欢迎使用 WordPress。这是您的第一篇文章。编辑或删除它，然后开始写作吧！
博客
-
薅秃 Hugging Face！0 元白嫖 Ubuntu 服务器，玩法太多小心被风控😂
现在云服务器价格贵到肉疼，学生党、打工人想整个专属服务器搞开发、搭网站，钱包直接劝退？nonono！今天给你们解锁一个神仙操作 ——Hugging Face Spaces 免费额度，不用信用卡、不用实名，反手就能掏出一个完整 Ubuntu 系统，从 JupyterLab 玩到 Web 服务，甚至能搞桌面环境，堪称 “免费资源界的隐藏大佬”！不过友情提示：别玩太疯，不然平台可能把你 “请出会场” 哦～
Leepoet先给大家划重点：这波羊毛真・无套路！
- 不用绑卡！不用实名！注册 Hugging Face 账号就行（官网点几下就搞定）
- 不用额外硬件！一台能上网的电脑 / 手机，全程在线操作
- 免费版 CPU 够打！轻量开发、小型网站、学习测试完全 hold 住
话不多说直接实操。
新建一个spaces
这里选择jupyterlab
jupyterlab只可以选择private，jupyter_taken设置，这里随便设置一个自己方便记忆的taken就好，例：666666
选择完后直接create space，直接下面的流程，进入自动building流程，大概需要等3分钟左右，选择jupyterlab的好处是因为它会直接装Ubuntu20.04系统，方便
可以看到红框内都是预装的服务
安装完后，输入jupyter taken
进入jupterlab界面，直接点teminal进入终端。
先更新一下软件
安装neofetch查看系统信息
安装宝塔面板Ubuntu/Deepin安装命令：
wget -O install_panel.sh https://download.bt.cn/install/install_panel.sh && sudo bash install_panel.sh ssl251104
安装完后可以看到当前服务器的ip，但是这个IPV4的IP是正常访问不了的，这应该是huggingface禁止的。所以要通过穿透用域名访问服务。
注册并进入ngrok
能过命令安装ngrok进行简单的穿透测试。
安装完后，添加authtoken
添加完后会提示：Authtoken saved to configuration file: /home/user/.config/ngrok/ngrok.yml，然后直接使用ngrok穿透BT的端口
穿透成功
直接访问面板地址
进入后直接安装LNMP套件，这个过程大概在10分钟左右
安装完lnmp套件后，点网站，自定义域名处因为localhost是做不了访问的，所以这里推荐使用“0.0.0.0:端口号或者127.0.0.1:端口号”做为访问路径，部署网站后，可以通过穿透端口绑定域名，所以也不用做过多的设置。
进阶：使用CLOUDFLARE TUNNELS进行穿透，用自定义域名绑定服务端口，实现服务自由，打开
https://one.dash.cloudflare.com，网络-连接器-添加隧道
自定义一个隧道名
因为是ubuntu系统，它做为debian的儿子，这里必然选debian
回到jupterlab,+号，新建一个launcher进入一个新的terminal窗口
提权后输入cloudflare的隧道安装命令
安装完后，继续输入自动运行隧道命令
安装成功后，回到https://one.dash.cloudflare.com/面板，可以看到状态是已连接了，然后下一步
设置穿透的端口，这里用bt的端口34386进行穿透到bt.19901117.xyz。（*注：首先要先把自己的自定义域名先托管到cloudflare）
设置完后，可以看到状态是正常。
更多设置，和自定义服务点右侧三个小点，进行配置
CF穿透成功。
安装ubuntu-desktop
先更新软件到最新
sudo apt update && sudo apt upgrade -y
安装桌面环境
sudo apt install ubuntu-desktop
测试安装XRDP
sudo apt install xrdp -y
查看一下是否安装成功以及xrdp的端口：sudo nano /etc/xrdp/xrdp.ini
看下能不能通过CF穿出来，因为3389端口走的是TCP协议，所以
好吧 ，没穿出来
结果没穿出来，还风控了0 0
但算是一种尝试吧，无论如何目前来讲Hugging Face 不仅是 AI 开发者的天堂，还是白嫖党的宝藏！从开发环境到 Web 服务，再到桌面系统，只要敢想，就能用免费额度实现～ 不管是学生党学 Linux、开发者测项目，还是搭个人小网站，这波羊毛都值得冲！先这样吧，还有一些玩法还在探索中，不过正因为有terminal又是ubuntu的系统，所以玩法还是很多的，很多git,nodejs项目都可以拉取部署后，通过服务端口穿透出来，原理都差不多。
不过记住：适度薅羊毛，平台才能长期提供免费资源～ 大家还有什么新奇玩法，欢迎在评论区分享，一起把免费服务器玩出花！
Tags: Hugging Face 白嫖服务器 免费云服务 Ubuntu 部署 宝塔面板 穿透教程 开发神器
-
告别天价软件！开源数字人项目，让你轻松打造专属虚拟分身
是否曾对炫酷的数字人技术心动，却被高昂的成本和陡峭的学习曲线劝退？无论是想成为虚拟主播，还是开发AI助手，今天这篇文章将是你的终极入门指南。我精选了5个GitHub上高星的开源项目，覆盖从人脸生成、实时驱动到智能对话的全流程，帮你零成本开启数字人创作之旅！
为何要关注开源数字人项目？
数字人已广泛应用于虚拟主播、数字员工、AI客服等领域，但商业解决方案往往价格不菲。开源项目则打破了这一壁垒，将顶尖技术免费开放给所有开发者与创作者。你无需从零开始，即可基于成熟框架快速定制专属虚拟形象，真正实现“数字人自由”。
项目名 核心优势 适用人群 技术门槛 部署难度 最佳场景 Face-Transformers 2D人脸生成，风格多样 头像设计、新手 低 中 虚拟头像制作、数字分身设计 Live2D Cubism SDK 2D实时驱动，直播适配好 虚拟主播、UP主 中 易 2D虚拟直播、短视频出镜 Avatarify 实时变身，会议神器 打工人、社恐 低 易 视频会议虚拟形象 ChatGPT-4V Digital Human 智能对话，语音交互 开发者、内容党 中 中 智能客服、虚拟助手 PIFuHD 3D建模，单图生成 3D创作者 中高 中高 3D虚拟偶像、游戏角色建模 1. Face-Transformers：数字人脸“生成大师”
介绍：小白也能上手的人脸生成工具！基于AI模型生成超逼真数字人脸，支持自定义性别、年龄、发型，还能让人脸“动起来”，做虚拟头像超方便。
主要功能：- 生成高清数字人脸图片，支持风格迁移（如写实、动漫、油画风）
- 调整人脸特征：改发型、换表情、加配饰，自由度超高
- 导出人脸模型用于视频制作或游戏角色
应用场景：做虚拟主播头像、设计游戏NPC脸模、生成个性化数字分身
部署方法：
- 克隆仓库：
git clone https://github.com/hukkelas/Face-Transformers.git - 安装依赖：
pip install -r requirements.txt - 运行Web界面：
python app.py，在浏览器调参数生成人脸
亮点&小槽点：生成效果逼真，操作可视化；但需要显卡支持，低配电脑可能跑不动。
GitHub链接：https://github.com/hukkelas/Face-Transformers
2. Live2D Cubism SDK：2D数字人“动效引擎”
介绍：虚拟主播圈的“顶流工具”！专门做2D数字人实时驱动，给静态头像加表情、动嘴巴、摆姿势，直播间互动感拉满。
主要功能：- 绑定人脸关键点，通过摄像头实时驱动数字人表情（眨眼、微笑、张嘴）
- 支持手动调动作：点头、挥手、比心等预设动作库
- 导出动画视频或实时推流到直播平台
应用场景：2D虚拟主播直播、短视频数字人出镜、线上课程虚拟讲师
部署方法：
- 克隆仓库：
git clone https://github.com/Live2D/CubismSDK.git - 下载官方示例模型（需注册账号）
- 运行示例程序：
./Samples/BasicExample，用摄像头驱动模型
亮点&小槽点：2D动效自然，直播适配好；但高级功能需付费授权，免费版够用基础需求。
