人工智能媒体生成AI 应用MCP 服务AI 技能音视频AI Agent前端【免费下载链接】ComfyTVComfyTV — the canvas-based app that truly belongs to ComfyUI.项目地址https://gitcode.com/gh_mirrors/co/ComfyTV点击查看免费下载ComfyTV 是一个挂在 ComfyUI 里的画布式多媒体工作台把图像、视频、音频、全景、3D 的生成→挑选→编辑→合成→导出流程全部拆成节点目前内置约 190 个阶段Stage节点。它最值得拆解的是支撑这些节点运转的底层设计每个节点独立运行、结果以快照形式向下游流动、所有工作流统一入库。本文带你从源码视角看清这条架构链路。ComfyTV 的五层架构一图看懂代码组织ComfyTV 仓库作为 ComfyUI 的 custom_node 安装的目录职责非常清晰可以分成五层层目录职责节点层nodes/stages/190 个 Stage 节点的定义与注册运行层runners/Runner 注册表、工作流解析与执行存储层storage/ db.py项目、输出快照、资产、预设的持久化API 层api/给前端/Agent 提供 HTTP 端点文档层node-docs/每个节点一页的中英文参考文档启动入口在init.py初始化数据库 → 播种工作流 → 注册 API → 注册节点扩展四步完成。阶段注册表190 节点如何一次声明统一注册一份清单 一份元数据打开 nodes/stages/init.py你会看到一个很长的stage_classes()函数——它把从ProjectStage到MaterialStage的全部节点类列成一份清单这是 ComfyUI 插件体系的注册入口。而每个节点的身份证则集中存放在 nodes/stages/common/meta.py 的STAGE_META字典中。以其中几行为例kind媒体类型image/video/audio/text决定节点输入输出的 socket 类型workflow_kind映射到哪类后端工作流如upscale、cutout对应 workflows/ 下的子目录varianttransform/loader这类标记不需要真跑工作流的节点纯浏览器端变换api/stages.py 会据此把runnable置为false。这套清单 元数据的设计让新增一个节点成本极低定义一个类、加进清单、写一行 meta侧边栏菜单、API 列表、文档体系就自动跟上。Per-node Run每个节点为什么自带 Run 按钮ComfyUI 原生的执行方式是整个图排队跑一遍而 ComfyTV 的核心哲学是每个阶段独立运行互不牵连。这一设计的实现在 nodes/stages/common/invoke.py节点点击 ▶ Run 时调用run_stage_workflow()它并不触发 ComfyUI 的全局队列而是直接按kindworkflow标签去RUNNER_REGISTRY里找对应 RunnerRunner 基类与注册表定义在 runners/base.py——Runner.invoke(ctx)是唯一抽象方法RunnerContext携带主提示词、上游素材和参数找不到 Runner 会抛出精确的错误类型StageRunnerMissing/StageEmptyOutput前端能给出可读提示而不是笼统报错。这种单节点执行带来一个直接收益重跑某个节点不会拖着重跑整条链长视频流水线里这能省下大量 GPU 时间。快照流水线结果如何自动流向下游这是 ComfyTV 架构中最精巧的一环上游节点的结果被存成快照下游节点运行时直接消费快照而不是重新执行上游。快照的落盘persist_output节点执行完成后nodes/stages/common/emit.py 的_stage_emit_auto()会调用 storage/outputs.py 中的persist_output()把结果写入Output表表结构定义在 db.py一条快照记录包含stage_uid/stage_node_id定位是哪个节点产出的payload_urlparams结果文件与完整参数提示词、模型、分辨率…parent_output_id指向上游快照形成可追溯的输出谱系duration_ms耗时统计。每个阶段保留最近 50 条快照OUTPUT_RETENTION_PER_STAGE 50所以刷新页面后历史可恢复不是口号而是数据库里的硬保证。