Krita AI Diffusion插件中"Server missing custom nodes"问题分析与解决
问题概述
Krita AI Diffusion是一款强大的AI绘画插件,但在使用过程中,部分用户遇到了"Server is missing one or more custom node"的错误提示。这个问题主要出现在插件版本更新后,特别是从v1.28.0升级到v1.29.0时较为常见。
错误表现
当用户启动Krita AI Diffusion插件时,虽然服务器连接已建立,但会出现以下错误提示:
Server running - Connection error: Connection established, but the server is missing one or more custom node.
在日志文件中,通常会看到类似这样的错误信息:
ERROR Missing required node ETN_LoadImageBase64 from package External Tooling Nodes
问题原因分析
经过技术分析,这个问题主要由以下几个因素导致:
-
节点依赖缺失:插件更新后,新增了对"External Tooling Nodes"中特定节点(如ETN_LoadImageBase64)的依赖,但自动更新过程中这些节点未能正确安装。
-
路径权限问题:在某些操作系统(如macOS)上,文件系统权限设置可能阻止了节点的自动安装。
-
版本兼容性问题:新旧版本间的依赖关系发生变化,导致部分组件无法正常加载。
解决方案
方法一:手动安装缺失节点
-
定位到ComfyUI服务器的安装目录,通常位于Krita AI Diffusion插件配置的服务器路径下。
-
进入
ComfyUI/custom_nodes文件夹。 -
删除现有的
comfyui-tooling-nodes文件夹(注意不是acly-tooling-nodes)。 -
在终端中执行以下命令:
git clone https://github.com/Acly/comfyui-tooling-nodes -
重启Krita应用程序。
方法二:降级到稳定版本
如果手动安装节点后问题仍然存在,可以考虑暂时降级到v1.28.0版本:
-
从项目发布页面下载v1.28.0版本的插件包。
-
完全卸载当前版本后,重新安装v1.28.0。
方法三:等待官方更新
开发团队已在v1.30.0版本中修复了此问题。用户可以:
-
检查并更新到最新版本的Krita AI Diffusion插件。
-
确保所有依赖项都已正确安装。
技术细节
这个问题本质上是一个依赖管理问题。Krita AI Diffusion插件依赖于ComfyUI及其自定义节点来实现AI绘画功能。当插件更新引入新的节点依赖,但安装过程未能正确获取这些依赖时,就会出现此类错误。
在macOS系统上,这个问题可能更为常见,因为macOS的权限管理系统较为严格,可能会阻止自动安装过程。Windows用户也可能遇到类似问题,特别是在用户账户控制(UAC)设置较为严格的情况下。
最佳实践建议
-
定期备份配置:在进行重大版本更新前,备份您的ComfyUI配置和自定义节点。
-
关注更新日志:在更新插件前,仔细阅读版本更新说明,了解可能引入的新依赖。
-
使用稳定版本:除非需要特定新功能,否则建议使用经过充分测试的稳定版本。
-
检查系统权限:确保Krita和ComfyUI有足够的文件系统访问权限。
总结
"Server missing custom nodes"错误是Krita AI Diffusion插件使用过程中可能遇到的典型依赖问题。通过理解其产生原因和掌握解决方法,用户可以快速恢复插件的正常功能。随着插件的持续更新,这类问题将逐渐减少,但掌握基本的问题排查技能对于AI绘画工作流的稳定性仍然非常重要。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00