GitHub链接：https://github.com/Live2D/CubismSDK
3. Avatarify：实时数字人“变身神器”
介绍：打工人狂喜的视频会议神器！通过摄像头把自己实时变成数字人，开会不想露脸？用虚拟分身代替，还能换发型妆容。
主要功能：- 实时人脸追踪，把摄像头画面替换成数字人形象
- 支持自定义数字人：上传照片生成专属分身，保留你的表情特征
- 兼容Zoom、Teams等会议软件，即插即用
应用场景：视频会议虚拟形象、线上讲座匿名出镜、直播时切换数字人身份
部署方法：
- 克隆仓库：
git clone https://github.com/alievk/avatarify.git - 安装依赖：
conda env create -f environment.yml - 启动程序：
python avatarify.py，选择数字人模型即可使用
亮点&小槽点：实时性强，操作简单；但对网络和电脑性能有要求，可能偶尔卡顿。
GitHub链接：https://github.com/alievk/avatarify.git
4. ChatGPT-4V Digital Human：会聊天的“智能数字人”
介绍：能说会道的数字助手框架！把ChatGPT的大脑装进数字人，支持语音对话、图像识别，问问题、讲故事、查信息样样行。
主要功能：- 语音交互：说话就能和数字人聊天，支持多语言
- 视觉能力：数字人能“看”图片，描述内容或回答相关问题
- 自定义人设：设置数字人性格、语气、专业领域（如客服、老师）
应用场景：做智能客服数字人、开发虚拟助手、给孩子做AI玩伴
部署方法：
- 克隆仓库：
git clone https://github.com/yangjianxin1/ChatGPT-4V-Digital-Human.git - 配置OpenAI API密钥：修改
config.py - 运行：
python app.py，通过麦克风和数字人对话
亮点&小槽点：对话自然，功能全面；但需要OpenAI API密钥，有使用成本。
GitHub链接：https://github.com/yangjianxin1/ChatGPT-4V-Digital-Human
5. PIFuHD：3D数字人“建模神器”
介绍：3D建模小白的救星！上传一张照片就能生成完整3D数字人模型，带身体、穿衣服，还能摆各种姿势，做虚拟偶像超合适。
主要功能：- 单张照片生成高精细3D数字人，包括面部、身体、服装细节
- 支持调整姿势：让数字人站、坐、挥手，动作自然
- 导出3D模型文件，用于动画制作或游戏开发
应用场景：3D虚拟偶像制作、元宇宙数字分身、游戏角色快速建模
部署方法：
- 克隆仓库：
git clone https://github.com/facebookresearch/pifuhd.git - 安装依赖：
pip install -r requirements.txt - 运行：
python -m apps.simple_test --input_image path/to/your/photo.jpg
亮点&小槽点：3D建模效果惊艳，单图生成超方便；但模型训练需要大显存，普通电脑跑起来慢。
GitHub链接：https://github.com/facebookresearch/pifuhd
-
GitHub热门智能体开源项目，让你秒变AI大神！
AI发烧友们，大家好！最近是不是感觉哪里都在谈“智能体（Agent）”？从自动编程到智能决策，它俨然成了AI界的新晋“顶流”。但面对海量信息，你是否也曾感到无从下手：教程太浅、门槛太高，想亲手实践却找不到合适的项目？别担心！今天，我们就为大家精选了GitHub上10个高星智能体开源项目，涵盖从通用框架到垂直工具，从单机作战到多体协同，并附上保姆级介绍与实战指南。收藏这篇文章，你的智能体学习之路将事半功倍！
智能体是什么？为什么它值得关注？
简单来说，智能体是一个“会独立思考、自主行动的AI助手”。你只需给定一个目标，它便能自主规划任务、调用工具、执行步骤，甚至与其他智能体协同完成复杂工作。目前，智能体已广泛应用于科研、办公、游戏开发等领域。而开源项目，正是我们快速入门的“捷径”——无需从零造轮子，基于成熟代码稍作修改，你就能打造属于自己的智能体，高效又实用！
先唠两句：啥是智能体？为啥要学？
说白了，智能体就是“能自己干活的AI助手”——给它个目标，它会自己拆解任务、调用工具、调整策略，甚至和其他AI“组队打工”。现在从科研、办公到游戏、机器人，到处都能看到它的身影。而开源项目就是咱普通人的“快车道”：不用从零造轮子，直接改改代码就能搭自己的智能体，香到不行！
10个必玩智能体开源项目，按头安利！
1. AutoGPT：智能体界的“开山网红”
介绍：当年一句“AI自主完成任务”直接引爆GitHub的狠角色！基于GPT模型，能自己规划、搜索、执行任务，堪称“AI版自动化脚本”。
10个项目横向对比表（选项目不纠结！）
项目名 核心优势 适用人群 技术门槛 部署难度 最佳场景 AutoGPT 入门简单，自主性强 新手、小白 低 易 简单任务自动化 MetaGPT 分工清晰，输出质量高 开发者、产品 中 中 软件开发、项目规划 LangChain 万能工具箱，兼容性强 全阶段开发者 中 易 自定义智能体开发 AutoGen 多智能体协作，微软背书 进阶开发者 中高 中 复杂决策、团队协作 BabyAGI 代码极简，原理清晰 学习者、新手 低 易 理解智能体逻辑 HuggingGPT 多模型联合，成本低 开发者、研究者 中高 中高 多模态任务、本地部署 AgentGPT 零代码，网页直接用 纯新手、体验党 无 无 快速测试、简单任务 GPT-Researcher 学术向专业，文献整理 学生、研究员 低 易 论文写作、文献综述 CrewAI 团队管理逻辑强 项目管理者 中 中 多角色协作、复杂任务 AgentQL 自然语言查数据 业务、数据岗 低 易 数据分析、报表生成
主要功能：- 自主拆解复杂任务（比如“写一篇AI发展报告”→ 拆成查资料、整理数据、写初稿、润色）
- 调用搜索引擎、文件工具，甚至控制其他软件
- 支持自定义目标和规则，灵活性拉满
应用场景：自动写报告、数据整理、批量处理文件、简单的科研辅助
部署方法：- 克隆仓库：
git clone https://github.com/Significant-Gravitas/AutoGPT.git - 安装依赖：
pip install -r requirements.txt - 配置OpenAI API密钥和目标，运行
python -m autogpt即可
亮点&小槽点：入门简单，适合新手练手；但偶尔会“钻牛角尖”，需要手动干预调整目标。
GitHub链接：https://github.com/Significant-Gravitas/AutoGPT
2. MetaGPT：多智能体“职场协作”神器
介绍：由国内团队开发的“全流程智能体框架”，核心是模拟“职场团队分工”——比如产品经理、开发、测试各司其职，合力完成项目。
主要功能：- 内置“角色分工”系统：支持产品经理（提需求）、架构师（画方案）、开发（写代码）等角色
- 自动生成文档、代码、测试用例，甚至能输出项目计划
- 多智能体实时沟通协作，像真人团队一样推进任务
应用场景：小型软件开发、项目规划、团队协作流程模拟、创业项目原型设计
部署方法：
- 克隆仓库：
git clone https://github.com/geekan/MetaGPT.git - 安装依赖：
pip install -r requirements.txt - 配置API密钥，输入需求（比如“开发一个贪吃蛇游戏”），运行
python startup.py "你的需求"
亮点&小槽点：分工超清晰，输出质量高；但对硬件和API额度要求稍高，新手可能需要先调参。
GitHub链接：https://github.com/geekan/MetaGPT
3. LangChain：智能体的“工具箱”（必学！）
介绍：虽然不算纯智能体，但绝对是构建智能体的“基础设施”！把各种AI模型、工具、数据串起来，让你轻松搭出复杂智能体。
主要功能：- 集成主流大模型（GPT、LLaMA、文心一言等）和工具（搜索、数据库、API调用）
- 提供“记忆模块”：让智能体记住对话历史和任务状态
- 支持“链（Chain）”和“智能体（Agent）”两种模式，灵活组合功能
