Skip to content

About

一个本地小服务,把 AI skill 的规则动态的喂给 ComfyUI 的 LLM 节点,你只在节点里写一句场景声明(如 krea2 扩写),规则由桥从你的agents skill 目录现场读取

Resources

Stars

1 star

Watchers

0 watching

Forks

Repository files navigation

skill-bridge — 让 ComfyUI 自动调用 AI skill 做提示词扩写

一个本地小服务,把 AI skill 的规则动态喂给 ComfyUI 的 LLM 节点。 你只在节点里写一句场景声明(如 krea2 扩写),规则由桥从 skill 目录现场读取。

换底模时只改那一句声明,规则本身一个字都不用动。

🌐 English docs: README.en.md · deploy-with-dsh.md

🚀 如果你在用 DSH:不用手动装。把 deploy-with-dsh.zh.md 的完整路径发给你的 DSH Agent, 说一句「按这个文件帮我装好」,它会自己探环境、识别可用的 LLM 服务、写配置、跑通实测再回报。


它在 ComfyUI 里怎么跑起来

用到的插件

插件 必需性 提供什么 项目地址
ComfyUI-ZML-Image 必需 LLM 节点全套:模型加载器V2(读 API 配置)、系统提示词(填场景声明的那一句)、参数设置(温度 / 最大 Token 数)、对话主程序(发请求拿回复)、过滤思考(去掉推理模型的思考块)。这套节点用官方 openai SDK,所以任何 OpenAI 兼容服务都能接 https://github.com/zml-w/ComfyUI-ZML-Image
skill-bridge-toolkit 可选 Anima 提示词校验 节点:确定性校验 tag(规范化 / 上位词折叠 / 槽位冲突 / 长度)+ 审核拒绝检测 本仓库 plugins/ 目录
ComfyUI-NL-PromptForge 可选 NL Prompt Forge 黑名单过滤 节点:兜底清掉意外漏出的代码块标记。本仓库校验节点的审核拒绝检测判据(双重命中词表 + 标点折叠)参考了该插件的实现 https://github.com/Helives12580/ComfyUI-NL-PromptForge

本仓库不含 skill,skill 需要自行安装并调用;规则内容不在仓库里。装好之后按第四节把 bridge_config.json 的 routes 指向你自己的 skill 即可。

链路

   LoadImage / DanbooruGallery          ← 图片(可选,要先缩到长边 1024~1536)
          │
          ▼
   BSK_Tagger (wd14 本地打标)            ← 本机打标,不烧 token
          │
          ▼
   AnimaTKDanbooruTagGetter             ← 分类过滤
          │
          ▼
   DanbooruTagSorterNode / TK String Router / PromptCleaner
          │
          ▼
   ZML_LLM 对话主程序 . user_input ──────┐
   ZML_LLM 对话主程序 . input_image ─────┤  图片与文本一起送进 user 消息
                                         │  (OpenAI 多模态格式,base64)
   ZML_LLM 模型加载器V2 ── . model_config┤
   ZML_LLM 系统提示词   ── . system_prompt  ← 只写一句场景声明:krea2 扩写
   ZML_LLM 参数设置     ── . params       ┘  最大Token数 设 8192
          │
          │  请求发往 http://127.0.0.1:8899/v1
          ▼
   ┌──────────────────────────────────────────────────┐
   │  skill-bridge(本仓库)                          │
   │  1. 按场景声明选 skill 与参考文档                │
   │  2. 拼出两万多字的 system prompt(规则+覆盖层)  │
   │  3. 命中缓存就直接回放,不碰上游                 │
   │  4. 转发给真正的 LLM 服务                        │
   └──────────────────────────────────────────────────┘
          │
          ▼
      模型返回正文(三段式长稿)
          │
          ▼
   ZML_LLM 过滤思考                      ← 去掉推理模型的思考块
          │
          ▼
    Anima 提示词校验                     ← 节点侧兜底:校验 + 拒绝检测
          │
          ▼
   CLIPTextEncode → KSampler . positive → ControlNet 图生图

为什么需要这一层桥

ZML 的 系统提示词 节点是静态的:你把规则全文写进去,它就一直发那一份。 这在换底模时很麻烦——krea2 要三段式长稿、anima 要短 tag 流、minimax 又是另一套, 每换一次就得把几十条规则重抄一遍。

桥把规则留在 skill 文件里,运行时现读现拼:你在 系统提示词 里只写一句 krea2 扩写,桥负责把对应的规则、格式规范、参考词库全部注入进去。

顺带解决的几件事:

  • 换底模只改一句声明,规则一个字不动
  • 抽卡时的重复请求直接命中缓存,不再每张图都重发两万多字
  • 审核拒绝被识别出来换成一张提示卡,而不是把拒绝文本当提示词画出一张无关的图
  • 带图时以图为准扩写,避免提示词与 ControlNet 控制图互相拉扯

系统提示词速查(桥模式 · 先看这个)

ZML_LLM 系统提示词 节点的 system_prompt 只写一句,规则由桥自动补齐:

下表是示例声明(作者本机的配法)。桥认的是你 routes 里写下的关键词——你的 routes 里若有别的关键词,就写那个。

你想做的事 system_prompt 就写
Krea2 长稿扩写(最常用,tag 口径) krea2 扩写
Krea2 且要传图 krea2 扩写,并把图片接到 input_image
Krea2 自然语言(巨物 / 海报 / 随机) krea2 巨构、krea2 图文海报、krea2 随机
Krea2 自然语言 + 传图 同上,并把图片接到 input_image(图只当尺度 / 风格参考,不走打标反推)
Minimax minimax 扩写
Anima 场景 anima 扩写(输出=tag 流 + 自然语言两段,受 512 token 硬约束)
SDXL 场景 sdxl 扩写(同两段式)
留空 走默认路由

只写这一句,不要把规则全文粘进去。 粘全文是「直连模式」才需要的做法——那是另一个方案, 详见 reference/ 目录里的 krea2_pipeline_system_prompt.txt。

换底模时只改这一句,规则本身在 skill 文件里,一个字都不用动。

想临时换模型:在 zml_model_key.json 里多加几个指向同一个桥地址、只是 model 字段不同的 preset, 然后在 ComfyUI 面板切 preset_name 即可——不用改配置,也不用重启桥。


一、它解决什么问题

本地打标 + AI 扩写是两件事:

  • wd14 打标很准,但产出的是 tag 串,缺少自然语言的组织与细节密度;
  • 自然语言长稿需要 LLM,可每个底模(krea2 / anima / sdxl / minimax)要的写法都不同。

如果把规则静态粘进工作流,换一次底模就要重写一次,几十条规则手抄一遍。 这个桥把规则留在 skill 文件里,运行时现读现拼,工作流侧永远只有一句声明。


二、依赖什么

插件与节点的完整清单见开头的「用到的插件」。

运行环境

  • Python 3.8+ —— 用 ComfyUI 自带的那个解释器就够,桥只用标准库,零依赖
  • 一个 OpenAI 兼容的 LLM 服务(本地网关 / 自建代理 / 各家云 API 都行)
  • 你自己的 skill —— 本仓库不含,需自行安装(见第四节)

三、文件清单

skill-bridge/
├─ README.md                      中文说明(本文件)
├─ README.en.md                   英文说明
├─ deploy-with-dsh.zh.md                 交给 DSH Agent 自动部署(中文,可选)
├─ deploy-with-dsh.md             同上,英文版
├─ LICENSE                        MIT
├─ .gitignore
├─ bridge/
│  ├─ dsh_skill_bridge.py         桥本体(纯标准库)
│  ├─ bridge_config.json          配置:上游地址、密钥、场景路由、通用覆盖规则
│  ├─ start-bridge.bat            双击启动(Windows)
│  ├─ add_krea2_routes.py         注册 / 预演示例路由(`--check` 只预演,不写盘)
│  ├─ fix_anima_routes.py         给 anima 系路由配「两段式 + 512 硬约束」覆盖层(`--check` 只预演)
│  └─ zml_model_key.json          ZML 节点的预设文件(填密钥用)
├─ plugins/
│  └─ skill-bridge-toolkit/        「Anima 提示词校验」+数值转文本+H3 帧锚点栈
├─ updates/                       增量补丁(已装过旧版的人不用重下整包)
│  └─ 2026-10-10-anima-krea2.md   anima 两段式 + krea2 自然语言路由
└─ reference/                     不想用桥的话看这里
   ├─ krea2_pipeline_system_prompt.txt  直连模式的静态规则全文
   └─ krea2_wiring.md             Krea2 Control 那套的接线参考

⚠️ 本仓库不含 skill,skill 需要自行安装并调用。仓库里的 bridge_config.json 也只是格式示例—— routes 要按你自己装好的 skill 来填,见「四、配置」里那段可以直接交给 agent 的短文。


