rgthree-comfy项目递归错误问题分析与解决方案
2025-07-08 02:43:01作者:田桥桑Industrious
问题背景
rgthree-comfy作为ComfyUI的一个扩展节点集合,近期部分用户在使用过程中遇到了递归错误导致生成任务无法正常执行的问题。该问题表现为在执行生成任务时,系统陷入无限递归循环,最终触发Python的最大递归深度限制错误。
错误现象
当用户尝试执行生成任务时,控制台会输出类似以下的错误信息:
Exception in thread Thread-7 (prompt_worker):
Traceback (most recent call last):
  File "/usr/lib/python3.10/threading.py", line 1016, in _bootstrap_inner
    self.run()
  File "/usr/lib/python3.10/threading.py", line 953, in run
    self._target(*self._args, **self._kwargs)
  File "/opt/rd/ComfyUI/main.py", line 111, in prompt_worker
    e.execute(item[2], prompt_id, item[3], item[4])
  File "/opt/rd/ComfyUI/custom_nodes/rgthree-comfy/__init__.py", line 209, in rgthree_execute
    return self.rgthree_old_execute(*args, **kwargs)
  [Previous line repeated 988 more times]
RecursionError: maximum recursion depth exceeded while calling a Python object
问题根源
经过分析,该问题主要有两个潜在原因:
- 
重复加载自定义节点:当用户在extra_model_paths.yaml配置文件中错误地指定了custom_nodes路径时,会导致ComfyUI重复加载所有自定义节点,包括rgthree-comfy。这种重复加载会干扰rgthree-comfy的正常执行流程,特别是影响其递归执行补丁功能。
 - 
配置加载异常:在某些情况下,rgthree_config.json配置文件可能未能正确加载,导致递归执行补丁功能无法按预期工作。
 
解决方案
方案一:检查并修正extra_model_paths.yaml配置
- 打开ComfyUI目录下的extra_model_paths.yaml文件
 - 检查是否有类似以下配置:
 
net_drive_user:
  custom_nodes: /path/to/ComfyUI/custom_nodes
- 移除所有指向custom_nodes目录的配置项,确保ComfyUI不会重复加载自定义节点
 
方案二:验证节点加载情况
启动ComfyUI时,观察控制台输出,确认以下两点:
- 每个自定义节点(包括rgthree-comfy)只被加载一次
 - 只出现一次"[rgthree] Loaded X exciting nodes"的提示信息
 
方案三:更新至最新版本
确保使用rgthree-comfy的最新版本,开发者已针对此问题进行了优化和改进。
技术原理
rgthree-comfy通过补丁方式修改了ComfyUI的执行流程,添加了递归执行检测功能。当系统重复加载自定义节点时,会导致补丁被多次应用,形成无限递归调用链。这种设计原本是为了提高执行效率和稳定性,但在节点被重复加载的情况下会产生负面效果。
最佳实践建议
- 保持rgthree-comfy扩展为最新版本
 - 避免在extra_model_paths.yaml中配置custom_nodes路径
 - 如需添加额外模型,建议使用独立于custom_nodes的目录结构
 - 定期检查启动日志,确保没有重复加载警告
 
总结
rgthree-comfy的递归错误问题通常源于配置不当导致的节点重复加载。通过合理配置和版本更新,用户可以轻松解决这一问题。该扩展的设计考虑了执行效率和稳定性,在正确配置下能够为ComfyUI工作流提供强大的功能支持。
登录后查看全文 
热门项目推荐
相关项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
 
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
 
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
278
2.57 K
deepin linux kernel
C
24
6
React Native鸿蒙化仓库
JavaScript
223
302
Ascend Extension for PyTorch
Python
105
135
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
599
164
暂无简介
Dart
568
127
一个用于服务器应用开发的综合工具库。
- 零配置文件
- 环境变量和命令行参数配置
- 约定优于配置
- 深刻利用仓颉语言特性
- 只需要开发动态链接库,fboot负责加载、初始化并运行。
Cangjie
261
24
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.03 K
607
仓颉编译器源码及 cjdb 调试工具。
C++
119
103
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
447