应用场景：自定义智能体开发、聊天机器人、知识库问答、数据分析助手
部署方法：
- 直接安装库：
pip install langchain - 搭配具体模型（如OpenAI）：
pip install openai - 参考文档写代码：定义工具→设置智能体→调用执行
亮点&小槽点：兼容性超强，几乎所有智能体项目都绕不开它；但需要点代码基础，纯小白可能要先补Python。
GitHub链接：https://github.com/langchain-ai/langchain
4. AutoGen：微软出品的“智能体协作平台”
介绍：微软研究院开源的多智能体框架，主打“让多个AI智能体聊天协作”，甚至能和人类实时互动，解决复杂问题。
主要功能：- 支持“智能体-智能体”“智能体-人类”混合协作
- 自动分配任务、调用工具，还能辩论优化方案（比如两个智能体吵架改代码哈哈）
- 兼容多种大模型，支持本地部署（不用依赖OpenAI）
应用场景：复杂决策、代码审查、学术研究协作、多人任务分配
部署方法：
- 安装：
pip install pyautogen - 写配置文件：定义智能体角色、模型、工具权限
- 启动对话：
python your_script.py让智能体们开始“打工”
亮点&小槽点：微软背书，稳定性强；协作逻辑超灵活，但配置稍复杂，建议先看官方示例。
GitHub链接：https://github.com/microsoft/autogen
5. BabyAGI：极简任务智能体
介绍：名字萌但功能硬核！用不到200行代码实现“目标-任务-执行”闭环，适合新手理解智能体核心逻辑。
主要功能：- 核心逻辑：设定目标→生成任务→执行任务→更新任务列表
- 支持用向量数据库存储任务记忆，避免重复劳动
- 可自定义执行工具（比如加个网页爬虫、计算器）
应用场景：学习智能体原理、搭建轻量任务助手（如定时查天气、整理邮件）
部署方法：
- 克隆仓库：
git clone https://github.com/yoheinakajima/babyagi.git - 安装依赖：
pip install -r requirements.txt - 配置OpenAI和向量数据库密钥，运行
python babyagi.py输入目标
亮点&小槽点：代码极简，新手能看懂；但功能基础，复杂任务需要自己加工具。
GitHub链接：https://github.com/yoheinakajima/babyagi.git
6. HuggingGPT： Hugging Face+GPT的“强强联合”
介绍：浙大团队开源的“大模型调度官”！让GPT当“指挥官”，调用Hugging Face上的1000+开源模型干活，成本低还强。
主要功能：- GPT负责拆解任务、选模型，Hugging Face模型负责具体执行（如图像识别、翻译、代码生成）
- 支持文本、图像、语音等多模态任务，全能选手
- 本地部署可选，不用完全依赖API
应用场景：多模态任务处理（如“给图片写文案+翻译”）、低成本智能体开发
部署方法：
- 克隆仓库：
git clone https://github.com/microsoft/HuggingGPT.git - 安装依赖：
pip install -r requirements.txt - 配置OpenAI和Hugging Face密钥，运行示例脚本
亮点&小槽点：模型资源丰富，成本可控；但对设备算力有要求，本地跑大模型可能卡。
GitHub链接：https://github.com/microsoft/HuggingGPT
7. AgentGPT：浏览器直接玩的“零代码智能体”
介绍：懒人福音！不用装环境，打开网页就能创建智能体，输入目标直接跑，新手友好度拉满。
主要功能：- 网页端可视化操作，填个目标就能启动智能体
- 实时显示任务拆解和执行过程，像“看AI打工直播”
- 支持保存历史记录，随时复盘调整
应用场景：快速测试智能体效果、新手入门体验、简单任务自动化（如写提纲、查信息）
部署方法：
- 直接用在线版：https://agentgpt.reworkd.ai/（偶尔需要排队）
- 本地部署：克隆仓库后按文档配置Next.js环境，启动即可
亮点&小槽点：零代码门槛，谁都能玩；但功能有限，复杂任务还是得用本地项目。
GitHub链接：https://github.com/reworkd/AgentGPT
8. GPT-Researcher：学术党狂喜的“论文助手”
介绍：专注“学术研究”的智能体！输入研究主题，自动搜文献、读论文、整理观点，还能生成带引用的报告。
主要功能：- 自动搜索学术数据库（Google Scholar、Arxiv等）和权威来源
- 提取核心观点、对比不同研究，生成结构化报告（带参考文献格式）
- 支持自定义研究深度和报告风格（如摘要、综述、批判性分析）
应用场景：写论文查资料、文献综述、快速了解研究领域进展
部署方法：
- 克隆仓库：
git clone https://github.com/assafelovic/gpt-researcher.git - 安装依赖：
pip install -r requirements.txt - 配置API密钥，运行
python main.py输入研究主题
亮点&小槽点：学术向超专业，省超多查文献时间；但依赖英文资源，中文文献支持一般。
GitHub链接：https://github.com/assafelovic/gpt-researcher
9. CrewAI：多智能体“团队管理”框架
介绍：把智能体变成“团队成员”，你当“老板”给任务，它自动分配角色、设目标、追进度，主打一个省心。
主要功能：- 可视化定义角色（如“市场分析师”“文案写手”）、技能和目标
- 智能体间自动沟通协作，遇到问题会“请示”你
- 支持集成各种工具（API、数据库、爬虫）扩展能力
应用场景：内容创作团队、市场调研、项目管理、多步骤任务处理
部署方法：
- 安装库：
pip install crewai - 写代码定义角色、任务和工具
- 启动团队：
crew.kickoff()坐等结果
亮点&小槽点：团队管理逻辑超清晰，适合复杂协作；但文档较少，新手可能需要多试。
GitHub链接：https://github.com/joaomdmoura/crewai
10. AgentQL：智能体+数据库的“数据查询神器”
介绍：让智能体直接“懂数据库”！输入自然语言问题（比如“查下上月销售额前5的产品”），自动生成SQL并查结果。
主要功能：- 自然语言转SQL，不用学代码也能查数据库
- 支持MySQL、PostgreSQL等主流数据库，兼容性强
- 自动校验SQL正确性，避免查错数据
应用场景：数据分析、业务报表生成、非技术人员查数据
部署方法：
- 安装：
pip install agentql - 连接数据库，配置API密钥
- 用自然语言提问：
agent.query("你的问题")
亮点&小槽点：数据查询超方便，非技术党狂喜；但复杂查询可能需要手动调整SQL。
GitHub链接：https://github.com/AgentQL/agentql
-
AI开源项目推荐清单赶紧收藏，开启你的开源AI宝藏库！
在AI技术日新月异的今天，你是否也曾面临这些困惑：强大的模型总是闭源收费？想动手实践却不知从何开始？工具繁多却难以找到真正高效可靠的选项？本文正是为你量身打造的“寻宝图”。我们深入GitHub，为你精挑细选了10个涵盖不同领域的顶级开源AI项目。
10个必收藏的AI开源项目 | GitHub高星推荐 | 大模型/图像生成/语音识别/目标检测
从驱动对话的大语言模型（LLaMA），到创造视觉奇迹的图像生成器（Stable Diffusion）；从精准的语音识别工具（Whisper），到实时目标检测系统（YOLOv8）；乃至帮助你快速构建应用的开发框架（LangChain, Gradio）——每一款都经过社区验证，兼具创新性与实用性。无论你是开发者、研究者、学生还是技术爱好者，这份清单都将为你提供从学习探索到项目实战的强力支持。现在，就让我们一起解锁这些开源神器，将 cutting-edge 的AI能力，转化为你手中的利刃。
不管你是想练手、做项目，还是直接薅来干活，这篇清单都能让你直呼“捡到宝”！话不多说，上硬菜～
1. LLaMA：Meta家的“平民大模型”
详细介绍：这是Meta（脸书母公司）开源的大语言模型家族，从70亿参数到700亿参数应有尽有，主打一个“轻量能跑、开源免费”。普通人下载后，在消费级显卡上就能微调，不用再眼巴巴看着大厂模型流口水～