四、配置(三步)

第 1 步:放 skill

本仓库不含 skill,把你自己的 skill 放到一个目录里即可。DSH 用户的默认约定是:

C:\Users\<你的用户名>\.dsh\skills\

放别处也行,第 2 步改 skills_dir 指过去即可。

第 2 步:改 bridge/bridge_config.json

只需改两处:

{
  "upstream": {
    "base_url": "https://你的服务地址/v1",
    "api_key":  "REPLACE_ME",          ← 改成你的密钥
    "model":    "你的默认模型名"
  },
  "skills_dir": "C:\\Users\\<你的用户名>\\.dsh\\skills"   ← 改成第 1 步的实际目录
}

其余字段都有注释说明。注意 routes 是占位符示例——它必须按你自己装的 skill 填,见下一步。

第 2.5 步:routes 怎么填 —— 把这段交给你的 agent

仓库里的 bridge_config.json 只是一份格式示例:routes 里的 skill 名与 references 文件名都是占位符, 不指向任何具体 skill。把下面这段整段复制给你的 DSH / Claude / 任意 agent,它就会按你实际装好的 skill 生成 routes:

我的 skill-bridge 装在 <路径>,请帮我配好 bridge/bridge_config.json 里的 routes。

1. 列出我的 skills_dir 指向的目录下已安装的 skill,以及每个 skill 的 references/ 有哪些文件(读 SKILL.md 判断哪几份是必读)。
2. 读 bridge_config.json 里的 `_路由格式说明`,按它给每个可用的 skill 生成一条 route:
   - key:一组能识别该 skill 的关键词,用 `|` 分隔多个别名,最常用的放最前——桥按「命中最长的别名」选路由,所以更专用的别名要写得比通用词长。
   - skill:skill 的目录名(与 skills_dir 下的文件夹名一致)。
   - refs:该 skill 的 references/ 下必须喂给模型的文件名数组。
   - refs_image_only:若该 skill 在「只给图、没给文字」时要换一套文档,填这里;否则省略。
   - model:可省略,省略就走 upstream.model。
3. 需要把「对话式输出」掰成「流水线输出」(只输出正文、不要代码块与解释、限制篇幅)时,在 route 里加 pipeline_overrides;不写则用全局那份。
4. 把 default_route 指向最常用的那条 route。
5. 不要动 upstream、skills_dir、port。改完校验 JSON 合法,并告诉我改了哪些字段。

配好之后的日常维护很简单:改规则不用改 ComfyUI——直接编辑 skill 目录里的 .md,桥按文件修改时间自动重载; 改 bridge_config.json(含 routes)也是热重载,不用重启桥(只有 port 要重启)。

第 3 步:启动 + 接入 ComfyUI

  1. 双击 bridge/start-bridge.bat,看到 [bridge] ready http://127.0.0.1:8899/v1 就成了(窗口保持开着)
  2. 把 zml_model_key.json 放到任意目录,填上你的密钥,然后在 ComfyUI 里:
    • ZML_LLM 模型加载器V2 的 config_folder 填那个目录
    • preset_name 选 SKILL-桥
  3. ZML_LLM 系统提示词 里写一句场景声明(下一节)

五、ComfyUI 里的连接

LoadImage / DanbooruGallery
   └─→ BSK_Tagger (wd14 本地打标)
         └─→ AnimaTKDanbooruTagGetter (分类过滤)
               └─→ DanbooruTagSorterNode / TK String Router
                     └─→ PromptCleaner
                           └─→ ZML_LLM 对话主程序 . user_input
                                 ↑
      ZML_LLM 模型加载器V2 ─ . model_config
      ZML_LLM 系统提示词   ─ . system_prompt      ← 只写一句:krea2 扩写
      ZML_LLM 参数设置     ─ . params             ← 最大Token数 设 8192
                                 │
                                 ↓ 回复内容
                           ZML_LLM 过滤思考        (去掉 <think> 思考块)
                                 ↓
                           NL Prompt Forge 黑名单过滤   (可选,兜底)
                                 ↓
                           Anima 提示词校验          (可选,见下)
                                 ↓
                           CLIPTextEncode . text
                                 ↓
                           KSampler . positive

需要连图的时候

把图片接到 ZML_LLM 对话主程序 的 input_image,并同时接上 wd14 的 tag 文本。桥会自动判断:

输入 走哪条分支 输出形态
图 + tag 扩写分支(tag 当已确认锚点,图作视觉参考) 三段式长稿
仅图、无 tag 反推分支 tag 流 + 几句自然语言
仅 tag 扩写分支 三段式长稿