快照的消费upstream 绑定下游节点如何拿到上游结果答案藏在 runners/_workflow_resolve.py 的正则里工作流参数可以绑定成upstream_image[0]、upstream_video:masked这样的表达式——运行时 Resolver 会把它替换为对应快照的实际 URL。侧边栏编辑器里的 BIND TO → Upstream image #1 下拉绑定的正是这套机制配合 nodes/stages/common/provenance.py 记录每次运行的工作流/提示词/参数整条流水线变成了一条内容寻址的产出链任何一张图都能回答它从哪个节点、用什么参数、哪条工作流生成。工作流数据库Stage 节点背后的引擎每个 Stage 节点本质是一层薄壳真正的活由 runners/workflow_db/ 里的工作流数据库完成播种启动时seed_workflows_from_disk()扫描 workflows/ 目录workflows/image/、workflows/video/、workflows/audio/…把 JSON 工作流转存进数据库格式转换convert.py把 GUI 格式工作流转成 API 格式执行时prepare_workflow()runners/local_comfy.py会深拷贝模板、剪掉未绑定节点、注入参数后提交子提示词subprompt执行——这就是Stage 节点与你自己的工作流之间的适配器绑定与预设bindings.py管理侧边栏里的 BIND TO 规则presets.py支持按阶段保存默认预设、星标默认工作流。侧边栏的 Stages 面板就是这套数据库的 GUI 视图Bridge 节点与远程执行架构的扩展边界ComfyTV 的边界设计同样遵循注册表 元数据哲学Bridge 节点nodes/bridges.pyBridgeFromImage/BridgeToVideo等节点负责把第三方插件的张量、图片翻译成 ComfyTV 的标准 socket 格式任何插件都能接入流水线——下图中左侧的 Mesh3D Motion Explore 就是通过 Bridge 把自己的视频输出接入 ComfyTV 的图像链路的远程执行runners/remote_comfy.py 的RemoteComfyUIRunner包装本地 Runner——把本地素材上传到远端 ComfyUI、排队执行、WebSocket 等待结果节点侧只需在下拉框里换个 Server。新增一种执行后端同样只需注册一个 Runner。设计哲学小结190 节点为什么不会乱设计决策解决的问题阶段注册表STAGE_META节点规模膨胀后依然可枚举、可过滤、可文档化Per-node Run Runner 注册表单节点重跑不拖整图后端可插拔快照 parent_output_id谱系历史可恢复、结果可追溯、下游自动消费工作流入库 模板化执行Stage 是薄壳创作工作流与节点解耦Bridge / Remote Runner第三方插件与远端机器统一纳入同一注册表一句话总结 ComfyTV 的架构哲学把节点做成声明式的薄壳把执行收敛进注册表把结果沉淀为可追溯的快照——190 个节点只是这套机制在媒体类型维度上的自然展开。想动手体验的话可以从 docs/getting-started.md 的画布基础与首个生成流程读起配合 node-docs/ 里每个节点一页的参考文档这套架构会更容易具象化。赞分享人工智能媒体生成AI 应用MCP 服务AI 技能音视频AI Agent前端【免费下载链接】ComfyTVComfyTV — the canvas-based app that truly belongs to ComfyUI.项目地址https://gitcode.com/gh_mirrors/co/ComfyTV点击查看免费下载相关推荐VMkatz架构全解从VM快照到Windows凭证的六阶段流水线VMkatz架构全解从VM快照到Windows凭证的六阶段流水线 VMkatz 是一个单文件约 3MB 静态二进制的 Windows 凭证提取工具能直接3种方法彻底卸载ExplorerPatcher解决Windows资源管理器异常问题3种方法彻底卸载ExplorerPatcher解决Windows资源管理器异常问题 你是否曾经为了美化Windows界面而安装了ExplorerPatcher桌面应用逆向工程Energia项目实战基于MSP430 LaunchPad的环境监测系统构建指南 Energia项目实战基于MSP430 LaunchPad的环境监测系统构建指南 想要快速搭建一个智能环境监测系统吗Energia项目为你提供了完美的创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考