核心特点：
- 尺寸灵活：从7B到70B参数，电脑配置不够也能玩小规格；
- 微调友好：社区有超多现成工具（比如Alpaca-LoRA），新手也能快速调教；
- 多语言支持：对中文、英文等主流语言适配都不错。
应用场景：做聊天机器人、个性化问答系统、内容生成工具，甚至训练垂直领域小模型（比如法律、医疗）都合适。
项目对比：和闭源的GPT-4比，LLaMA胜在“免费开源”，普通人也能下载微调；但论综合能力，GPT-4还是老大哥。和其他开源大模型（比如Mistral）比，LLaMA的生态更成熟，社区工具多到用不完～
GitHub地址：https://github.com/facebookresearch/llama
2. Stable Diffusion：AI绘画界的“扛把子”
详细介绍：提到AI画图，没人能绕开Stable Diffusion！由Stability AI开源，支持文本生成图像、图像修复、风格迁移，关键是完全免费商用（非商用更没问题），普通电脑装个WebUI就能玩到飞起。
核心特点：
- 插件狂魔：千种风格模型、LoRA微调、ControlNet控图，玩法多到离谱；
- 本地化部署：不用蹭在线接口，自己电脑就能生成，隐私性拉满；
- 社区活跃：每天都有新模型、新教程，小白也能快速出“大作”。
应用场景：设计插画、海报制作、游戏美术辅助、表情包生成，甚至修复老照片、给线稿上色都超好用。
项目对比：和Midjourney比，Stable Diffusion胜在“免费开源+本地化”，但出图效率和精细度稍弱；和DALL-E比，它的可控性更强，插件生态甩对手十条街～
GitHub地址：https://github.com/Stability-AI/stablediffusion
3. Whisper：OpenAI的“语音魔术师”
详细介绍：OpenAI开源的语音识别模型，能把语音转文字、文字转语音，还支持99种语言！关键是准确率超高，连带口音的中文、英文都能轻松识别，简直是会议记录、视频字幕的救星。
核心特点：
- 多任务全能：语音转文字、文字转语音、翻译（比如日语语音直接转中文文字）全拿下；
- 小模型也能打：哪怕用base（基础）模型，准确率也甩很多商用工具一条街；
- 开箱即用：Python几行代码就能调用，不用复杂配置。
应用场景：会议纪要自动生成、视频字幕批量制作、播客转文字、多语言语音翻译工具开发。
项目对比：和百度语音API比，Whisper胜在“本地部署+免费”，但实时性稍弱；和Google Speech-to-Text比，它对小语种和口音的兼容性更好～
GitHub地址：https://github.com/openai/whisper
4. LangChain：LLM应用的“胶水框架”
详细介绍：想把大模型和数据库、API、知识库结合起来？LangChain就是干这个的！它像“乐高积木”一样，把各种AI组件拼起来，让你轻松开发聊天机器人、问答系统、智能助手，不用从零写代码。
核心特点：
- 组件丰富：支持连接各种大模型（GPT、LLaMA、Claude）、数据库（MySQL、MongoDB）、搜索引擎；
- 流程可控：能设计AI的思考步骤（比如“先查资料再回答”），避免大模型“瞎编”；
- 入门简单：文档超详细，跟着教程走，半小时就能搭个简单的问答工具。
应用场景：开发企业知识库问答机器人、带记忆功能的聊天助手、基于私有数据的AI分析工具。
项目对比：和同类框架LlamaIndex比，LangChain更侧重“流程编排”，适合复杂应用；LlamaIndex则强在“数据处理”，新手入门可能更简单～
GitHub地址：https://github.com/langchain-ai/langchain
5. YOLOv8：目标检测界的“闪电侠”
详细介绍：YOLO系列的最新版，主打“又快又准”的目标检测。能瞬间识别图片/视频里的人、车、动物、物体，在普通显卡上就能实时处理视频流，工业级场景都在用它。
核心特点：
- 速度狂魔：每秒能处理几十帧视频，监控摄像头实时分析毫无压力；
- 轻量化：小模型能在手机、嵌入式设备上跑，大模型精度堪比专业工具；
- 开箱即用：预训练模型直接丢图就能识别，微调自己的数据也超简单。
应用场景：智能监控（比如识别异常行为）、自动驾驶辅助（识别行人车辆）、工业质检（检测产品缺陷）、手机拍照识物APP。
项目对比：和Faster R-CNN比，YOLOv8速度快10倍以上，精度稍低但够用；和SSD比，它的小目标识别能力更强，适合复杂场景～
GitHub地址：https://github.com/ultralytics/ultralytics
6. AutoGPT：AI界的“自律打工人”
详细介绍：让AI自己“思考、规划、执行”的工具！你只需要给它一个目标（比如“写一篇关于AI开源项目的推文”），它会自动查资料、生成大纲、写内容，甚至能调用其他工具，全程不用你插手。
核心特点：
- 自主决策：不用一步步指挥，AI自己拆解任务、调整策略；
- 工具集成：能联网查信息、用搜索引擎、调用API，像个真人助理；
- 开源免费：虽然还在完善中，但基础功能已经能用，适合尝鲜。
应用场景：自动写报告、市场调研分析、内容创作辅助、复杂问题拆解（比如“规划一场AI技术分享会”）。
项目对比：和ChatGPT的“单次对话”比，AutoGPT胜在“多步骤自主执行”，但容易“走偏”；和同类工具BabyAGI比，它的界面更友好，新手更容易上手～
GitHub地址：https://github.com/Significant-Gravitas/AutoGPT
7. Diffusers：AI生成的“工具箱”
详细介绍：Hugging Face开源的生成模型库，里面不仅有Stable Diffusion的核心代码，还有各种图像生成、音频生成、视频生成模型。相当于给开发者搭了个“AI生成工厂”，想调参、改模型？用它就对了。
核心特点：
- 模型丰富：除了图像生成，还有文生视频（如Video Diffusion）、图像修复等模型；
- 代码简洁：几行代码就能调用复杂模型，调参改配置超方便；
- 和Hugging Face生态无缝衔接：能直接用Hub上的模型，不用自己下载。
应用场景：开发自定义AI绘画工具、研究生成模型原理、二次开发生成模型（比如加新功能）。
项目对比：和Stable Diffusion的WebUI比，Diffusers更适合“开发者”做二次开发；WebUI则适合“普通用户”直接用～
GitHub地址：https://github.com/huggingface/diffusers
8. FastChat：大模型的“聊天服务员”
详细介绍：想给你的LLaMA、Mistral等开源大模型加个聊天界面？FastChat一键搞定！它支持多模型部署、对话历史管理、API调用，还能搭个网页版聊天框，小白也能快速拥有自己的“ChatGPT”。
核心特点：
- 多模型兼容：主流开源大模型都能装，切换模型像换手机壁纸一样简单；
- 部署方便：一条命令启动服务，网页端、API端同时可用；
- 支持多用户：能当服务器让多人同时用，适合小团队共享。
应用场景：搭建私有聊天机器人、测试开源大模型效果、给模型加个可视化界面方便演示。
项目对比：和同类工具vLLM比，FastChat更侧重“聊天交互”，界面更友好；vLLM则强在“高并发部署”，适合大规模使用～
GitHub地址：https://github.com/lm-sys/FastChat
9. MONAI：医疗AI的“专业助手”
详细介绍：专门为医疗影像AI开发的框架，基于PyTorch，集成了各种医学图像预处理、分割、分类工具。医生和开发者用它能快速开发肿瘤检测、器官分割等模型，不用再从零处理DICOM这类特殊格式。
核心特点：
- 医疗专用：支持DICOM格式、3D影像处理（CT/MRI常用），贴合医疗场景；
- 模型丰富：内置肿瘤分割、病灶检测等预训练模型，开箱即用；
- 合规友好：遵循医疗数据隐私规范，适合医院、科研机构使用。
应用场景：医学影像辅助诊断（比如CT肺结节检测）、病灶分割、医疗图像分析研究。
项目对比：和普通CV框架（如PyTorch Lightning）比，MONAI胜在“医疗专用工具多”，不用自己写医学图像预处理代码～
GitHub地址：https://github.com/Project-MONAI/MONAI
10. Gradio：AI模型的“快速装裱师”