⚠️ 连图前必须先缩图

ZML_LLM 对话主程序 不做任何缩放——它把整张原图直接转 base64 塞进请求。实测量级:

原图 送进上下文的大小
不做缩放 2112×3840 PNG,9.3 MB base64 后约 12.5 MB
缩到长边 1024 563×1024 JPEG,108 KB base64 后约 144 KB(差 87 倍)

不缩图的后果是请求要么直接失败、要么贵得离谱,而且不会报错,只是变慢和烧额度; 更隐蔽的是有些上游会静默丢掉图片部分,于是模型只按 tag 扩写,你还以为它在参考图。

做法:在接进 input_image 之前加一个缩放节点(ImageScale / ImageScaleBy), 长边压到 1024~1536 就足够——ControlNet 不需要更高分辨率,视觉模型也读不出更多细节。

连图时,图是扩写的基准

图接上后,模型会以图像为准来写长文:动作与姿态、人物朝向与视线、四肢位置、 构图与机位(景别 / 视角 / 主体占幅 / 前后景分层)、场景道具、光源方向与阴影落点, 全部照图写。tag 只负责钉住图上看不出精确取值的离散特征(发色、瞳色、服装款式、配饰)。

tag 与图冲突时以 tag 为准,但不会写出与图矛盾的内容。实测某次输入 tag 写 outdoors 而图是白背景,输出两项都保留了——按规则就该如此。

两个必改的参数

参数 值 为什么
ZML_LLM 对话主程序 → json_strategy 仅提示词 (不强求) 默认选项会往系统提示里追加「请按 JSON 输出」,把长稿形态搞乱
ZML_LLM 参数设置 → 最大Token数 8192 推理模型的思考会消耗大量 token,设小了正文会被压成空

六、场景声明怎么写

ZML_LLM 系统提示词 的 system_prompt 只写一句,桥按关键词匹配(命中最长者优先)。 下表是示例(作者本机 routes 的配法)——桥只认你 routes 里写下的关键词:

声明(示例) 该路由的写法 产出形态
krea2 扩写 一个「tag 扩写」型 skill,refs 挂它的扩写分支与格式规范 长稿;tag 当锚点钳制输入
krea2 巨构 / krea2 巨物 / krea2 巨怪 / krea2 克苏鲁 一个「巨物摄影」型 skill,refs 挂它的相关章节 摄影写实长段落(体量 / 尺度 / 留白)
krea2 图文海报 / krea2 海报 / krea2 字体排版 一个「海报 / 排版」型 skill 图文海报式输出(排版与文字为核心)
krea2 随机 / krea2 随机流 / krea2 人文建筑 一个「无参考自主创意」型 skill 模型自主选题
anima 扩写 一个「tag 流框架」型 skill + 两段式覆盖层 tag 流 + 自然语言(受 512 token 硬约束)
sdxl 扩写 同上,区别只在覆盖层的长度口径 同两段式
minimax 扩写 一个「视频提示词」型 skill 视频提示词
留空 — 走 default_route

krea2 两套并存:只写 krea2 扩写 走 tag 长稿流程;带上主题词(krea2 巨构 / krea2 图文海报 / krea2 随机)走自然语言规则库——新别名都比裸词 krea2 长,桥按「命中最长者优先」自动分流,两套互不干扰。

输入钳制:带主题词的三条 krea2 路由都挂了流水线覆盖层,第 0 条即「你在消息里给的人物 / 环境 / 动作 / 事件要素,必须作为主体、背景与事件内容写进提示词」,不会被模型自选的主题替换。

anima 的两个预算档:平时两段合计目标 ≤ 300 token(精简口径);需求里点名「神态生动」「细致场景」「构图饱满」「场景细节充分」时,放宽到 ≤ 480 token 抽更多神态 / 物品 / 环境 tag——两档都远低于 anima 1.0 base 的 512 token 硬上限。

想临时换模型:在 zml_model_key.json 里多加几个指向同一个桥地址、只是 model 不同的 preset,然后在 ComfyUI 面板切换即可——不用改配置、不用重启桥。


七、那个「Anima 提示词校验」节点

plugins/skill-bridge-toolkit 是配套的小工具集,其中 anima_validate_node.py 把某个 skill 自带的 tools/anima_validate.py 包成了节点:

