Loom 织造所

本地 AI 出图工作台：图片仓库 · 模型资产 · 参考图库 · 无限画布

项目仓库 github.com/Atom-kkk/loom-vault · 作者 @Atom-kkk · MIT 许可

第一次用？先看《小白图文教程》。 从「下载压缩包」讲到「第一张图进图库」，每步都有截图，不需要任何前置知识。

本地优先的 AI 出图工作台。把你自己用大模型生成的图集中存起来，连同模型、LoRA、工作流、提示词、生成参数一起管理。数据全部留在本机浏览器，不上传任何服务器。联网只发生在你主动触发的场景：调用自己配置的 AI 接口、访问本地 ComfyUI，以及打开参考图时按需下载高清原图（下载后会缓存到本机）。

零依赖、零构建：纯 HTML + CSS + 原生 JS + IndexedDB，不需要 npm install。配色沿用 AI-Face-Resource-Library 的暖纸体系：米白纸面 #f6f3ee / #fffdf9、墨色 #1d1b19、玫瑰点缀 #c08a7d，标题用衬线、正文用无衬线；深色是同一套的暖黑反转（#141311 / #1d1c1a / #efe9e1），右上角保留一点玫瑰色晕光。

侧栏右缘的小箭头可以把它收成 62px 图标栏，给画布腾出空间；状态保存在本机，重开不会弹回去。悬停图标仍能看见栏目名。

界面一览



图库：拖入即存，自动解析内嵌参数	点开一张图：提示词版本链、参数档案、送去画布

输出节点：尺寸 / 张数 / 生成，状态行带已用与预计	加参考图：六个内置库 + 我的图库 + 本地文件，可多选

本地配置：引擎安装 / 目录 / 启动，模型路径也在这	资源监控：队列、显存、内存、CPU、版本

更多截图（参考图库、提示词组合台、云端模型、设置页、遮罩编辑器等 24 张）在 docs/screenshots/，全部由 scripts/make_shots.mjs 从当前版本的真实界面自动截取。

快速开始

git clone git@github.com:Atom-kkk/loom-vault.git
cd loom-vault
python3 serve.py                # 启动（或双击 start.command / start.bat）

只想看图库 / 提示词库 / 参考库，到这里就够用了。要画布出图，在「设置 → ComfyUI」里点「下载并安装」，或者用命令行脚本 scripts/setup-engine.sh（Windows 用 scripts\setup-engine.bat）。首次下载几个 GB，约 10~30 分钟。

Mac / Linux：双击 start.command Windows：双击 start.bat 手动：python3 serve.py（默认 8787，自动开浏览器）

一键装 ComfyUI（图形界面，推荐）

「设置 → ComfyUI」顶部有一块 「还没有 ComfyUI？让 Loom 自己装」：

安装位置可以自己选：点「选择目录…」会弹出系统原生文件夹选择框（Windows 是 FolderBrowserDialog，macOS 是 Finder 选择框），可以直接装到 D:\AI\ComfyUI 这类盘符，不再受项目目录限制。
全程自动：下载 ComfyUI 源码 → 建独立 venv（不碰系统 Python）→ 装 PyTorch → 装 ComfyUI 依赖 → 写入 .engine.json，装完上面「引擎目录」自动填好，直接点「启动引擎」。
看得见进度：六个步骤实时高亮，pip 下载百分比实时滚动，失败会显示真实报错而不是「连接被拒」。
可中断可续装：点「终止」只杀当前步骤，已下好的源码、环境、pip 缓存都保留，再点一次接着来。
PyTorch 版本可选：自动判断（macOS 走 MPS；RTX 50 系自动装 CUDA 12.8，其他 NVIDIA 卡走 CUDA 12.6；否则 CPU），也可手动指定 CPU / CUDA 12.4 / 12.6 / 12.8。50 系（Blackwell / sm_120）必须用 CUDA 12.8，装成 12.4/12.6 会报 CUDA error: no kernel image is available for execution on the device；装过旧版本的话，再点一次「下载并安装」会自动重装成 cu128。
Python 版本自动处理：ComfyUI 要求 Python 3.10+（源码里大量 X | None）。装引擎会自动挑一个 3.10+ 解释器建独立环境；macOS 自带的是 3.9，检测到不够新且装了 Homebrew 时，自动 brew install python@3.12 再继续。已有的旧 3.9 环境会改名成 venv-old 留档后重建，不会再卡在 TypeError: unsupported operand type(s) for | 上。
子进程环境隔离：建环境和起引擎时都会剥掉宿主机的 PYTHONPATH / PYTHONHOME，避免新环境误加载外部的 sitecustomize（表现为启动后无声卡死）。
国内网络友好：pip 默认走清华镜像；镜像缺包（新发布的大包常常滞后）会自动退回官方 PyPI 重试，不用你手动改源。源码获取先试 git clone，超时或失败自动改用 codeload 压缩包。

装出来的目录结构：

你选的目录/
├── ComfyUI/      源码（含 main.py）
└── venv/         独立 Python 环境（Windows 在 venv\Scripts\python.exe）

必须通过 http://127.0.0.1:xxxx 访问，不能双击 index.html。浏览器禁止 file:// 页面使用 IndexedDB，直接打开会提示「数据库打不开」。这是浏览器的安全策略，不是应用的问题。

六个参考图库的 8131 张缩略图（约 117 MB）已随仓库分发，克隆下来就能直接用。想换源重拉或补齐缺失文件：新增三库用 python3 scripts/fetch_libraries.py，原三库用 python3 scripts/fetch_reference.py（国内网络如果卡在 cdn/fastly 节点，用 python3 scripts/fetch_reference_gcore.py——固定走 gcore.jsdelivr.net，绕过系统代理，快得多）。

想先看看效果：把 demo/ 里的三张图拖进窗口，其中两张带内嵌参数（A1111 与 ComfyUI），会自动解析出提示词、种子、步数、LoRA。

本地出图（无限画布 + ComfyUI 引擎）

画布的「输出」节点能把提示词和参考图写成工作流，交给本地 ComfyUI 出图。Loom 会自动拉起 / 复用本地引擎，你不用手动开 ComfyUI：

设置 → ComfyUI → 下载并安装（或命令行 scripts/setup-engine）：自动装好 ComfyUI 引擎（含独立 Python 环境 + PyTorch），并写进配置。装完点「启动引擎」。
模型目录自动识别（一般不用手填）：打开「管理 → 本地配置」，Loom 会自动扫描并填好六类目录（底模 / 扩散模型 / CLIP / 文本编码器 / VAE / LoRA），每项标「自动识别」并显示找到几个模型、还有几个正在下载。 默认就是 ComfyUI 自带的 models/ —— 多数人的模型就放在这里，而且 ComfyUI 本身只认这里，放别处还得写配置挂载，多一层就多一个出错点。扫描位置按优先级：ComfyUI/models → <安装根>/models → ~/ComfyUI/models → ~/ComfyUI-Shared/models，同一类型取「有内容的、模型多的」那个（同分时取靠前的）。启动引擎时会把这些目录自动写进 extra_model_paths.yaml（只写 ComfyUI 目录之外的，避免模型列表重复），换/升级 ComfyUI 都不会丢模型。想手动指定别的目录，直接改输入框再点「保存路径」，会重启引擎使其生效。
导入工作流（或从「简易节点包」拿一个）→ 写提示词 → 点「生成」，Loom 自动拉起引擎出图。