详细介绍：开发者的“界面救星”！不用学前端，几行Python代码就能给你的AI模型（不管是图像生成、语音识别还是分类模型）加个网页交互界面，支持上传图片、输入文字、实时显示结果，演示、测试超方便。
核心特点：
- 代码极简：哪怕只会写print，也能搭出能用的界面；
- 实时更新：改代码不用重启服务，刷新网页就能看效果；
- 支持多类型输入输出：文字、图片、音频、视频都能搞定。
应用场景：快速演示AI模型效果、给客户/老板展示项目、收集用户反馈、教学中的模型可视化。
项目对比：和Streamlit比，Gradio更侧重“快速交互”，界面组件更丰富；Streamlit则强在“数据可视化”，适合展示分析结果～
GitHub地址：https://github.com/gradio-app/gradio
以上10个AI开源项目，从大模型、绘画、语音到开发工具，基本覆盖了当下最火的AI应用场景。
-
ComfyUI-HYPIR节点：LeePoet力推基于SD2.1图像超清修复放大
我是LeePoet。今天给大家推荐一款我最近深度体验的ComfyUI节点——ComfyUI-HYPIR，这是一个基于HYPIR项目开发的图像修复工具，专门针对SD2.1模型进行了优化，能够实现高质量的图像修复和超分辨率放大。该技术基于扩散模型生成的分数先验进行图像修复与放大，具有高质量、清晰、锐利的效果。
💡 为什么选择HYPIR？
HYPIR（Harnessing Diffusion-Yielded Score Priors for Image Restoration）是一个利用扩散模型得分先验进行图像修复的先进技术。相比传统的ESRGAN放大方式，HYPIR在细节保留和伪影控制方面表现更出色，特别适合处理模糊、噪点严重的图像。
🎯 适用场景
ComfyUI-HYPIR几乎覆盖了所有图像修复需求：
- 老照片修复：将模糊的老照片恢复到高清状态
- 商品图优化：电商产品图放大后依然保持清晰细节
- 动漫/游戏素材：二次元图片放大后线条清晰，色彩饱满
- 人像写真：针对人像照片进行专项优化，面部细节更自然
- 风景照片：自然风光放大后远景细节依然丰富
HYPIR可在GitHub上找到，推荐使用其ComfyUI插件实现，模型需下载并放置于ComfyUI的models文件夹中。操作流程包括单张图片上传、设置放大倍数（支持1-8倍，推荐2-4倍），并通过HYPIR Advanced节点进行处理。放大前后对比，HYPIR在不改变原图结构的前提下显著提升清晰度。此外，支持批量处理，通过设置路径和数量实现多图自动放大。参数方面，coeff值（默认100，可调至500）影响修复强度，数值越高重绘幅度越大，适用于AI生成图像的增强处理。整体流程稳定、操作简便，建议替代旧有放大方法。
开源地址：https://github.com/11dogzi/Comfyui-HYPIR
这是一个用于 HYPIR（利用扩散得分先验进行图像修复） 的 ComfyUI 插件，HYPIR 是基于 Stable Diffusion 2.1 的先进图像修复模型。
功能特性
- 图像修复：利用扩散先验修复和增强低质量图像
- 批量处理：一次处理多张图片
- 高级控制：可微调模型参数以获得最佳效果
- 模型管理：高效加载和复用 HYPIR 模型
- 放大功能：内置放大功能（1x 到 8x）
安装方法
1. 安装插件
将本文件夹放入 ComfyUI 的
custom_nodes目录下：ComfyUI/custom_nodes/Comfyui-HYPIR/2. 安装 HYPIR 依赖
进入 HYPIR 文件夹并安装所需依赖：
cd ComfyUI/custom_nodes/Comfyui-HYPIR/HYPIR pip install -r requirements.txt
3. 模型下载（自动）
HYPIR 模型
修复模型将下载到：ComfyUI/models/HYPIR/HYPIR_sd2.pth
基础模型（Stable Diffusion 2.1）
基础 Stable Diffusion 2.1 模型将在需要时自动下载到：ComfyUI/models/HYPIR/stable-diffusion-2-1-base/
手动下载（可选）：
HYPIR 模型：如果你希望手动下载，可以从以下地址获取 HYPIR 模型：
- HuggingFace: HYPIR_sd2.pth
- OpenXLab: HYPIR_sd2.pth
请将
HYPIR_sd2.pth文件放在以下任一位置：- 插件目录：
ComfyUI/custom_nodes/Comfyui-HYPIR/ - ComfyUI 模型目录：
ComfyUI/models/checkpoints/ - 或让插件自动管理，放在
ComfyUI/models/HYPIR/
基础模型： 基础 Stable Diffusion 2.1 模型可从以下地址手动下载：
- HuggingFace：stable-diffusion-2-1-base
请将基础模型放在：ComfyUI/models/HYPIR/stable-diffusion-2-1-base/
注意： 插件会优先在 HYPIR 目录下查找基础模型，如未找到会自动从 HuggingFace 下载。
使用方法
高级图像修复
- 添加 HYPIR Advanced Restoration 节点
- 此节点提供更多参数控制：
model_t：模型步数（默认200）coeff_t：系数步数（默认200）lora_rank：LoRA 阶数（默认256）patch_size：处理块大小（默认512）
配置
你可以在
hypir_config.py中修改默认设置：HYPIR_CONFIG = { "default_weight_path": "HYPIR_sd2.pth", "default_base_model_path": "stable-diffusion-2-1-base", "available_base_models": ["stable-diffusion-2-1-base"], "model_t": 200, "coeff_t": 200, "lora_rank": 256, # ... more settings }模型路径管理
插件包含智能模型路径管理：
- HYPIR 模型：自动下载到
ComfyUI/models/HYPIR/HYPIR_sd2.pth - 基础模型：需要时自动下载到
ComfyUI/models/HYPIR/stable-diffusion-2-1-base/ - 本地优先：插件会优先查找本地模型
- 自动下载：仅在本地未找到模型时才下载
最佳效果小贴士
- 提示词：使用与图片内容相符的描述性提示词
- 人像：”high quality portrait, detailed face, sharp features”
- 风景：”high quality landscape, detailed scenery, sharp focus”
- 通用：”high quality, detailed, sharp, clear”
- 放大：
- 1x 表示仅修复不放大
- 2x-4x 适合中等放大
- 8x 为最大放大（速度较慢）
- 参数：
model_t越高（200-500）修复越强coeff_t越高（200-500）增强越明显lora_rank越高（256-512）质量越好（占用更多内存）
- 内存管理：
- 如遇内存不足可用较小的
patch_size（256-512） - 分批处理图片
- 使用模型加载器节点避免重复加载模型
- 如遇内存不足可用较小的
配置
你可以在
hypir_config.py中修改默认设置：HYPIR_CONFIG = { "default_weight_path": "HYPIR_sd2.pth", "default_base_model_path": "stable-diffusion-2-1-base", "available_base_models": ["stable-diffusion-2-1-base"], "model_t": 200, "coeff_t": 200, "lora_rank": 256, # ... more settings }模型路径管理
The plugin includes intelligent model path management: 插件包含智能模型路径管理：