  • 输入:LLM 产出的文本
  • 输出:修正后的文本 + 报告 + 退出码
  • 它做:tag 规范化(下划线转空格、小写)、上位词折叠、槽位冲突检查
  • 它不做:质量词、画师名、中文的过滤——那些要靠提示词规则拦住,节点会在报告里单独提醒

安装 / 升级:把 plugins/skill-bridge-toolkit 整个目录放进 ComfyUI/custom_nodes/,重启 ComfyUI。 节点默认去 ~/.dsh/skills 下某个 skill 里找校验器;skill 放在别处、或目录名不同,在节点的 skill_dir 里改。

⚠️ 这个包改过名字:升级必须先删旧包,再放新包。 旧目录名 comfyui-anima-validate-node → 现目录名 skill-bridge-toolkit;内容也从单个校验节点扩成三个: 校验节点 + 数值转文本(number_to_text.py)+ H3 帧锚点栈(h3_guide_stack.py)。 ComfyUI 是按目录名认包的——直接覆盖、或者只把新目录放进去而不删旧的,会让两个包同时加载、节点重复注册, 工作流里那些节点可能指向被覆盖的那一份,表现为参数丢失、取值错乱甚至加载报错。

# 1) 先删旧包(务必先删;全新安装跳过这一步)
Remove-Item "<ComfyUI>\custom_nodes\comfyui-anima-validate-node" -Recurse -Force
# 2) 再放新包
Copy-Item "<仓库>\plugins\skill-bridge-toolkit" "<ComfyUI>\custom_nodes\" -Recurse -Force
# 3) 重启 ComfyUI

这个节点依赖 skill 目录里的 tools/anima_validate.py 与 models/t5_tokenizer/—— 它们随对应的 skill 一起分发,本仓库不重复打包。

顺带解决「审核拒绝被当成提示词」

上游模型触到审核边界时会直接回一段拒绝话(I'm sorry, but I can't help with that request.)。 不拦的话,这段拒绝文本会被当成提示词送进文本编码器,画出一张毫无关系的图——而且你多半看不出 发生了什么,只会反复重跑、白白烧额度。

节点会先做一次拒绝检测,命中后按 on_reject 处理:

on_reject 行为
替换为提示卡(默认) 换成 reject_card 里的提示词,画出一张举牌少女,把拒绝显示在图上
原样输出并报警 保留原文不动,只在报告里报警
中断执行 直接抛错停下

检测采用「拒绝动作词」+「审核对象词」双重命中判据(另有 content_filter 直通), 所以 Rate limit exceeded、Insufficient balance、unknown model、请求过于频繁 这类普通失败 不会被误判——这点很关键,否则真正的问题会被掩盖成「被审核了」。词表也覆盖中文拒绝 (该请求涉及政治敏感内容,已被拒绝)与自我声明式(As an AI, I am not able to…)。

它会先把印刷体标点折成 ASCII 再匹配,因为 I can’t help 用的是弯撇号,不折叠的话所有 can't 模式都会落空。

reject_card 是可编辑的,想换成自己的提示词直接改。


八、回复缓存(抽卡省钱)

CN 图生图抽卡时,常出现同一张图 + 同一串 tag、只换随机种子反复跑的情况。 每次请求的 system prompt 都是同一份两万多字的规则——无条件重发等于每张都白烧一遍上下文, 还要多等十几秒。

开启缓存后(bridge_config.json 的 cache.enabled,默认开),桥按 **「最终组装的 system + 用户文本 + 模型 + token 上限」**建键,命中就直接回放上次的正文, 完全不碰上游。实测:

耗时 说明
第一次 16.2 s 走上游,正常生成
同输入第二次 0.0 s 命中缓存,逐字相同的正文
换 tag 14.6 s 重新走上游
同 tag 但改 max_tokens 14.1 s 正确地视为不同请求

日志里会明确写出来:命中缓存 直接回放 3830 字(未调用上游;缓存共 N 条)。

改 skill 或改 config 会改变 system prompt,键自然失效 —— 不需要手动清缓存。 缓存是 LRU,超过 max_entries(默认 64)自动淘汰最旧的。

一个需要你知道的取舍

图片默认不参与建键。因为 CN 图生图的 tag 与图基本是硬绑定的,图略变 tag 就会变, 用 tag 判断已经足够,还能省掉对图片数据做哈希的开销。

但如果你遇到"换了图却拿到上一张的提示词",就把 include_image_in_key 打开—— 代价是每次请求都要哈希一遍图片数据(几百 KB 的 base64,开销很小)。