首次冷启动引擎 + 加载大模型可能需要 30~90 秒，画布上会显示「启动引擎中…」。

换模型不用重传工作流：「工作流」页每张卡片上点「切换模型」，可以改主模型 / CLIP / VAE / 每个 LoRA 及其强度，候选来自引擎里真实可用的模型；保存后画布上绑定的同一个工作流下次生成就用新模型。
seed = -1 表示每次随机：提交给引擎前 Loom 会替换成随机整数，不需要额外装「随机种子」插件（旧版内置工作流依赖 rgthree，已去掉）。

模型文件本身不在本仓库（太大），需自行下载 .safetensors 放进对应目录。 16 GB 内存的 Mac 建议用 fp8 量化的文本编码器（如 qwen3vl_4b_fp8_scaled，5.2 GB），bf16 版 8.8 GB 会大量走内存交换，出图很慢。

硬件配置参考

本地出图（ComfyUI 引擎）对硬件要求随模型档位拉开差距，按预算对号入座。统一用 fp8 量化文本编码器时，下列配置均可跑 Qwen-Image 2.1 / MOSS-Image 全流程：

档位	Windows	Mac	适合
入门	8G 显存 · 32G 内存	M4 16G	跑得动，出一张图要等
基础	16G 显存 · 64G 内存	M5 Pro 48G	日常使用流畅
推荐	32G 显存 · 96G 内存	M5 Max 128G	多图参考编辑无压力
旗舰	96G 显存 · 256G 内存	M5 Ultra 512G	批量出图 / 商用产能

显卡推荐（40 系 / 50 系）

8G 显存：4060 / 4060Ti / 5060 等尽可能选显存大的
16G 显存：5060Ti 16G（速度较慢）· 5070Ti 16G · 5080 16G · 4090 24G 等
32G 显存：5090 · 4090 48G 魔改
96G 显存：RTX PRO 6000

如遇到软件 bug，请及时反馈：

邮箱：517298997@qq.com
QQ：19744249（添加请备注来源）

云端出图（不装 ComfyUI 也能画）

没有好显卡、或不想下载几个 GB 的模型？在云端模型页配上云端 API，画布的输出节点就能直接调云端出图，和本地工作流混用：

首次启动自动铺好主流厂商预设（接口地址、模型名、调用形态都配好了，只差你填 API Key，2026.11 阵容）：
- OpenAI：GPT-Image 2.5（Sunburst / Flare）
- 智谱：GLM-Image
- 阿里云：Wan2.7-Image Pro（通义万相，生成与编辑）
- 火山引擎（即梦）：Seedream 5.0 Pro / Flash
- Google：Nano Banana 2.1（Gemini，支持参考图编辑）
- Black Forest Labs：FLUX 3 Image Klein（另有 FLUX.2 Pro）
- SiliconFlow：Kolors 2.1
点卡片「编辑」填上 Key（只存本机），「测试连接」验一下配置。
调用形态：绝大多数中转站走 images（/v1/images/generations）；少数把生图模型包成对话接口的走 chat（从回复里抠图片链接）。不确定就先试 images，报「返回里没有图片链接」再换 chat。中转站：点「添加模型」→ 选「OpenAI 兼容（中转站）」预设，填中转站地址（带 /v1）、Key 和它要求的模型名。
画布 → 输出节点 → 点中间那行，绑定出图方式改成云端模型，写提示词点「生成」即可；结果照常入图库、自动关联模型。
参考图：目前 GPT Image 系（走 /images/edits）和 chat 形态支持图生图，其余云端模型会提示忽略参考图。
直连被 CORS 挡住时自动回落到本地服务转发（开着 serve.py 或桌面版即可），Key 始终只存在本机。这一页只显示云端 API 模型 —— 本地基座不单独建卡，文件名显示在「本地部署工作流」的卡片上。

云端按量计费，出一张图花一次钱 —— 种类和价格以各厂商控制台为准。

在线体验（纯静态托管）

👉 在线直接打开：https://atom-kkk.github.io/loom-vault/ 不用装任何东西，界面、图库、参考图库、画布编辑都能直接点。

前端全部是静态文件，可以直接扔到 GitHub Pages / Vercel / 任意静态空间：界面、图库、三个参考图库、提示词、画布编辑全部可用，数据依然只存在你自己的浏览器里。

没有 serve.py 时，能力是这么分布的：

能力	静态托管	本地 `serve.py`
图库 / 参考图库 / 提示词 / 画布编辑	✅	✅
出图（本机 ComfyUI 已开的情况下）	✅ 直连 `127.0.0.1:8188`	✅ 还能自动拉起
云端出图（云端模型页配好 API）	✅ 浏览器直连，被 CORS 挡住时回落本地服务代理	✅ 同左
一键安装 / 启动 / 重启引擎、模型目录	❌ 需要本机文件系统	✅
资源面板的 CPU / 进程内存 / GPU 利用率	❌ 读不到本机进程	✅

为什么静态页也能出图：ensureEngine() 先问 serve.py；问不到就直接探 ComfyUI 的地址。 Loom 启动引擎时默认带 --enable-cors-header，所以浏览器能跨域访问它。「本地配置」页在无后端时会换成一条说明，并只保留「服务地址 / 测试连接 / 保存地址」这三个真能用的控件。

⚠️ 两点现实限制：

浏览器策略在收紧：HTTPS 页面请求 http://127.0.0.1 目前被 Chrome / Safari 放行（127.0.0.1 属于「可信来源」），但 Chrome 正在推「本地网络访问」（Private Network Access）许可，将来可能弹权限框甚至直接拦。
安全：ComfyUI 开着 Access-Control-Allow-Origin: * 且没有鉴权，意味着任何网页都能往你的队列里塞任务。不想承担这个风险就别用在线版出图，或者在 ComfyUI 前面加一层带鉴权的反代。

桌面版（macOS / Windows）

不想开终端、不想记端口，就用桌面版：双击图标，窗口里就是完整界面。

获取方式

打开仓库的 Actions → Build desktop apps → 最近一次运行，在页面底部 Artifacts 里下载 Loom-macOS（dmg / zip，arm64 与 x64 各一份）或 Loom-Windows（NSIS 安装包 + 免安装 exe）
想自己打：cd desktop && npm install && npm run dist:mac（或 dist:win）

系统要求

	要求
系统	macOS 11+ / Windows 10+
Python	3.10 或更新（桌面版靠它跑 `serve.py`；macOS 自带的 3.9 不够）
磁盘	约 350 MB（含 68 MB 参考图缩略图）

没装 Python 时，应用不会白屏，会开一个说明页并给出下载地址。

首次打开会被系统拦一下（因为没买代码签名证书）：

macOS：右键点图标 →「打开」→ 再点「打开」；之后就不拦了
Windows：SmartScreen 提示「已保护你的电脑」→ 点「更多信息」→「仍要运行」

它做了什么

找空闲端口
探测本机 Python（py -3 / python / python3，多个候选）
用 <Python> serve.py <端口> --no-open 起本地服务
端口通了才 loadURL，没通就显示日志片段而不是空白窗口
退出时把 serve.py 连同它拉起的 ComfyUI 一起收掉；被强杀留下的孤儿进程会在下次启动时按 pidfile 清理

