.py结尾并通过comfy_entrypoint正确注册。改官方源码的代价是每次更新都会被覆盖。坑 2参数设置了却完全不生效错误做法只写io.Int.Input(count)期望界面自动给出合理的上下限。 正确做法确认类型匹配——数字用Int/Float枚举用Combo并把默认值、范围、步长在定义里显式写清楚。坑 3参数变了节点却不重新执行错误做法以为节点会自动感知所有输入并重算。 正确做法默认输入变化即触发重算但若节点依赖文件内容、外部状态等隐藏输入需要通过fingerprint_inputs返回指纹比如文件哈希提示系统该重跑了。坑 4一上来就想写大而全的节点错误做法试图一次实现图像处理 API 调用 前端界面。 正确做法从单一输入、单一输出、无状态的小节点起步跑通后再逐步叠加。先在 comfy_extras/ 里找结构最接近的官方节点照着改是最稳妥的路径。进阶路线从会用节点到造节点的四级台阶第一级 · 模仿第 1 周把 custom_nodes/example_node.py.example 逐行注释一遍改出 3 个输入类型不同的小节点体会定义驱动界面的思路。第二级 · 拆解第 2 周挑一个 comfy_extras/ 中你常用的节点通读它的参数定义与执行逻辑弄清数据是如何一步步流转的。第三级 · 集成第 3-4 周参考 comfy_api_nodes/ 的写法把某个第三方 AI 服务封装成可视化节点。这是技术含量与实用价值最高的方向。第四级 · 打磨长期研究惰性求值、批量处理与前端扩展为节点补上滑块、实时预览与错误提示。参数配置的完整语法与类型清单可直接查阅 comfy/comfy_types/ 下的定义和示例。写在最后ComfyUI 的魅力在于别人拼好的工作流只是起点你亲手造的节点才是终点。不必害怕从复制一个文件、改一行代码开始就好——你离第一个自定义节点只差打开那个 example 文件的距离。现在就去 custom_nodes/ 目录复制示例动手吧。【免费下载链接】ComfyUIThe most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface.项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 ComfyUI插件开发入门：10分钟从零写出第一个自定义节点
ComfyUI插件开发入门10分钟从零写出第一个自定义节点【免费下载链接】ComfyUIThe most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface.项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI把同一个操作在节点画布上重复排了七八遍、连线连到眼睛发花之后你多半会冒出和无数人一样的念头这段流程能不能打包成一个按钮答案是肯定的而入口正是ComfyUI插件开发。作为目前最强大、模块化程度最高的扩散模型图形界面ComfyUIthe most powerful and modular diffusion model GUI的特别之处在于它的节点界面不光是拿来用的更是拿来造的——把常用的操作封装成自定义节点从零到跑通往往只需要十几分钟。一张图看懂 ComfyUI为什么说它是能自己长零件的机器把 ComfyUI 的工作流想象成一条工厂流水线加载模型、输入提示词、采样、解码、保存每一步都是一个独立工位节点数据沿着工位之间的管线流动。与传统绘图工具开箱即用的思路不同ComfyUI 的核心优势是模块化你既能自由重组官方工位也能亲手造一个全新的工位这就是插件开发的价值所在。它适合三类人想让重复操作一键完成的工作流重度用户想把自研模型或第三方服务封装成可视化节点的开发者想借节点视角理解扩散模型内部流程的学习者官方把 80 多个现成节点放在 comfy_extras/ 目录里是现成的最佳教材而自定义节点统一放在 custom_nodes/ 目录下。下面这张图就是 ComfyUI 生成的示例图像可以直观感受它的出图能力最小闭环10分钟做出你的第一个自定义节点先走最短路径保证你在 10 分钟内看到自己的节点出现在面板上。第 1 步找到官方脚手架仓库里已经躺着一个现成示例custom_nodes/example_node.py.example。把它复制一份改名为my_first_node.py放进custom_nodes/目录。第 2 步给节点办一张身份证节点的核心使命是告诉 ComfyUI我要什么输入、产出什么输出。新版 API 用define_schema方法完成这件事classmethod def define_schema(cls) - io.Schema: return io.Schema( node_idMyFirstNode, display_name我的第一个节点, categoryMyNodes, inputs[io.Int.Input(times, min1, max100, default1)], outputs[io.String.Output()], )逐行解读io.Schema描述节点的整体结构node_id是节点在系统里的唯一标识inputs列出它接收的参数outputs声明输出的类型。