《基于 Python 与 ComfyUI API 的轻量级自动化图像生成管线开发》

作者：王方元 | 个人技术站：wfy.wang 领域：AIGC 工作流开发 / Pipeline TD

---

一、 背景与管线设计目标

完成 ComfyUI 私有化部署之后，网页端手动点击提交渲染仅适合工作流调试。面向商业 AIGC 短剧素材生产、大批量 AI 资产输出，以及和 Maya、Nuke、Houdini 传统 CG 管线联动的场景，需要把 ComfyUI 能力做 API 服务化封装。

基于 ComfyUI 提供的 RESTful API、WebSocket 接口，使用 Python 搭建轻量级自动化渲染管线，设计目标包含：

1. 工作流 JSON 动态解析：复用提前调试完成的 API-Format 工作流模板，动态替换参考图路径、提示词、随机种子、分辨率等业务参数。
2. 异步任务队列提交：HTTP POST 方式向 ComfyUI 服务提交渲染任务，实现后台批量推理，规避多任务并发造成显存溢出（OOM）。
3. 渲染状态实时监听：通过 WebSocket 获取节点执行进度、运行报错信息，捕获 OOM、文件损坏等异常。
4. 渲染资产自动归档：任务完成后取回图片/序列帧，自动分类落盘归档，可对接本地共享目录或者云存储，完成和 CG 生产流程的数据打通。

---

二、 整体架构思路

整套管线复用已调通的 ComfyUI 工作流模板，不改动底层节点逻辑；Python 作为上层调度层，只负责参数修改、任务投递、状态轮询、文件后处理。

• 底层：Linux 环境私有化部署 ComfyUI 服务，支持内网离线部署，完成模型、自定义节点资产管理。
• 调度层：Python 脚本，读取 API 模板、修改节点参数、提交任务、监听执行状态。
• 输出层：渲染完成自动整理成品素材，可扩展 FFmpeg 将序列帧合成短视频，适配短剧生产业务。

---

三、 关键技术要点

1. 区分画布工作流 JSON 与 API 格式 JSON： 必须使用 Save (API Format) 导出的任务模板，去掉画布 UI 坐标信息，仅保留节点执行逻辑；通过节点 ID 定位，修改图片、提示词、采样器等入参。
2. 任务串行排队机制： 同一 GPU 服务控制任务并发数量，等待上一个任务全部执行完毕，再投递下一条任务，防止多任务同时执行引发显存 OOM 崩溃。
3. 两种状态获取方案：
4. HTTP History 接口：轮询查询任务历史结果，实现简单，适合小规模批量任务。
5. WebSocket 长连接：实时接收每一个节点执行进度，便于日志记录与异常捕获。
6. 资产预处理兼容 CG 管线： 对输入图片自动校验格式、重命名，规避中文文件名导致 ComfyUI 读取失败问题；输出文件按照项目、角色、版本号做目录归档，对齐传统 CG 项目的资产管理规范。

---

四、 业务价值

• 降低使用门槛：美术人员不需要操作 ComfyUI 节点画布，仅输入参考素材即可触发 AI 渲染。
• 无缝管线集成：可与传统 CG Pipeline 打通，把 AI 生成的素材无缝接入现有动画、特效生产流程。
• 数据安全合规：适配内网私有化部署场景，全部素材、模型保留在本地服务器，满足数据安全要求。

---

五、 后续待实现规划

• [ ] 文件夹监控：监听美术输入目录，检测到新增图片时自动发起渲染任务。
• [ ] 轻量级 UI 封装：为非技术业务人员开发简易交互界面。
• [ ] 序列帧自动合成：集成 FFmpeg 自动将生成的序列帧压制成 MP4 预览视频。
• [ ] 日志与追踪体系：记录每条任务的 Seed、Prompt 及工作流 Version，方便效果精确复现。