网页资源会复制到用户目录（~/Library/Application Support/Loom/web 或 %APPDATA%\Loom\web），因为 macOS 的 .app 包内是只读的，而 serve.py 要往自己目录写 .engine.json。

内置更新：应用启动后每天静默检查一次 GitHub Releases（可手动「帮助 → 检查更新…」），发现新版一键下载并打开安装器；直连 GitHub 失败自动切镜像，进度显示在任务栏 / 程序坞上。

核心特性

🖼️ 图库：拖入即存，自动解析 A1111 / ComfyUI 内嵌的提示词、种子、步数、LoRA
🧩 无限画布：节点式连线，正向/负向提示词 + 参考图 → 输出，一键出图；自动拉起本地 ComfyUI 引擎
📐 出图尺寸随手改：卡片上直接调宽 × 高（图片与视频通用），带 1:1 / 3:2 / 16:9 / 竖屏等常用比例，自动吸附到 64 的倍数
⚡ 底栏三个按钮起一张图：提示词 / 参考图 / 出图，点两下加出图，连线自动接好
🖼️ 参考图库一键导入：服饰 / 人脸 / 姿势 / 动画服装 / 角色组装 / 姿势深度六个内置库，多选后成排铺到画布；工作流有 ref_image_xx 图位时自动连线，没有就不画假线并说明原因
📊 资源监控：顶栏常驻「运行中 / 排队 / 显存」，展开看显卡、内存、CPU、版本；生成节点上有已用时间与预计剩余
🎭 参考图库：内置 8100+ 张服饰 / 人脸 / 姿势 / 动画服装 / 角色组装 / depth 参考，按需加载高清原图
✍️ 提示词版本链：改一版存一版，永不覆盖，随时回退对比
🧩 模型：云端模型（API 出图）集中配置，内置主流厂商预设；本地基座不单独建卡，文件名显示在「本地部署工作流」卡片上
🔒 纯本地：零依赖、零构建、数据全在本机浏览器，不上传任何服务器

它解决什么问题

用 AI 出图的人通常有四个地方在漏东西：

图存得乱 —— 一堆 ComfyUI_00031_.png 散在下载文件夹，过两周完全想不起来哪张是用什么跑出来的。
参数丢了 —— 好图想复现，种子和提示词只存在聊天记录里。
提示词只有一版 —— 用 AI 改着改着把原始那版覆盖了，回头想对比早期版本找不回来。
本地部署资产散落 —— 模型哪天重装系统，checkpoint / LoRA / VAE 的下载链接、放置路径全得重新翻网页。

这个仓库把四件事收在一处：图 + 参数 + 提示词版本链 + 部署清单。

功能

图库

统一的 3:4 网格，最新优先；支持编号 / 提示词 / 标签 / 备注全文搜索
分类页签、收藏、四种排序（最新 / 最早 / 编号 / 随机）
筛选抽屉：模型 / 工作流 / 来源 / 只看有参考图，可叠加，按钮上显示生效条数　想回答「这套 LoRA 都出过什么」「用这个工作流跑过几批」这种问题，就是这里
点击进入灯箱：大图 + 右侧信息面板，← / → 翻页，Esc 关闭，手机可横向滑动
下载原图、编辑元数据（分类 / 模型 / 标签 / 备注 / 种子）、删除
一键复制提示词或完整参数快照

上传与自动解析

拖拽或选择文件即可入库，多选、批量统一设置分类与模型。上传时会读 PNG 里烧进去的生成参数：

来源	读取字段	解析内容
A1111 / Forge	`tEXt:parameters`	正向 / 负面提示词、Model、Sampler、Steps、CFG、Seed、Size、Denoise、Clip skip、Lora hashes
ComfyUI	`tEXt:prompt`（API JSON）	顺着 KSampler 的 positive/negative 连线取文本；ckpt 名、LoraLoader、seed、steps、cfg、sampler、EmptyLatentImage 尺寸
NovelAI	`tEXt:Comment`	prompt / uc / steps / scale / seed / sampler
其他	`iTXt`、`zTXt`（zlib 压缩）	键值对原样保留

PNG 的 tEXt / iTXt / zTXt 三种文本块都支持，压缩块用 DecompressionStream 解 zlib。识别到的模型名会和云端模型做模糊匹配，匹配上就直接挂好关联。

提示词版本链（不覆盖）

每张图的提示词是一串只追加的版本，不是一段可被覆盖的文本：

手动编辑 → 新增一版（标记「编辑」）
AI 生成 → 新增一版（标记「AI」）
导入解析出的原始提示词 → 第 1 版（标记来源，如「A1111 / Forge」）

版本列表显示编号、来源、时间、字数，可随时设为当前、复制、删除某一版。当前生效的那一版决定卡片上显示的提示词与搜索命中的内容，历史版本原样保留。

AI 生成：服务商 + 智能体两层

不做「只能填一个接口」的设计，拆成两层：

服务商（Provider）= 一个接口端点，可以同时挂很多个，谁便宜谁快用谁：

类型	默认地址	需要 Key
DeepSeek	`https://api.deepseek.com`	是
智谱 GLM	`https://open.bigmodel.cn/api/paas/v4`	是（`glm-4v-plus` 支持看图）
本地 Ollama	`http://127.0.0.1:11434/v1`	否
本地 LM Studio	`http://127.0.0.1:1234/v1`	否
OpenAI	`https://api.openai.com/v1`	是
自定义	任意 OpenAI 兼容网关（vLLM / OneAPI / 自建）	看情况

选类型会自动填好地址和常用模型，也能一键「从服务商拉取模型列表」（本地 Ollama / LM Studio 直接列出你已下载的模型）。

智能体（Agent）= 服务商 + 模型 + 一套人设。人设就是系统提示词加温度，决定它怎么写：

内置智能体	行为
提示词工程师	结构化英文提示词：主体 → 细节 → 服装材质 → 姿态 → 镜头 → 光线 → 画质
极简派	只留影响最大的要素，40 词以内，不堆画质词
写实摄影	强制写机身焦段、光圈景深、现场光、胶片色彩科学
二次元绘师	danbooru 标签流，质量词前置，适配 SD / NAI
负面词专家	只写负面提示词，分组覆盖常见缺陷
中英转换	中文描述重排成英文提示词，不逐字直译

六个都能改，也能从零新建。想让某个智能体走本地模型，选个 Ollama 服务商就行。

生成时选智能体：灯箱里点「AI 再生成」，面板顶部一排智能体会出现，点谁就用谁写；会记住上次选的。九种生成方式：润色细化 · 同风格变体（一次出 3 条）· 扩写 · 换风格 · 中译英 · 按参数反推 · 精简 · 生成负面词 · 看图反推。

Key 以明文存在本机浏览器里，只在你点生成时发给对应服务商的地址。公共电脑上不要填。本地模型连不上时，先确认服务在跑，并且允许跨域：Ollama 用 OLLAMA_ORIGINS=* ollama serve，LM Studio 在 Server 设置里打开 CORS。

参考图库（内置六个）

把作者自己的六套开源素材库接了进来，合计 8131 张缩略图，全部随仓库分发，克隆下来断网也能翻：

库	数量	能做什么
服饰参考库	1407 张服装参考图 · 8 个分类	搜索编号/关键词（中英）、按分类筛、复制关键词、一键拼成品提示词、让智能体扩写成完整提示词
人脸参考库	1499 张（正面 893 + 造型 606）	按分区与发长筛、看原图尺寸、作为角色一致性参考
姿势参考库	1439 张人体姿势 · 4 体系 / 26 动作 / 5 视角	按体系·动作分类·视角三维交叉筛选、用作姿势参考、纳入提示词组合台
动画服装库	1320 套动画服装 · 8 类	纯服装不含人物，中英关键词搜索，2:3 画幅，可直接拼提示词
角色组装库	1027 张角色素材 · 发型/服装/姿势	Danbooru 标签检索、发色变体、姿势线稿切换，选部件拼角色提示词
姿势深度库	1439 张 depth 图 · 288 组 / 5 视角	按体系·动作·视角筛选，用作 ControlNet depth 参考，锁定空间姿态

缩略图本地、原图按需加载：打开参考图灯箱，或把参考图放进画布节点时，会先显示本地缩略图，再后台下载高清原图并替换。人脸原图约 1122×1402，服装原图约 1366×2048。下载过的原图缓存进 IndexedDB（最多 40 张），下次离线也能显示；设置页可以单独清理这份缓存。下载超时或失败会自动换备用 CDN，仍失败就保留缩略图。画布生成和「存入图库」也优先使用已下载的原图。

六个库都能：点开看大图（← / → 翻页）、下载、一键存入自己的图库（自动归到「参考图」分类并保留来源编号）、加入提示词组合台、跳回源站。缩略图全部随仓库分发；如果换源重拉或补齐缺失文件，运行 python3 scripts/fetch_libraries.py（幂等，已下载会自动跳过）。图片版权归原作者，详见下方「素材来源」。

提示词组合台

参考库里挑一张脸、一套衣服，直接拼成一条能出图的完整提示词：

portrait of a young woman, medium-long hair,
wearing cream blouse ribbon ivory mini skirt beige tights,
standing, natural pose, soft window light, 85mm lens,
shallow depth of field, photorealistic, fine skin detail, subtle film grain

左栏两个槽位：脸（取发长 / 分区）与服装（取关键词），各带「换一张 / 清除」
右栏是可编辑的拼接结果，按「人物 → 服装 → 姿态 → 光线镜头 → 画质」四段组成
AI 润色成片：把两边的信息交给当前智能体，重写成一条更自然、更连贯的提示词
一键复制

说明：这条提示词描述的是「长相的大致特征 + 服装款式」。想真正固定同一张脸，把选中的脸图作为参考图 / 图生图输入，比纯文字准得多。

组合会记进历史：复制或 AI 润色时自动留档（最多 40 条），底部「最近组合」里点一下就能还原当时的脸、服装和提示词，不用重新挑。

无限画布（接 ComfyUI）

一块自由摆放的布，把「提示词 → 生成 → 结果」连成一条线，直接跑本地 ComfyUI。

平移缩放：拖空白处平移，滚轮以光标为锚点缩放（20%–240%），适应窗口 一键框住全部节点
节点：画布里只有简易节点（提示词 + 负向 + 参考图 + 生成，写在自己卡片里）和从图库送进来的参考图；拖标题栏移动，Delete 删除，右下角手柄自由拉伸
连线：从节点右侧圆点拖到另一个节点左侧圆点（参考图连到简易节点做图生图）
多画布：顶部「画布」里新建 / 切换 / 重命名 / 删除，各自独立保存
撤销 / 重做：⌘Z / ⇧⌘Z（Windows 用 Ctrl），最多 60 步；拖节点、连边、改提示词、换图都能退回去
自动保存：改动 0.5 秒后写入 IndexedDB，关掉再开还在；图片按 blobId 存放，重开自动重新解析地址
中途可取消：生成时按钮下方出现「取消」，一按即 POST /interrupt + 清空排队；节点回到可生成状态，不会报成红色错误
刷新不丢任务：节点会记住引擎的任务编号（promptId），刷新 / 关掉标签再回来会自动接回正在跑的任务，跑完照常入库
「引擎出图」导入：顶栏按钮列出 ComfyUI output/ 里的图，单张或全部导入图库，PNG 内嵌参数照样解析
模型目录自动识别：「本地配置」打开即扫描并预填底模 / 扩散模型 / CLIP / 文本编码器 / VAE / LoRA 六类路径，启动引擎时自动写进 extra_model_paths.yaml
- 默认就是 ComfyUI 自带的 models/ —— 那是 ComfyUI 唯一认的目录，放这里最省事；安装目录旁的共享 models 只在自带目录空着时才顶上
- 同类型有多个候选时按「有内容 > 模型多 > 根目录靠前」打分，不会因为某个空目录排在前面就选错
出图尺寸随手改：输出节点上直接填宽 × 高，图片和视频同一套逻辑
资源监控：顶栏右侧一个胶囊常驻显示「运行中 1（排队 3）· 显存 94%」，点开是显卡 / 内存 / CPU / 版本 / 释放显存面板，详见下面「资源监控与预计时间」

出图尺寸（图片 / 视频通用）

工作流标了 width / height（或一个 size 顶两个）时，输出节点上会多出一行：

尺寸  [1216] × [832]  [3:2 ▾]

只有工作流声明了尺寸槽位才出现 —— 没标就别显示，改了也不会生效，不如不给假按钮
自动吸附 64 的倍数：ComfyUI 的 latent 按 8 对齐，这里统一按 64 取整（某些模型要求 64），输入 1000 会在失焦时变成 1024
范围 64 ~ 4096，超出夹回边界
预设比例：1:1 / 3:2 / 2:3 / 4:3 / 3:4 / 16:9 / 9:16，外加两个视频常用档（1280×704 / 704×1280）
视频工作流会多出一行「时长」（秒），和尺寸走同一套槽位协议
用户改过的值存在节点上（data.width / data.height），没改过就用工作流里原本的宽高 —— 不会因为 UI 没碰过就悄悄重置成 1024

底栏三个按钮：从零到出图只要点三下

画布左下角工具条上：图库 | 提示词参考图出图 | 撤销重做 | 适应 100%

提示词：放一个提示词节点。第一次给正向，再点一次自动给负向（缺哪个补哪个）
参考图：打开选图弹窗 —— 我的图库 / 服饰 / 人脸 / 姿势 / 本地文件，支持多选
出图：放输出节点，自动绑内置工作流，并把画布上还没连线的提示词统统接过来

新节点按类型自动排位：提示词往下叠、输出节点排在提示词右侧、参考图再排到输出节点右边并连好线。不用自己拉线，也不用担心节点盖在一起。

参考图库一键导入：

内置的六个库（1407 / 1499 / 1439 / 1320 / 1027 / 1439 条）在弹窗里直接可翻、可搜（编号前缀或关键词），选中的图点「放到画布」就成排变成参考图节点。工作流声明了 ref_image_xx 图位时才会自动接到输出节点；没有图位（内置的 KREA2 是纯文生图）就只放图、不连线，并明确告诉你原因 —— 画一根传不进去的线，比不画更误导。一次最多 60 张。