ComfyUI 会依据这份定义自动生成界面控件——比如Int参数会自动变成带上下限的数字输入框。第 3 步写执行逻辑execute方法是节点真正干活的地方输入参数会按名字传进来你处理后返回io.NodeOutput(...)交给下游节点。第 4 步把节点装进盒子注册给系统ComfyUI 需要通过入口函数认识你的节点class MyFirstExtension(ComfyExtension): async def get_node_list(self): return [MyFirstNode] async def comfy_entrypoint(): return MyFirstExtension()comfy_entrypoint是插件加载的入口ComfyUI 启动时会自动调用它。第 5 步启动验证在仓库根目录运行python main.py待浏览器打开界面后在新增节点里搜索你的display_name拖入画布、连上验证节点、点击执行。看到自己写的节点出现在面板里的瞬间正反馈就到账了。核心能力拆解三个让节点高级感拉满的特性入门之后有三个特性最值得花时间吃透。✅ 精细的参数配置界面仿佛为你量身定做节点的输入远不止类型加默认值这么简单。数字参数可以设置最小值、最大值、步长还能用display_mode在滑块与数字框之间切换字符串开启multiline就变成多行文本Combo类型则直接生成下拉选择。以下截图来自 comfy/comfy_types/examples/input_options.png 对应的类型定义示例可以看到从default、min、max到lazy、placeholder的全套选项常用输入类型对应关系如下方便你按需选用输入类型界面呈现典型场景io.Int.Input带范围的数字框/滑块采样步数、批次数量io.Float.Input滑块强度、比例、权重io.String.Input单行或多行文本框提示词、文件路径io.Combo.Input下拉选择枚举选项io.Image.Input图像连接口图像处理类节点 惰性求值不为用不上的参数付计算成本当节点有多个可选参数、但某些场景根本用不上时惰性求值就派上了用场被标记为lazyTrue的参数只有在check_lazy_status点名要求时才真正求值。官方示例里打印到屏幕开关关闭时字符串与数字参数就不会被读取从而跳过不必要的计算。对运行大模型的工作流来说这能明显压缩无效开销。 插件不止是节点前端扩展与自定义路由插件的边界远不止一个处理函数。WEB_DIRECTORY可以指向一个 JS 目录里面的脚本会被前端自动加载用来定制界面交互PromptServer.instance.routes可以注册自定义 HTTP 接口让节点与外部服务直接通信。也就是说从界面到 API整条链路都在你的掌控范围内。避坑指南新手最易踩的 4 个坑用错误做法 → 正确做法的对照形式帮你少走弯路。坑 1节点怎么都搜不到错误做法把节点类写在任意目录的文件里甚至直接改了官方源码。 正确做法自定义代码必须放在 custom_nodes/ 目录下、以.py结尾并通过comfy_entrypoint正确注册。改官方源码的代价是每次更新都会被覆盖。坑 2参数设置了却完全不生效错误做法只写io.Int.Input(count)期望界面自动给出合理的上下限。 正确做法确认类型匹配——数字用Int/Float枚举用Combo并把默认值、范围、步长在定义里显式写清楚。坑 3参数变了节点却不重新执行错误做法以为节点会自动感知所有输入并重算。 正确做法默认输入变化即触发重算但若节点依赖文件内容、外部状态等隐藏输入需要通过fingerprint_inputs返回指纹比如文件哈希提示系统该重跑了。坑 4一上来就想写大而全的节点错误做法试图一次实现图像处理 API 调用 前端界面。 正确做法从单一输入、单一输出、无状态的小节点起步跑通后再逐步叠加。先在 comfy_extras/ 里找结构最接近的官方节点照着改是最稳妥的路径。进阶路线从会用节点到造节点的四级台阶第一级 · 模仿第 1 周把 custom_nodes/example_node.py.example 逐行注释一遍改出 3 个输入类型不同的小节点体会定义驱动界面的思路。第二级 · 拆解第 2 周挑一个 comfy_extras/ 中你常用的节点通读它的参数定义与执行逻辑弄清数据是如何一步步流转的。第三级 · 集成第 3-4 周参考 comfy_api_nodes/ 的写法把某个第三方 AI 服务封装成可视化节点。这是技术含量与实用价值最高的方向。第四级 · 打磨长期研究惰性求值、批量处理与前端扩展为节点补上滑块、实时预览与错误提示。参数配置的完整语法与类型清单可直接查阅 comfy/comfy_types/ 下的定义和示例。写在最后ComfyUI 的魅力在于别人拼好的工作流只是起点你亲手造的节点才是终点。不必害怕从复制一个文件、改一行代码开始就好——你离第一个自定义节点只差打开那个 example 文件的距离。现在就去 custom_nodes/ 目录复制示例动手吧。【免费下载链接】ComfyUIThe most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface.项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考