核心用法
ComfyUI Workflow Skill 是一个面向 ComfyUI 的通用工作流执行器，通过 Python 脚本与 ComfyUI API 交互，实现文生图、图生图、视频生成等 33+ 种工作流的自动化运行。
关键特性：
- 自描述工作流：使用
--inspect自动解析任意工作流的输入输出节点，无需手动阅读 JSON - 多环境支持：本地 ComfyUI、Windows Portable（通过 WSL）或远程服务器均可连接
- 丰富的输入接口：支持文本提示、负向提示、图像/音频/视频输入、分辨率、采样步数、CFG、种子等参数
- 高级覆盖能力：通过
--override直接修改任意节点的输入值 - 队列管理：支持提交到队列异步执行、状态查询
使用流程：启动 ComfyUI → 配置 COMFY_HOST → --list 列出工作流 → --inspect 查看输入要求 → 执行生成 → 收集输出
显著优点
1. 自动化程度高：将复杂的 LiteGraph→API 转换、子图展开、旁路解析等内部逻辑封装完毕
2. 灵活性强：支持 YAML/JSON 配置文件、环境变量、CLI 参数多层级配置
3. 知识缓存机制：通过 MODELS_INVENTORY.md 和 WORKFLOWS_SUMMARY.md 缓存用户实际环境，避免重复 discovery
4. 生产级稳定：明确声明脚本已 production-validated，禁止修改以确保兼容性
潜在缺点与局限性
1. 环境配置门槛高：需用户自行安装 Python 3.10+、依赖包、启动 ComfyUI 服务器、配置模型路径，无法一键使用
2. 依赖外部服务：必须预先运行 ComfyUI，无内置服务器能力
3. 学习曲线陡峭：需理解 ComfyUI 的节点式工作流概念、模型文件管理、GPU 显存限制
4. 缺乏错误兜底：GPU OOM 等硬件问题需用户自行调整分辨率/步数
5. 认证复杂性：若 ComfyUI 开启认证，需手动获取 token
适合人群
- 已本地部署 ComfyUI 的进阶 AI 用户
- 需要批量自动化处理图像/视频生成的创作者
- 熟悉 Python 环境配置的技术用户
- 有自定义工作流需求（
--override高级用法）的开发者
不适合：无 ComfyUI 使用经验、期望开箱即用的初学者
常规风险
| 风险类型 | 说明 |
|---------|------|
| 环境依赖风险 | ComfyUI 未启动或配置错误时所有命令失败 |
| 资源消耗风险 | 高分辨率/高步数生成易导致 GPU OOM |
| 模型管理风险 | 需自行维护模型文件路径与版本兼容性 |
| 安全认证风险 | Token 配置不当可能导致认证失败 |
| 误用风险 | 修改 `comfy_run.py` 或 `comfy_api.py` 会破坏全部工作流 |