rgthree-comfy项目递归错误问题分析与解决方案
2025-07-08 17:41:15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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217