什么时候该关掉它

如果你故意想让同样的输入产出不同结果(比如把 LLM 当灵感来源,同一组 tag 想多抽几种写法), 缓存会妨碍你——那种场景把 cache.enabled 设为 false。抽卡时不要关。


随机类请求不吃缓存(cache.bypass_keywords)

回复缓存按「system + 用户文本 + 模型 + token 上限」建键——只要这几项不变就回放上次的正文。 可「随机流」这类用法恰恰要求每次都不一样:场景声明不变、用户文本不变,输出却被缓存钉成同一份。

所以桥加了一条旁路:场景声明或用户文本里出现 随机 / random 时,直接跳过缓存,每次都真去上游抽一次。 词表写在 cache.bypass_keywords(未配该键时用内置默认 ["随机", "random"];设成 [] 即关闭这条旁路)。

只扫你传来的那一句声明与用户文本,不扫最终组装的 system——skill 规则里满篇「随机」,扫它等于把缓存整个关掉。 旁路命中时日志会写 命中「随机」:跳过缓存,直接请求上游;这类请求也不写缓存,不会挤占 max_entries 的名额。


九、常见问题

Q:ComfyUI 报「返回空内容」 最大Token数 设小了,思考把预算吃光了。设 8192。桥的日志里会打出 max_tokens= 和 思考= 两个值,一眼能看出。

Q:输出里出现代码块或前言 检查 json_strategy 是否选了「仅提示词」。另外 bridge_config.json 里有一段 pipeline_overrides,专门压制「skill 原文要求打包进代码块」这类对话交付习惯——不要删它。

Q:双击启动脚本一闪而过 本包里的 start-bridge.bat 已是 纯 ASCII + CRLF 换行,不会再有这个问题。如果你自己改过它,注意两点:别在 bat 里写中文(cmd 按系统代码页解析会崩),换行必须是 CRLF。

Q:报 502,说「目标端口没有在监听(WinError 10061)」 上游网关没启动,或者 bridge_config.json 里的 base_url 写错了。这不是桥的问题—— 桥自己还在跑。把上游启动起来即可。

Q:改了 bridge_config.json 要不要重启桥? 不用。除 port 外所有字段都是热重载的,存盘后下一次请求就生效。 (port 是监听端口,改它必须重启。)

这条以前是个坑:配置只在桥启动时读一次,改了不重启就会一直连旧地址,症状看起来 跟"上游挂了"一模一样。现在不存在了。

Q:传了图,但输出像是没看图、跟图对不上 两步排查。先看桥日志那一行——它会显示 输入=图+tag(N字) 或 输入=仅图(无tag); 若显示的是 输入=tag(...),说明图的线没接上。

再看图有没有缩过。原图过大时,部分上游会静默丢弃图片部分,模型就只按 tag 扩写, 表现和"没接图"一模一样,但日志里 输入=图+tag 是对的。把长边缩到 1024~1536 再试。

Q:配置里 skills_dir 写错了会怎样? 桥在启动时就会把每条 route 的落地情况打出来,不用等出问题才发现:

skills_dir = C:\Users\你\.dsh\skills
  route <关键词>    -> <skill 目录名>     OK
  route <关键词>    -> <skill 目录名>     缺失 SKILL.md

目录不存在时直接提示「改成你放 skill 的目录;改完不必重启桥(配置是热重载的)」。 不会静默降级——改之前它会照常返回 200,只是 skill 规则一条都没加载, 用户只会觉得"输出莫名变差",而警告埋在日志深处、ComfyUI 端根本看不到。

Q:日志在哪 bridge/bridge.log。每行记录场景、输入类型、走的哪个分支、用的模型、system 提示长度、token 用量、耗时。排查问题先看它。

Q:怎么停掉桥 关掉那个窗口即可;也可以按端口结束进程(别用 taskkill /im python.exe,会连带杀掉 ComfyUI):

Get-NetTCPConnection -LocalPort 8899 -State Listen | ForEach-Object { Stop-Process -Id $_.OwningProcess -Force }

许可

MIT,见 LICENSE。

本仓库不含任何 skill 的正文,也不含 wd14 模型权重—— 这些请从各自的来源获取,并遵循其原有许可。

About

一个本地小服务,把 AI skill 的规则动态的喂给 ComfyUI 的 LLM 节点,你只在节点里写一句场景声明(如 krea2 扩写),规则由桥从你的agents skill 目录现场读取

Resources

Stars

1 star

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages