【亲测免费】 KJNodes for ComfyUI 技术文档
1. 安装指南
1.1 克隆项目
首先,将项目克隆到 custom_nodes 文件夹中。
git clone https://github.com/kijai/ComfyUI-KJNodes.git
1.2 安装依赖
安装项目所需的依赖项。你可以选择以下两种方式之一进行安装:
1.2.1 使用 pip 安装
在终端中运行以下命令:
pip install -r requirements.txt
1.2.2 使用便携版安装
如果你使用的是便携版安装,请在 ComfyUI_windows_portable 文件夹中运行以下命令:
python_embeded\python.exe -m pip install -r ComfyUI\custom_nodes\ComfyUI-KJNodes\requirements.txt
2. 项目使用说明
2.1 启用 browserstatus.js
browserstatus.js 脚本用于设置浏览器标签的图标状态。默认情况下是关闭的,需要从选项中启用。启用后,当不处理任何内容时,图标会变为绿色圆圈;当处理内容时,图标会变为红色,并显示进度百分比和队列长度。
2.2 节点使用说明
2.2.1 Set/Get 节点
Set/Get 节点用于设置和获取常量,以减少不必要的代码行。这些节点纯粹是视觉上的,可以接受和返回任何内容。右键点击这些节点,可以选择可视化路径,以及跳转到对应节点的选项。
已知限制:
- 无法与动态设置输出的节点(如
reroute或其他Set/Get节点)一起使用。 - 无法直接连接到旁路节点。
- 可能与其他基于 JavaScript 的节点发生冲突。
2.2.2 ColorToMask 节点
ColorToMask 节点将 RGB 颜色值转换为掩码,支持批处理和 AnimateDiff。
2.2.3 ConditioningMultiCombine 节点
ConditioningMultiCombine 节点用于组合任意数量的条件,节省空间。
2.2.4 ConditioningSetMaskAndCombine 节点
ConditioningSetMaskAndCombine 节点用于掩码并组合两组条件,节省空间。
2.2.5 GrowMaskWithBlur 节点
GrowMaskWithBlur 节点用于扩展或缩小(使用负值)掩码,可以选择反转输入,返回掩码和反转掩码。此外,该节点还会模糊掩码,这是一个较慢的操作,尤其是在处理大批量数据时。
2.2.6 RoundMask 节点
RoundMask 节点用于生成圆形掩码。
2.2.7 WidgetToString 节点
WidgetToString 节点用于将任何节点的控件值输出为字符串。
3. 项目API使用文档
3.1 WidgetToString 节点
WidgetToString 节点用于读取目标节点的控件值并将其输出为字符串。使用步骤如下:
- 从 Manager 菜单启用节点 ID 显示,以获取目标节点的 ID。
- 使用目标节点的 ID 和要读取的控件名称。
- 如果重新创建或重新加载目标节点,其 ID 将发生变化,
WidgetToString节点将无法找到它,直到你使用新的 ID 更新节点 ID 值。
4. 项目安装方式
4.1 克隆项目
将项目克隆到 custom_nodes 文件夹中。
git clone https://github.com/kijai/ComfyUI-KJNodes.git
4.2 安装依赖
安装项目所需的依赖项。你可以选择以下两种方式之一进行安装:
4.2.1 使用 pip 安装
在终端中运行以下命令:
pip install -r requirements.txt
4.2.2 使用便携版安装
如果你使用的是便携版安装,请在 ComfyUI_windows_portable 文件夹中运行以下命令:
python_embeded\python.exe -m pip install -r ComfyUI\custom_nodes\ComfyUI-KJNodes\requirements.txt
通过以上步骤,你可以成功安装并使用 KJNodes for ComfyUI 项目。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00