画布缩放现在用 zoom 而不是 transform

原来放大到 200% 以上，文字边缘会有明显灰晕（整层被栅格化再拉伸）。现在改成 CSS zoom：按缩放后的字号重新排版渲染，放多大都锐利。代价是缩放时要做一次布局计算，换来的是拖拽、滚轮锚点、框选、小地图这些全部照旧（实测锚点偏差 0.5px）。

资源监控与预计时间

顶栏右侧常驻一枚胶囊，一眼看出机器还撑不撑得住：

● 运行中 1（排队 3）· 显存 94%

点开是完整面板：

块	显示什么	数据来源
任务队列	运行中 / 排队中数量，本任务已用时间	`GET /queue`
显卡	型号、GPU 负载、显存占用条	`/system_stats` + `nvidia-smi`
系统内存	RAM 占用条、CPU 占用与核数	`serve.py` 新增的 `/engine/sys`
版本	ComfyUI / PyTorch 版本、引擎进程内存与运行时长	同上
卸载模型	一键 `POST /free`（`unload_models` + `free_memory`），跑完大模型腾地方	ComfyUI 原生接口

进度条颜色跟着危险程度走：正常为灰，≥80% 转黄，≥92% 转红。拿不到的数据显示 — 而不是 0%——宁可说「不知道」，也不假装机器很闲。

每张图要跑多久，画布上直接告诉你：

第 1/3 张 · 生成中 8/20 · 已用 00:07 · 剩余约 00:24

有 WebSocket 步进进度 → 按「每步秒数」外推，用指数滑动平均压噪；批量时把后面还没跑的张数也算进去
没有进度（Apple MPS、单步长采样、WS 连不上）→ 用同工作流 + 同批量的历史中位耗时倒推；超过历史就显示「快好了」，不吐负数
历史耗时存在 localStorage 的 vault.gen.dur，每类保留最近 6 次；中位数而非均值，偶尔卡一次 27 分钟不会把估计带偏
每秒只改状态行那一行文字，不重建节点——重建会把画布输入焦点和滚动位置弄丢

监控本身不该成为负担：面板打开时 1.5 秒刷新一次，收起后 8 秒一次，页面切到后台直接停；/engine/sys 在服务端还有 2 秒缓存（ps / PowerShell 这类调用不便宜）。

简易节点怎么跑：提示词、负向、参考图都写在卡片里，点「生成」，会：

取卡片里的正向 / 负向文本，写进工作流的 CLIPTextEncode
参考图先 POST /upload/image 传进 ComfyUI，把返回的文件名填进 LoadImage
POST /prompt 提交，同时连上 ComfyUI 的 WebSocket，实时收 progress 事件 —— 简易节点上会显示 12 / 30 和一条进度条，不再只是「生成中… 8s」这种模糊计时连不上 WS（跨域或版本不支持）会自动退回轮询，功能不受影响
GET /view 把出图拉回来，在右侧自动生成一个图片节点，可以继续往下连

跑起来之后能控制什么（这几条都是踩过坑之后补的）：

场景	行为
想停下	生成中按钮下方出现「取消」→ 中断当前任务 + 清空排队。ComfyUI 只在步与步之间检查中断，所以重模型要等当前这一步跑完；卡在加载模型阶段时中断无效，到设置页「重启引擎」强制中断
刷新 / 关标签	节点存了 `promptId`，重新进画布会接回任务、跑完入库，状态标「刷新后接回」。接不回来会明说原因，不会一直转圈
任务早没了但卡片还在「生成中」	进画布时问一次引擎队列，引擎空闲就自动复位成「上次的生成已中断（点生成重来）」
图已经在硬盘上了	顶栏「引擎出图」→ 单张 / 全部导入，读 PNG 内嵌参数入库
长任务超时	等待上限 60 分钟；超时提示会告诉你「任务应该还在引擎里跑，刷新会自动接回」

三种参考图用法都支持：

连了几张	行为
0 张	纯文生图，工作流里的 `LoadImage` 保留原值
1 张	填进第一个 `LoadImage`
多张	按连线顺序依次填进各个 `LoadImage`（节点 id 升序），填不完的会提示

生成节点上会显示 3 张参考图 / 2 位 这样的提示 —— 前面是你放了几张，后面是工作流里有几个图位。超出的部分会弹提示告诉你哪几张没用上；工作流里一个 LoadImage 都没有时，会直接报错而不是静默忽略。

导入 ComfyUI 工作流 = 自动变成简易节点：顶部「导入工作流」，两种格式都认，导入 UI 格式会顺手转出一份 API 格式。导入后画布上就是一个简易节点（提示词 + 负向 + 参考图 + 生成），同时自动收进「简易节点包」，不用手动点打包。画布里只有简易节点，不显示完整节点图——工作流的增删改全程在 ComfyUI 里做，画布只负责生图。

格式	识别方式	能不能直接生成
UI 格式（ComfyUI 里普通 Save）	读 `nodes[].pos` 还原位置、`links[]` 还原连线、`widgets_values` 显示参数	✓ 自动转 API 后可以
API 格式（Export (API)）	按依赖深度自动分层布局，输入连成边	✓

工作流槽位协议（让 UI 跟着工作流长）

工作流里有哪些参数值得用户改，由工作流自己说了算——在 ComfyUI 里把节点的标题（_meta.title）改成下面的保留名即可：

槽位名	干什么	写进哪个输入
`prompt`	正向提示词	文本节点的 `text` / `value`
`negative_prompt`	负向提示词	同上
`seed` / `steps` / `cfg` / `denoise`	采样参数	数值节点的 `value` / `seed`
`width` / `height` / `batch` / `duration`	尺寸、张数、时长	数值节点
`size`	一个顶宽高两个，用于宽高在同一节点的情形（`EmptyLatentImage` / `EmptyLatentVideo`）	节点里的 `width` + `height` 两个输入
`ref_image_01` ~ `ref_image_09`	参考图，编号就是优先级	`LoadImage.image`
`ref_mask`	重绘遮罩（白 = 重绘）	`LoadImage.image`
`first_frame` / `last_frame`	首帧 / 尾帧	`LoadImage.image`

能力不用另外声明，标了什么就是什么：

标了	自动推导出的能力
只有 `prompt`	文生图
有任意 `ref_image_NN`	图生图（显示「N 个图位」）
有 `ref_mask`	遮罩重绘（图片节点出现画笔）
有 `first_frame` + `last_frame`	首尾帧
只有 `first_frame`	视频（首帧）

举一个 API 格式里的样子（在 ComfyUI 里就是把节点标题改成 prompt、seed、ref_image_01）：

{
  "298": { "class_type": "PrimitiveStringMultiline", "inputs": { "value": "…" }, "_meta": { "title": "prompt" } },
  "301": { "class_type": "PrimitiveInt", "inputs": { "value": 4747 }, "_meta": { "title": "seed" } },
  "289": { "class_type": "LoadImage", "inputs": { "image": "a.png" }, "_meta": { "title": "ref_image_01" } }
}

细节：

名字大小写、空格、短横线都宽容（Ref-Image 01 也认）
参考图按编号数值排序（_2 排在 _10 前面），编号就是「第一张图进哪一路」
同一个槽位标了两次 → 取第一个并提示；槽位节点没有可写输入 → 提示哪个节点有问题
没标注也能用：会退回旧的「按节点类型 + id 顺序猜」规则，画布上标「按类型猜 · 未标注」，多图位/遮罩场景建议补标注
从 UI 格式导入时节点标题会跟着转进 _meta.title，所以在 ComfyUI 里标好再导出就能一路带过来

为什么值得标：不加标注时，多图位、遮罩、首尾帧这些「长得都像 LoadImage」的节点只能靠 id 顺序猜，一定会错位。标一次，之后 UI、遮罩、批量都能对上。

画布极简：画布里只有简易节点（和从图库送进来的参考图），所有节点都能用右下角手柄自由拉伸（左右上下都可）。

简易节点包：顶栏「简易节点包」，只留「已收录」清单——导入过的工作流都会自动收在这里，点一下就能放上画布生图，不掺任何模板配置（模型、LoRA、参数都在 ComfyUI 里定）。

小白手册：从来没装过 ComfyUI 的，看小白图文教程.md —— 从下载压缩包讲到第一张图进图库，每一步都有截图和「你应该看到什么」。画布的功能与设计意图，见无限画布使用手册.md（1100+ 行）。

UI → API 是怎么转的（Comfy.uiToApi）：拉一次 ComfyUI 的 /object_info 拿到每个节点类型的输入定义，然后

连线：输入名直接取自 node.inputs，所以 widget 输入被链接也能接上（比如 rgthree 的 Seed 节点连到 KSampler 的 seed）；links 数组只在 node.inputs 缺失时兜底
旁路直通：被旁路（mode 4）的节点和 Reroute 不会提交，但连线会沿它们的输入直通到上游——UNET → 旁路LoRA → 旁路LoRA → LoRA 转出来就是 UNET → LoRA，模型链不断
参数：按 /object_info 里 required + optional 的键顺序，把 widgets_values 逐个填进对应的 widget；widget 输入即使被链接也仍占一个参数位（seed 后面那个 randomize/fixed 控制项会自动跳过）
过滤：Note/PrimitiveNode 不提交，静音（mode 2）的节点跳过并记警告（它的输出会断，需要自己处理）

转换后会自动存两份工作流：原始 UI 版 + · API 版（用来跑），简易节点绑定后者。

跨域不用改 ComfyUI 启动参数：新版 ComfyUI 会拒绝陌生 Origin（403、无 CORS 头），浏览器直连必挂。serve.py 自带本地反向代理 /comfy?u=<目标>（只监听 127.0.0.1），前端请求直连失败会自动改走代理并记住，对 --enable-cors-header 和桌面版同样兼容。旧版 serve.py 没有这个代理，改完代码记得重启 serve.py 再刷新页面。

图库 → 画布：把旧图变成下一轮的起点

图库不是终点。灯箱顶部有个箭头图标「送去画布」，三种用法：

方式	结果
作为参考图	加一个参考图节点，连到简易节点就是图生图（拿旧图当脸 / 当衣服 / 当构图）
作为图片节点	只放到画布上做对比、拼图，不参与生成
用这套参数复现	生成一个简易节点，当时的提示词（含负面）和参考图都填好，工作流也绑好，直接就能重跑

「复现」是把这张图入库时记下的东西原样还原：当时的提示词版本、refIds 里的参考图编号（自动去参考库里取缩略图）、以及绑定的工作流。所以想看「这套 LoRA 换个种子会怎样」，点一下就能重跑，不用凭记忆重搭。

原图没有关联工作流时，简易节点会空着并提示手动绑定 —— 从 A1111 导入的图通常没有 ComfyUI 工作流。

云端模型

这一页只放外接 API 的云端模型（本地基座不单独建卡，文件名显示在「本地部署工作流」卡片上）。

首次启动预置 8 个主流厂商预设（接口地址 / 模型名 / 调用形态都配好，只差 Key）；「添加模型」支持任何 OpenAI 兼容端点和中转站。字段：名称、平台、基座、版本、接口地址、API Key、模型名、调用形态（images / chat / dashscope / bfl / google）、出图尺寸、说明；「测试连接」验配置。

本地部署工作流

上传 ComfyUI 导出的 .json（或带 workflow 的 .png），自动数出节点数、猜出关联模型，可随时下载原文件。卡片副标题直接显示当前主模型文件名；右上角「切换模型」可以改主模型（UNETLoader / CheckpointLoader）、CLIP（含 DualCLIPLoader 双槽）、VAE、每个 LoRA 及其强度—— 候选来自当前引擎 /object_info 里真实可用的模型（可下拉可手填），保存即写回工作流 JSON，画布里绑同一个工作流的节点下次生成就用新模型，不用重新上传。

分类（图库页内管理）

内置六个（未分类 / 人像 / 服装 / 场景 / 产品 / 参考图），图库工具条「分类管理」里增删改，自定义名称、编号前缀、颜色。编号规则 前缀-四位序号，按分类独立计数，删除图片不回收编号。删除分类时其下图片自动迁移到其他分类，不会丢图。

数据存在哪

全部在浏览器的 IndexedDB（库名 aivault）：

表	内容
`images`	图片元数据：编号、分类、模型、尺寸、参数、提示词版本链、标签
`blobs`	原图与 640px 缩略图的二进制
`models`	模型：类型、平台、基座、ComfyUI 地址、部署文件清单
`loras`	LoRA：基座、触发词、下载链接
`workflows`	工作流：JSON 文本、格式、节点数
`categories`	分类：名称、前缀、颜色、序号
`settings`	服务商 `aiProviders`、智能体 `aiAgents`、上次选用的智能体等
`canvases`	画布：节点、连线、视口位置
`meta`	各分类的编号计数器

注意三点：

换浏览器 / 换设备看不到 —— IndexedDB 按「源」隔离，127.0.0.1:8787 和 localhost:8787 是两个不同的源，上传后请固定用同一种方式打开。
清浏览器数据会丢 —— 定期用「设置 → 导出元数据 JSON」备份。导出含全部元数据与提示词版本，不含图片二进制。
整个文件夹可以拷走 —— 程序本身无状态，换机器直接复制 ai-image-vault/ 目录。