- HYPIR Model: Automatically downloaded to
ComfyUI/models/HYPIR/HYPIR_sd2.pth - HYPIR 模型：自动下载到
ComfyUI/models/HYPIR/HYPIR_sd2.pth - Base Model: Automatically downloaded to
ComfyUI/models/HYPIR/stable-diffusion-2-1-base/when needed - 基础模型：需要时自动下载到
ComfyUI/models/HYPIR/stable-diffusion-2-1-base/ - Local Priority: The plugin checks for local models first before downloading
- 本地优先：插件会优先查找本地模型
- Automatic Download: Only downloads when models are not found locally
- 自动下载：仅在本地未找到模型时才下载
最佳效果小贴士
使用模型加载器节点避免重复加载模型
提示词：使用与图片内容相符的描述性提示词
人像：”high quality portrait, detailed face, sharp features”
风景：”high quality landscape, detailed scenery, sharp focus”
通用：”high quality, detailed, sharp, clear”
放大：
1x 表示仅修复不放大
2x-4x 适合中等放大
8x 为最大放大（速度较慢）
参数：
model_t越高（200-500）修复越强coeff_t越高（200-500）增强越明显lora_rank越高（256-512）质量越好（占用更多内存）内存管理：
如遇内存不足可用较小的
patch_size（256-512）分批处理图片
常见问题
- 导入错误：请确保已安装 HYPIR 依赖cd HYPIR pip install -r requirements.txt
- 模型未找到：插件会自动下载缺失的模型
- 检查网络连接以便自动下载
- HYPIR 模型：将
HYPIR_sd2.pth放在插件目录或 ComfyUI 模型目录 - 基础模型：将
stable-diffusion-2-1-base文件夹放在ComfyUI/models/HYPIR/ - 插件会自动检查并下载缺失模型
实操：
1.先到https://github.com/11dogzi/Comfyui-HYPIR的仓库直接复制插件仓库地址
2.进入本地的.\ComfyUI\custom_nodes目录，右链git bash拉取仓库
3.启动COMFYUI，通过启动器先拉取HYPIR所需要的库并启动到UI
4.打开huggingface.co,直接使用国内镜像源：https://huggingface.1319lm.top/lxq007/HYPIR/tree/main，复制HYPIR的GIT仓库
5.下载HYPIR修复模型，进入.\ComfyUI\models，右键打开git bash，魔法就使用国内镜像源GIT
6.下载stable-diffusion-2-1-base模型，先进入https://huggingface.1319lm.top/Manojb/stable-diffusion-2-1-base/tree/main，把以下红框框住的都手动下载，因为很多都是重复的一样的模型，只是后缀不一样。我们只需要下一个就行。所以这里不能直接GIT整个仓库。
额外说明：text_encoder、unet、vae都只需要下一个模型即可，如果是FP16的，下载到本地后记得把FP16的字去掉，这样才会被节点识别。
7.下载完所有模型后，重新启动COMFYUI
当然，SD放大的模型与技术有很多，可以说都各有千秋，非要说哪几个最好用，只有等LEEPOET闲来有空再给大家介绍，总而言之ComfyUI-HYPIR是一款功能强大、操作简单的图像修复工具，特别适合需要高质量图像放大的用户。无论是老照片修复、商品图优化还是人像写真处理，都能获得令人满意的效果。如果你正在寻找一款稳定、高效的图像超清修复工具，ComfyUI-HYPIR绝对值得一试。我已经将它作为我的主力图像修复工具，强烈推荐给大家！
相关文章：
ComfyUI-GGUF-VLM 结合 llama.cpp GPU 加速：实现图像反推秒级效率
Custom_Nodes篇:ComfyUI-QwenVL反推节点
Custom_Nodes篇:ComfyUI-QwenVL3-image反推节点
-
淘宝天猫 PC 端 CSS 隐藏技巧：高效实现元素隐形方案
核心实现思路
元素隐藏的核心需求是让目标元素在视觉上不可见，且不影响页面其他元素的正常布局。本次方案通过定位偏移、背景设置与可见性控制的组合方式，既避免了
display: none可能引发的布局塌陷问题，也解决了单纯visibility: hidden占用页面空间的弊端，适配淘宝天猫 PC 端的渲染环境。优化后 CSS 代码
/* 全品类弹窗容器隐藏样式 */ .all-cats-popup { position: absolute; top: -49999px; /* 向上偏移，脱离可视区域 */ left: 0; width: 10000px; height: 100000px; display: block; background: #ffffff; /* 保持背景一致性，避免透明导致的异常显示 */ } /* 弹窗内容区域定位优化 */ .popup-content { position: relative; width: 100%; float: left; clear: both; left: 99999px; /* 向右偏移，进一步确保不可见 */ top: 99490px; height: 100%; background: #ffffff; background-image: url(//gdp.alicdn.com/imgextra/i1/752188877/O1CN013sFHB32FRikpKiLy4_!!75218877.gif); background-position: top center; background-attachment: fixed; background-repeat: no-repeat; } /* 强制显示控制（兼容特殊场景） */ .popup-hidden { visibility: visible; /* 覆盖默认隐藏状态，确保元素可正常渲染 */ }代码解析与使用说明
1. 容器隐藏逻辑
.all-cats-popup类通过position: absolute脱离文档流，再利用超大负值top: -49999px将元素移出页面可视区域。宽高设置为超大值（width: 10000px、height: 100000px）是为了适配不同页面布局，避免元素部分暴露，背景色设置为白色可与页面背景融合，减少视觉冲突。2. 内容区域定位
.popup-content作为子容器，通过float: left和clear: both确保布局不错乱，left和top的超大正值偏移与父容器配合，双重保障元素不可见。背景图相关属性保留了原始需求，适用于需要加载背景资源但不展示元素的场景，background-attachment: fixed可固定背景位置，提升显示一致性。3. 兼容场景控制
.popup-hidden类使用visibility: visible强制元素可见，该类可根据业务需求动态添加或移除，适用于 “默认隐藏，特定条件下显示” 的交互场景，相比display属性切换，visibility不会破坏元素的布局结构，适配淘宝天猫的组件渲染机制。注意事项
- 兼容性适配：该方案兼容主流浏览器及淘宝天猫 PC 端的内置渲染引擎，无需额外添加浏览器前缀。
- 性能优化：超大宽高设置可能影响页面渲染性能，若无需适配特殊布局，可适当减小宽高值（如
width: 100vw、height: 100vh）。 - 背景资源：背景图 URL 为示例地址，实际使用时需替换为自身项目的资源链接，确保资源可正常访问。
- 交互配合：若需通过 JS 控制元素显示 / 隐藏，可结合
classList.add()/classList.remove()操作.popup-hidden类，避免直接修改样式属性。
