ComfyUI Copilot
在 ComfyUI 中生成、调试、改写并调优图像工作流。
README说明工作流导入需点击 Accept，并为模型下载提供提示，体现了部分用户确认；也披露 Agent 功能需要 API Key 和 Base URL。然而，材料没有权限边界或最小权限设计，反而建议以 sudo 运行 ComfyUI；未完整说明工作流、画布内容、邮箱、密钥或提示词会发往何处、保存多久及由谁处理。密钥仅有录入和保存说明，没有存储、脱敏、轮换或日志保护细节。依赖没有锁定哈希、审计或自动安全更新证明，并包含多个无上限依赖。修改画布、批量执行和模型下载等外部效果虽有界面触发，但缺乏逐项确认、影响预览及安全边界。回退仅有清空上下文、删除/重装等粗略操作，没有工作流变更撤销或恢复方案。README、许可证和联系邮箱提供部分归属线索，但对象仓库标为 ATH-MaaS，文件链接、工作流所有者和版权主体却是 AIDC-AI，且发布者身份未经验证，因此来源归属只能给部分分。
README、pyproject 和发布工作流共同描述同一 ComfyUI 自定义节点，但存在版本不一致（README 2.0.0、pyproject 2.0.28）、“API 服务已暂停”与部分功能“仍完全可用”的表述张力，以及对象仓库与源码内仓库身份不一致，故自洽性有限。依赖清单和安装方式较明确，但大量依赖没有上限或锁文件，外部 API 已暂停，Manager 安装还被明确称为容易出错。故障指导覆盖更新错误、缺失模型、长上下文中断和日志提交流程，但主要是重装、清空上下文或截图报错，缺少结构化错误分类和恢复保证。
材料清楚覆盖初学者和 ComfyUI 工作流开发者的生成、调试、改写、参数调优、节点及模型推荐场景，受众与情境充分。它明确提示新模型知识截止、上下文长度、工作流必须可运行以及部分服务暂停等边界，但没有系统列出不支持的工作流、模型提供商差异或危险操作边界。按钮、自然语言示例和选中节点等触发方式较具体，不过对意图歧义和误触发控制说明有限。Python 3.10+、Windows 命令、ComfyUI Manager、OpenAI/LMStudio、自定义 API Key/Base URL均有说明，环境适配较好；但 sudo 建议、Manager 易出错和缺少兼容版本矩阵限制了满分。
README按介绍、功能、安装、激活、配置、贡献、联系和许可证组织，配有大量图示，但服务暂停通知与后续功能描述并未完全协调。安装同时覆盖 git、Windows 和 Manager，步骤实用；不过没有虚拟环境、精确兼容版本或最小权限建议。名称在产品文件中大致稳定，但对象仓库 ATH-MaaS 与文件中的 AIDC-AI 地址不同，版本号也不一致。示例覆盖主要任务和常见问题处理，但没有独立 FAQ 或系统化故障表。已明确记录新模型、上下文长度、Manager 和服务可用性限制。MIT 全文、pyproject 元数据与 README 一致，许可证可得满分。只有一次“Major Update”和持续更新声明，没有正式 changelog、发布历史或迁移说明。邮箱、社区渠道、贡献入口和受所有者约束的发布工作流体现维护路径，但 PublisherId 与多个主体之间的关系未解释。
README展示了一键导入、调试建议、工作流改写、批量参数比较及节点/模型推荐等可直接用于 ComfyUI 的输出形态，实用性较强；但没有代码片段、测试或静态样例证明输出格式、验证规则和错误修复质量。相较手工搭建工作流，覆盖全生命周期具有明显潜在增益，不过主要由营销性陈述和演示图支持。成本方面支持自带 OpenAI/LMStudio 配置，但未说明令牌消耗、调用频率、批量生成的算力成本、数据传输代价或资源上限，且外部服务变化增加维护成本，因此仅薄弱覆盖。
主要能力声明可追溯到 README 的功能说明和演示资源，安装、版本、许可证及发布路径也有对应文件，但缺少实现代码、测试和可检查的输出样例，无法从所给材料核验大多数能力细节。README、pyproject、LICENSE 和发布工作流对名称、许可及发布机制形成部分交叉印证；版本、仓库主体和服务状态则存在不一致。文档确实将若干限制标为 Note 或通知，但“高质量”“精确识别”“完全可用”等结论没有与可验证事实或测量结果分开，事实与推断的区分较弱。
- 不要按 README 的建议以 sudo 运行 ComfyUI；在隔离环境中以普通用户安装，并先审查节点所需的文件、网络和执行权限。
- 在提交工作流、画布内容、邮箱或密钥前，先确认所配置 Base URL 的运营方、数据保留政策和日志处理方式；源码材料没有交代这些数据流。
- 依赖未锁定且多个包没有上限；部署前生成锁文件、执行漏洞扫描，并核对 sqlalchemy<2.0、urllib3<2.0 等旧版本约束的安全影响。
- 先备份 ComfyUI 工作流和配置，再使用自动改写、批量执行或模型下载功能；材料未提供可靠的撤销或恢复流程。
- 核实 ATH-MaaS、AIDC-AI、Alibaba 品牌、PublisherId yx9966 与注册表发布者之间的关系，并确认所评 revision 的真实维护和更新渠道。
- API 服务暂停通知与部分功能描述存在冲突；在依赖该工具前逐项确认当前可用能力及自带模型配置要求。
这个 Agent 能做什么，适合哪些场景？
ComfyUI Copilot 是安装在 ComfyUI custom_nodes 目录中的智能助手，面向生成式图像工作流的开发与迭代。它通过 ComfyUI 左侧面板启动，并在对话界面中处理工作流生成、错误分析、结构改写、节点查询及模型推荐等任务。v2.0 还提供 Debug、Model Download 和 GenLab 等界面能力，可检查画布上的连接与参数、查找缺失模型，并批量执行参数组合以生成可视化对比结果。模型配置可将聊天模型和工作流生成模型分别连接到 OpenAI 或 LMStudio，也允许填写自有 API Key 与 Base URL。该项目的部署边界是本地 ComfyUI 环境，并非独立聊天应用；公告同时指出托管 API 已暂停，节点信息查询、任务推荐和工作流生成等服务将不再提供，因此采用前应核实目标功能在自有模型配置下是否可用。
用户在输入框描述目标后，Copilot 可从工作流库返回 3 个高质量工作流，并返回 1 个 AI 生成工作流，供用户一键导入 ComfyUI。Debug 会读取当前画布中的工作流，分析参数错误和连接错误，给出修复或优化建议；识别到缺失模型时会提示下载，也可通过 Model Download 按关键词选择推荐模型。用户还可以要求它向当前画布添加节点、修改参数或调整工作流结构，并通过 Clear Context 控制长对话的上下文长度。GenLab 接收参数范围，批量运行不同参数组合并产出可视化比较结果，但前提是当前工作流已经能够正常执行。其余文档化操作包括节点推荐、节点输入输出与用法查询、下游子图推荐，以及基础模型和 LoRA 推荐。
- 刚开始使用 ComfyUI 的创作者，希望用自然语言获得可直接导入的首版图像工作流。
- 正在排查画布报错的工作流作者，需要定位参数错误、节点连接错误或缺失模型。
- 已有可运行工作流的视觉实验人员，希望通过 GenLab 批量比较参数组合并选择更合适的配置。
- 需要迭代现有流程的高级用户，希望通过描述来添加节点、修改参数或重构连接逻辑。
- 不熟悉特定 ComfyUI 节点的用户，需要查看节点说明、参数定义、输入输出和下游子图建议。
- 寻找基础模型或 LoRA 的图像创作者，希望根据文字需求获得模型推荐。
这个 Agent 有哪些优点和局限？
- 覆盖从首版生成、调试、改写到参数调优的工作流生命周期，并直接操作 ComfyUI 画布。
- Debug 不只报告问题，还能检查参数和连接，并在发现缺失模型时衔接下载提示。
- GenLab 能批量执行参数组合并给出可视化对比，适合系统化调优可运行工作流。
- 聊天模型与工作流生成模型可以分别配置，并明确支持 OpenAI 和 LMStudio。
- 核心运行环境绑定 ComfyUI，需要已有 ComfyUI、Python 3.10+、依赖安装及 custom_nodes 文件系统访问。
- 公告称托管 API 已暂停，用户必须自行提供 API Key 和 Base URL；节点信息查询、任务推荐和工作流生成也被列为即将停止的功能。
- README 提醒 2025 年 5 月之后的新模型（例如 wan2.2）可能无法被模型正确理解，导致工作流改写中断。
- 复杂改写会携带大量上下文，用户需要经常使用 Clear Context 控制对话长度，否则流程容易中断。
- ComfyUI Manager 安装方式被文档明确描述为容易出现问题，可能需要删除后重装或通过错误日志排查。
- 给定源仓库名称与 README 中的 AIDC-AI 仓库地址不一致，采用前需要确认应跟踪的实际上游仓库。
如何安装或部署这个 Agent？
要求 Python 3.10+ 和现有 ComfyUI。推荐在 ComfyUI 的 custom_nodes 目录中执行：
cd ComfyUI/custom_nodes
git clone https://github.com/AIDC-AI/ComfyUI-Copilot
cd ComfyUI-Copilot
pip install -r requirements.txtWindows 嵌入式 Python 用户可在相应项目位置执行：
python_embeded\python.exe -m pip install -r ComfyUI\custom_nodes\ComfyUI-Copilot\requirements.txt也可以打开 ComfyUI Manager，进入 Custom Nodes Manager，搜索 ComfyUI-Copilot 并安装，但文档称 Manager 方式更容易出现问题，建议优先使用 Git。需要注意：用户提供的源仓库标识为 ATH-MaaS/ComfyUI-Copilot，而 README 中给出的克隆命令和项目链接是 AIDC-AI/ComfyUI-Copilot。
如何使用这个 Agent？
启动 ComfyUI 后，在左侧面板找到 Copilot 激活按钮并启动服务。进入设置，将聊天模型与工作流生成模型分别配置为 OpenAI 或 LMStudio；由于托管 API 已暂停，Agent 相关能力需要填写自己的 API Key 和 Base URL。首次尝试可在输入框中输入“I want a workflow for xxx.”，然后从返回结果中选择工作流并点击 Accept 导入画布。导入后可点击输入框右上角的 Debug 检查当前工作流；如需改写，可输入“Help me add xxx to the current canvas.”。批量调参时切换到 GenLab，设置参数范围并运行，但必须先确保工作流可以正常执行。