目录结构

ai-image-vault/
├── index.html          # 骨架：侧边栏、顶栏、视图容器、灯箱、弹窗
├── serve.py            # 本地服务器（自动找空闲端口 + 开浏览器）
├── start.command       # Mac / Linux 双击启动
├── start.bat           # Windows 双击启动
├── 小白图文教程.md      # 零基础图文教程（从下载到出第一张图，每步带截图）
├── 无限画布使用手册.md  # 画布的功能手册（讲设计意图与边界）
├── 本地出图技术方案.md  # 引擎托管的技术决策与踩过的坑
├── demo/               # 三张示例图，其中两张带内嵌生成参数
├── docs/
│   └── screenshots/    # 24 张界面截图，由 scripts/make_shots.mjs 生成
├── scripts/
│   ├── fetch_reference.py        # 拉取原三个库的 4345 张参考图缩略图（幂等、可续传）
│   ├── fetch_reference_gcore.py  # 同上，固定走 gcore.jsdelivr.net（国内网络更快）
│   ├── fetch_libraries.py        # 拉取/转换三个姊妹素材库（元数据 + 缩略图 + data-extra.js）
│   ├── make_icons.py             # 重新生成 favicon.ico / apple-touch-icon（纯标准库，无 PIL）
│   ├── make_shots.mjs            # 自动截取全部界面（驱动本机 Chrome，无第三方依赖）
│   ├── setup-engine.sh           # 命令行装 ComfyUI 引擎（macOS / Linux）
│   └── setup-engine.bat          # 同上（Windows）
├── reference/          # 六个参考图库
│   ├── data.js         # 原三个库的元数据内联版（file:// 双击可用，优先加载）
│   ├── data-extra.js   # 新增三个库的元数据内联版（由 fetch_libraries.py 生成）
│   ├── outfits.json    # 1407 条服装元数据（编号/分类/关键词）
│   ├── outfits/        # 服装缩略图 360×540 WebP，约 12 MB
│   ├── faces.json      # 1499 条人脸元数据（分区/发长/风格/原图尺寸）
│   ├── faces/          # 人脸缩略图 400×500 WebP，约 15 MB
│   ├── poses.json      # 1439 条姿势元数据（体系/分类/视角/姿势名）
│   ├── poses/          # 姿势缩略图 900×1200 JPG，约 25 MB
│   ├── costume.json    # 1320 套动画服装元数据（8 类 / 中英关键词）
│   ├── costume/        # 动画服装缩略图 WebP
│   ├── assembly.json   # 1027 张角色组装素材元数据（发型/服装/姿势 + 标签）
│   ├── assembly/       # 角色组装缩略图 420px WebP
│   ├── pose-depth.json # 1439 张 depth 深度图元数据（288 组 / 5 视角）
│   └── pose-depth/     # depth 缩略图 900×1200 JPG
└── assets/
    ├── style.css       # 深/浅双主题，全部样式
    ├── db.js           # IndexedDB 封装 + 通用工具 U
    ├── parse.js        # PNG 文本块解析 + A1111/ComfyUI/NovelAI 参数提取 + 缩略图
    ├── ai.js           # 多服务商 + 智能体：请求、九种提示词模式、模型拉取
    ├── app.js          # 应用外壳、图库、灯箱、上传、提示词版本链
    ├── reference.js    # 服饰 / 人脸 / 姿势参考库：分页网格、筛选、灯箱、组合台
    ├── library.js      # 动画服装 / 角色组装 / 姿势深度：筛选、灯箱、存入图库
    ├── snippets.js     # 提示词片段库（入口已下线，代码与数据保留）
    ├── comfy.js        # ComfyUI API 封装：提交、轮询、取图、上传、工作流分析、耗时估计
    ├── canvas.js       # 无限画布：平移缩放、节点、连线、撤销重做、工作流识别、尺寸控件
    ├── monitor.js      # 资源监控：顶栏徽章 + 显卡/内存/CPU/版本面板 + 释放显存
    └── manage.js       # 云端模型、工作流、本地配置、AI 智能体、设置

tests/
  js/   comfy.test.js  # 槽位解析、applyInputs、UI→API 转换、插件种子兜底、耗时估计、size 槽位
  py/   test_serve.py  # 模型扫描、extra_model_paths.yaml、端口识别、重启安全、资源采集
scripts/test.sh        # 一条命令跑完两套（./scripts/test.sh）

重新生成截图（改了界面之后）：

python3 serve.py 8811 --no-open          # 一个终端把站起在 8811
node scripts/make_shots.mjs              # 另一个终端跑截图，输出到 docs/screenshots/
SHOTS=ref node scripts/make_shots.mjs     # 只重截名字里带 ref 的那几张（参考图库吃内存，建议分批）

没有构建步骤，改完文件刷新浏览器即可生效（serve.py 已禁用缓存）。

快捷键

图库

键	作用
`U`	打开上传
`←` / `→`	灯箱翻页
`Esc`	关闭弹窗 / 灯箱

画布

键	作用
`Shift` + 拖空白	框选（普通拖 = 平移）
`Shift` + 点节点	加选 / 取消选中
`⌘A` / `Ctrl+A`	全选
`⌘C` / `⌘V`	复制 / 粘贴选中节点（连同它们之间的连线）
`⌘D`	原地再制一份
`Delete`	删除选中
`⌘Z` / `⇧⌘Z`	撤销 / 重做
拖节点右下角	自由拉伸
`空格` + 拖	临时平移（节点很多时好用）
右下角小地图	点击 / 拖动跳转视口

想继续扩展时

几个自然的下一步，代码里都已经留好位置：

智能体记忆：现在只记「上次用谁」，可以扩成每张图记住「当初是谁写的」，方便回溯风格来源
批量选择与批量改分类：state.images 是纯数组，加个 selected: Set 就能做批量操作条
提示词版本 diff：prompt.versionListHTML() 里已有逐版渲染，接入字符级 diff 即可对比两版差异
槽位标注的可视化编辑器：现在是「去 ComfyUI 改节点标题」，也可以做成在织造所里点节点 → 选槽位，直接改工作流 JSON
ZIP 整库备份：DB.exportMeta() 只导元数据，配上 blobs 表可以打包成完整备份
多设备同步：数据层集中在 db.js，把这一层换成远程 API 就能变多人共享的素材库

关于作者

GitHub：@Atom-kkk
抖音：个人主页
另外两个同系列素材库：AI-Face-Resource-Library · AI-Clothing-Resource-Library

应用内也有入口：侧栏左下角的「抖音 / GitHub」，以及设置页最下面的「关于」。

素材来源

内置的六个参考图库来自作者自己的开源素材项目，图片版权归原作者，不随本项目的代码许可转让：

服饰：AI-Clothing-Resource-Library · 原始图库「衣装集 COSTUME-DB-01」· 图ギア（@giaaibusi）原站许可：可免费用于创作（含商业作品的制作、编辑、参考），禁止再分发、转载或转售图片数据本身。
人脸：AI-Face-Resource-Library · 原始图库「AIモデル顔データベース」· 图ギア / あぎ（@agi_aibusi）· CC0
姿势：AI-Pose-Resource-Library · POSE Atlas 姿势参考库中文汉化版 · 图ギア原站许可：可免费用于创作参考，禁止再分发、转载或转售图片数据本身。
动画服装：AI-Costume-Anime-Resource-Library · COSTUME-ANIME-DB「衣装集アニメ版」· 图ギア（@giaaibusi）原站许可：可免费用于创作（含商业作品的制作、编辑、参考），禁止再分发、转载、转售图片数据本身。
角色组装：Character-Assembly-Database · 原始日文角色组装素材库 · 整理/汉化 Atom-kkk 图片仅建议作为参考 / ControlNet 底图，不可把图片本身作为作品的一部分销售，禁止再分发、转载、转售。
姿势深度：AI-Pose-Depth-Resource-Library · POSE Atlas depth 分册 · 图ギア原站许可：可免费用于创作（含商业作品），禁止再分发、转载、转售图片数据本身；代码 MIT，图片不随代码授权。

本地只处理缩略图，原图请到各自源站或按需下载。这些素材仅供个人创作参考与界面实践，商用前请自行确认原作者许可。

已知边界

JPEG / WebP 的 EXIF 文本目前只取尺寸，不解析生成参数（主流生图工具默认导出 PNG，暂时够用）
图片二进制不进导出包，换机后元数据能恢复但需要重新关联图片
单库容量受浏览器配额限制（通常几 GB，视磁盘剩余空间浮动）
参考图库为只读，不能删改条目；想改就先「存入我的图库」，在自己库里编辑
双击 index.html（file://）时：参考库浏览、筛选、组合台、复制提示词都正常（数据走内联 reference/data.js 与 reference/data-extra.js），但「存入图库」和下「下载」按钮不可用 —— 浏览器禁止 file:// 页面 fetch 本地文件。要用这两个功能请走 start.command
高清原图采用按需下载：第一次打开某张参考图时需要联网；只有下载过的那部分才能离线看原图，其余仍有本地缩略图
UI → API 转换依赖 ComfyUI 的 /object_info，没连上 ComfyUI 就转不了（UI 格式仍可正常可视化）
转换只处理标准 widget；带子图（Subgraph）、动态提示词、自定义节点内部逻辑的复杂工作流，转出来可能有偏差，建议先跑一次看结果
多参考图按 LoadImage 节点的 id 升序填充，顺序固定；想精确控制哪张图进哪一路，就在 ComfyUI 里把节点 id 排好再导出
只识别标准 LoadImage 节点；用 LoadImageList / ImageBatch 自拼的多图输入需要自己保证连线顺序
画布节点上限没做虚拟化，节点数建议控制在 200 以内
撤销栈只存在内存里，刷新页面后清空（画布内容本身是存盘的）
中断只在步与步之间生效：ComfyUI 的机制如此，重模型一步可能几分钟；卡在「加载模型」阶段时中断无效，只能用「重启引擎」强制结束
大模型在小内存机器上极慢：16 GB 统一内存跑 12 GB 的 fp8 底模（如 Krea2）+ 5 GB 文本编码器，会大量走 swap，实测 20~27 分钟一张。这不是 bug，是物理限制；想快就换 fp16 的小底模（SDXL / Illustrious 一类，约 6.5 GB）
Windows 分支未在真机验证：一键安装的目录选择框、重启引擎的进程查找（Get-NetTCPConnection / Get-CimInstance）都是按标准接口写的，但作者手上只有 macOS，Windows 上第一次用如果报错请提 issue
GPU 负载只有 NVIDIA 能读：nvidia-smi 拿得到利用率，AMD / Apple 芯片没有等价命令，那一栏显示 —（显存与内存照常有数）
显存口径按 ComfyUI 报的来：Apple Silicon 的 vram_total 恒为 0，面板会写「统一内存架构」并退回看内存占用
预计时间只是估计：步进外推依赖 WebSocket 进度，连不上就退回历史中位耗时；第一次跑某个工作流没有历史，只显示已用时间，不编数字
ps 被沙箱挡时 CPU 会退化：部分托管 / 沙箱环境禁止列进程，此时用 1 分钟平均负载估算（精度差一点），再拿不到就显示 —
尺寸行不是所有工作流都有：工作流没标 width / height / size 槽位就不显示 —— 改了也不生效，不如不给假按钮。想让它出现，去 ComfyUI 里把宽高节点的标题改成 size
尺寸统一按 64 取整：ComfyUI 的 latent 只要求 8 对齐，这里收得更紧（某些模型要求 64）。好处是不会出现「填了 1000 结果被悄悄裁掉」
截图脚本需要本机 Chrome：scripts/make_shots.mjs 走 DevTools 协议驱动真实浏览器，不装 playwright。参考图库一页 120 张、滚动自动加载，连截三张会把渲染进程顶爆，所以支持 SHOTS=xxx 分批跑
画布缩放用 zoom，不是 transform：为了文字清晰（transform 放大到 200%+ 会出现灰晕）。代价是缩放时有一次布局计算，节点特别多（200+）时快速滚轮缩放可能不如纯 transform 跟手
参考图破了先看是不是缓存：早期版本的 serve.py 把 404 也打上 7 天缓存，图没下完时打开过图库的人会一直看到破图（刷新无效）。现已修：404 一律 no-store，且缩略图 URL 带 ?v= 版本号自动绕过旧缓存。如果你从老版本升级上来还是破图，按 ⌘⇧R / Ctrl+Shift+R 强制刷一次即可

Navigation Menu

Repository navigation

About

Repository files navigation

Loom 织造所

界面一览

快速开始

一键装 ComfyUI（图形界面，推荐）

本地出图（无限画布 + ComfyUI 引擎）

硬件配置参考

云端出图（不装 ComfyUI 也能画）

在线体验（纯静态托管）

桌面版（macOS / Windows）

核心特性

它解决什么问题

功能

图库

上传与自动解析

提示词版本链（不覆盖）

AI 生成：服务商 + 智能体两层

参考图库（内置六个）

提示词组合台

无限画布（接 ComfyUI）

图库 → 画布：把旧图变成下一轮的起点

云端模型

本地部署工作流

分类（图库页内管理）

数据存在哪

目录结构

快捷键

想继续扩展时

关于作者

素材来源

已知边界

About

Releases

Packages

Contributors

Languages

Name		Name	Last commit message	Last commit date
.github/workflows		.github/workflows
assets		assets
demo		demo
desktop		desktop
docs/screenshots		docs/screenshots
reference		reference
scripts		scripts
tests		tests
.gitignore		.gitignore
.nojekyll		.nojekyll
CHANGELOG.md		CHANGELOG.md
LICENSE		LICENSE
README.md		README.md
apple-touch-icon-precomposed.png		apple-touch-icon-precomposed.png
apple-touch-icon.png		apple-touch-icon.png
favicon.ico		favicon.ico
index.html		index.html
push.sh		push.sh
serve.py		serve.py
start.bat		start.bat
start.command		start.command
小白图文教程.md		小白图文教程.md
无限画布使用手册.md		无限画布使用手册.md
本地出图技术方案.md		本地出图技术方案.md

Latest commit

History

Folders and files

Repository files navigation

Loom 织造所

界面一览

快速开始

一键装 ComfyUI（图形界面，推荐）

本地出图（无限画布 + ComfyUI 引擎）

硬件配置参考

云端出图（不装 ComfyUI 也能画）

在线体验（纯静态托管）

桌面版（macOS / Windows）

核心特性

它解决什么问题

功能

图库

上传与自动解析

提示词版本链（不覆盖）

AI 生成：服务商 + 智能体两层

参考图库（内置六个）

提示词组合台

无限画布（接 ComfyUI）

图库 → 画布：把旧图变成下一轮的起点

云端模型

本地部署工作流

分类（图库页内管理）

数据存在哪

目录结构

快捷键

想继续扩展时

关于作者

素材来源

已知边界

About

Topics

Resources

Stars

Watchers

Forks

Releases

Packages

Contributors

Languages