通过以上优化后的 CSS 代码，可高效实现淘宝天猫 PC 端元素的隐藏需求，同时兼顾布局稳定性和场景兼容性，适用于店铺装修、活动页面开发等多种场景。
-
ComfyUI-GGUF-VLM 结合 llama.cpp GPU 加速：实现图像反推秒级效率
众所周知，ComfyUI中QwenVL节点通过Qwen3VL模型能够将视觉内容转化为详细的文字描述，它广泛应用于图像反推提示词、智能标注、视觉问答等场景。同时把它接入到最近出的Z-Image模型中反推生图是leepoet感觉最合适的搭配组合，毕竟都是阿里出品，在反推生图方面语义对齐这一块应该会更兼容。事实也是如此，在lee poet不断的测试下，拿来反推的图相似度个人觉得大部份生图与原图能达到70%以上。
但是Qwen3VL的缺点就是有些慢，对于4060Ti 16G而言，反推大概在1分钟以内。而3060 12G大概在2分钟左右。自从Z-Image前段时间出了之后，Leepoet就一直在用它接入到Z-Image洗图。就拿4060TI16G来讲，反推50秒出图20秒，这样的效率相较于一些专为速度优化的模型（如Florence2、Joy）存在一定差距，导致其在需要高频、批量处理的“洗图”等场景下略显尴尬，但这种效率上的差异本质上源于模型在设计目标上的根本不同，从而使得它们在应用场景上“各有千秋” 。
但基于Qwen3VL在反推理解能力准确性、丰富度较好的基础上，所以这段时间也就一直这样将就的用着。
一直到昨天从群友处了解另一个好使的节点ComfyUI-GGUF-VLM。才知道除了GGUF加速模型外还可以使用 llama.cpp对模型进行加速。
以下是ComfyUI-GGUF-VLM节点的简介：
ComfyUI 的多模态模型推理插件,专注于 Qwen 系列视觉语言模型,支持多种推理后端。 ## ✨ 核心功能 ### 主要侧重 **🎯 视觉语言模型 (VLM)** - **Qwen2.5-VL** / **Qwen3-VL** - 主要支持的视觉模型 - LLaVA、MiniCPM-V 等其他视觉模型 - 单图分析、多图对比、视频分析 **💬 文本生成模型** - Qwen3、LLaMA3、DeepSeek-R1、Mistral 等 - 支持思维模式 (Thinking Mode) ### 推理方式 - ✅ **GGUF 模式** - 使用 llama-cpp-python 进行量化模型推理 - ✅ **Transformers 模式** - 使用 HuggingFace Transformers 加载完整模型 - ✅ **远程 API 模式** - 通过 Ollama、Nexa SDK、OpenAI 兼容 API 调用 ### 主要特性 - ✅ **多推理后端** - GGUF、Transformers、远程 API 灵活切换 - ✅ **Qwen-VL 优化** - 针对 Qwen 视觉模型的参数优化 - ✅ **多图分析** - 最多同时分析 6 张图像 - ✅ **设备优化** - CUDA、MPS、CPU 自动检测 - ✅ **Ollama 集成** - 无缝对接 Ollama 服务 ## 🤖 支持的模型 ### 🎯 主要支持 (推荐) **视觉模型:** - **Qwen2.5-VL** (GGUF / Transformers) - **Qwen3-VL** (GGUF / Transformers) **文本模型:** - Qwen3、Qwen2.5 (GGUF / Ollama) - LLaMA-3.x (GGUF / Ollama) ### 🔧 其他支持 **视觉模型:** LLaVA、MiniCPM-V、Phi-3-Vision、InternVL 等 **文本模型:** Mistral、DeepSeek-R1、Phi-3、Gemma、Yi 等 > 💡 **推理方式:** > > - GGUF 格式 → llama-cpp-python 本地推理 > - Transformers → HuggingFace 模型加载 > - Ollama/Nexa → 远程 API 调用 ## 📦 安装 ```bash cd ComfyUI/custom_nodes git clone https://github.com/walke2019/ComfyUI-GGUF-VLM.git cd ComfyUI-GGUF-VLM pip install -r requirements.txt # 可选: 安装 Nexa SDK 支持 pip install nexaai ``` ## 🚀 快速开始 ### 本地 GGUF 模式 1. 将 GGUF 模型文件放到 `ComfyUI/models/LLM/GGUF/` 目录 2. 在 ComfyUI 中添加节点: - **Text Model Loader** - 加载模型 - **Text Generation** - 生成文本 ### 远程 API 模式 1. 启动 API 服务 (Nexa/Ollama): ```bash nexa serve # 或 ollama serve ``` 2. 在 ComfyUI 中添加节点: - **Remote API Config** - 配置 API 地址 - **Remote Text Generation** - 生成文本 ## 📋 可用节点 ### 文本生成节点 - **Text Model Loader** - 加载本地 GGUF 模型 - **Text Generation** - 文本生成 - **Remote API Config** - 远程 API 配置 - **Remote Text Generation** - 远程文本生成 ### 视觉分析节点 - **Vision Model Loader (GGUF)** - 加载 GGUF 视觉模型 - **Vision Model Loader (Transformers)** - 加载 Transformers 模型 - **Vision Analysis** - 单图分析 - **Multi-Image Analysis** - 多图对比分析 ### 🆕 工具节点 - **Memory Manager (GGUF)** - 显存/内存管理工具 - 清理已加载的模型 - 强制垃圾回收 - 清理GPU缓存 - 显示显存使用情况 ### 工具节点 - **System Prompt Config** - 系统提示词配置 - **Model Manager** - 模型管理器 ## 💭 思维模式 支持 DeepSeek-R1、Qwen3-Thinking 等模型的思维过程提取。 启用 `enable_thinking` 参数后,会自动提取并分离思维过程和最终答案。 ## 📁 项目结构 ``` ComfyUI-GGUF-VLM/ ├── config/ # 配置文件 ├── core/ # 核心推理引擎 │ └── inference/ # 多后端推理实现 ├── nodes/ # ComfyUI 节点定义 ├── utils/ # 工具函数 └── web/ # 前端扩展 ``` ##节点github地址：https://github.com/walke2019/ComfyUI-GGUF-VLM
安装好节点后，可以先通过启动安装一次该节点的依赖、库。然后再下载GGUF模型：
模型地址：https://huggingface.co/mradermacher/Qwen2.5-VL-7B-NSFW-Caption-V3-abliterated-GGUF/tree/main?not-for-all-audiences=true
放到对应的模型文件夹：
.\ComfyUI\models\text_encoders\qwenclip
.\ComfyUI\models\LLM\GGUF
这里建议配置好的可以用以下这两个模型，因为官方的推是
以上基本上就已经安装好节点，并把模型下载好并可进入使用了。但是在这种情况下只能通过CPU进行推理（在速度方面跟QWEN3VL其实并没有太大的区别，有区别的就是这些模型是破限的）。并没有使用llama-cpp-python。
可以这么说，同样为3060 12G的显卡，ComfyUI-QwenVL节点反推一张图的时间在2分左右，而ComfyUI-GGUF-VLM通过llama-cpp-python调用GPU加速可以让反推时间缩短到几秒钟。
那么什么是llama-cpp-python？
llama-cpp-python 是 llama.cpp 的 Python 绑定库，提供高性能的本地大语言模型推理能力，支持 CPU、CUDA GPU、Metal 等多种硬件加速，是部署本地 LLM 应用的常用工具。支持 CPU、CUDA（NVIDIA GPU）、Metal（Apple Silicon）、OpenCL 等多种后端的高性能推理。
话虽如此，正常使用ComfyUI-GGUF-VLM这个节点，在没有安装llama-cpp-python这个库的情况反推是不支持GPU的，但是要想让反推达到秒级的速度，就要先准备一些环境。
步骤前瞻：
先安装好节点并下载模型->安装Visual Studio->配置MSVC系统变量->安装配置对应版本的CUDA->通过CUDA调用MSVC构建llama-cpp-python
1.安装Visual Studio，并配置好MSVC系统变量。
lee poet之前写过一个怎么配置环境篇：加载ComfyUI出现WARNING: Failed to find MSVC解决方案，配置好记得重启。。
2.验证cl,rc,link。如果有返回路径说明已经配置好。
3.安装CUDA及cudnn，并配置CUDA环境变量。
因为lee poet所使用的comfyui环境是的pytorch version: 2.5.1+cu124
所以要下载对应的cuda版本，我下载的是CUDA Toolkit 12.4的CUDA Toolkit 12.4 Downloads Installer for Windows 10 x86_64
同时再下载cudnn，下载地址：https://developer.nvidia.com/rdp/cudnn-archive，找到对应的CUDA版本号
Download cuDNN v8.9.7 (December 5th, 2023), for CUDA 12.x
下载好用，先进行cuda的安装，*如果之前您有安装其它低版本的CUDA，在不使用的情况下可以先通过卸载程序的控制面板里先卸载。再进行安装：
OK
以上安装都说有报错，重启电脑再继续安装即可。安装完后，我们先配置环境变量。
添加CUDA的环境变量（如果已经存在，则不需要重复添加）
配置好后，解压cudnn-windows-x86_64-8.9.7.29_cuda12-archive.zip，可以看到三个文件夹
把红框圈住的地方COPY到刚刚安装好的CUDA的C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4这个文件夹内
继续给cuDNN添加相应的环境变量
#leepoet的CUDA及cuDNN的环境变量如下： C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\bin C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\include C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\lib C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\libnvvp配置好环境变量后，验证：nvcc -V
粘贴到C:\Program Files\Microsoft Visual Studio\2022\Community\MSBuild\Microsoft\VC\v170\BuildCustomizations这个目录下
以上就算是把llama-cpp-python安装的环境配置好了。下面再通过虚拟环境构建安装llama-cpp-python。
打开启动器命令提示符，可以通过这个直接到这个整合包的虚拟环境。
可以看到红框框住的这个标识，实际上就是这个整合包的虚拟环境的标识
set CMAKE_ARGS=-DGGML_CUDA=on python.exe -m pip install llama-cpp-python --force-reinstall --no-cache-dir命令/参数 解释 set CMAKE_ARGS="-DGGML_CUDA=on"设置一个名为 CMAKE_ARGS的环境变量，其值为-DGGML_CUDA=on。这个变量会传递给后续的编译过程，指示构建系统启用对CUDA的支持。python.exe -m pip install使用Python模块方式运行pip进行安装，这通常比直接运行 pip命令更可靠。llama-cpp-python要安装的Python包名称，它是对C++库 llama.cpp的Python封装。--force-reinstall强制重新安装该包及其所有依赖。如果已存在安装版本，会先卸载再安装，确保是最新编译的版本。 --no-cache-dir禁用pip的缓存。这能确保pip不会使用之前下载或编译的缓存文件，而是从头开始获取源码并进行编译。 这条命令组合起来的效果是：强制pip忽略缓存，重新从源码编译并安装支持CUDA的
llama-cpp-python库。通过pip install llama-cpp-python安装的是仅支持CPU的版本。通过从源码编译并设置CMAKE_ARGS，可以解锁GPU加速功能，在处理大语言模型时能获得数倍的速度提升。执行命令后
先是下载库从源码编译，可能需要十几到二十分钟。
可以看到已经安装成功了。*安装后完有其它库的冲突能解决就自己解决，LeePoet是选择性忽略，主打一个能用就行。
后面就是关掉启动器，重新启动。它会自己解析并检验各种依赖。
启动完进入UI后，这次从反推到Z-image生图768x1536px的图片大概在40秒左右了。
李诗人这次使用的是家用电脑配置相对一般，但是能有这个速度还是相对满意的。
-
NAS玩家必备：Lucky实现域名解析、自动证书与安全反代全攻略
Lucky是@古大羊开发的一款家庭公网利器，专为NAS、软路由等内网设备打造的全能网络工具，集成动态域名解析(DDNS)、反向代理、SSL证书自动续签、端口转发、内网穿透等核心功能，支持IPv4/IPv6双栈访问，是2025年NAS玩家必备的免费实用神器。
对于国内的家庭网络环境，Lucky尤其适合搭建在 NAS（如威联通 QNAP）、软路由或轻量级 Linux 服务器上，用于实现外网访问(内网穿透和反向代理)家庭设备或服务，简单易用稳定也基本不需要怎么折腾。
前言
多家DNS服务商（阿里云、腾讯云、Cloudflare等），可自动将动态公网IP与固定域名绑定，实现域名访问NAS。配置时需获取域名服务商的API密钥（AccessKey ID和Secret），填写主域名和泛域名（如example.com和*.example.com），Lucky会自动同步解析记录，
通过ACME协议自动申请Let’s Encrypt免费SSL证书，支持泛域名证书，证书到期前约36天自动续签，无需手动操作。配置时选择ACME方式，填写域名列表和DNS服务商Token，开启DNS查询强制IPv4和仅使用TCP通道即可。
支持HTTP/HTTPS反向代理，可将不同服务统一到单一入口端口，通过二级域名区分访问（如movie.example.com → Jellyfin服务）。监听端口可自定义（如443、8443等），需在路由器中设置端口转发。支持TLS加密，可隐藏真实端口，提升安全性。
配置流程
- 设置DDNS：添加DDNS任务，选择服务商并填写API密钥，配置域名解析
- 申请SSL证书：选择ACME方式，关联DNS服务商，申请泛域名证书
- 配置反向代理：添加Web服务规则，设置监听端口和TLS，添加子规则指定前端域名和后端服务地址
- 端口转发：在路由器中将监听端口转发到NAS内网IP
部署平台：威联通NAS TS-673A
Lucky版本：2.17.3 linux(x86_64)
部署方式：Docker Compose
网络状况：默认已经折腾好公网IP
另外还需要我们提前准备Token，这个可从域名托管商处获得，我们以DNSPod为例。
将ID和Token复制下来备用。
部署方式
打开威联通的Container Station，创建新的应用程序。部署代码如下：
services:
lucky:
image: gdy666/lucky
container_name: lucky
restart: always
volumes:
-'/share/Container/lucky:/goodluck'# 这步必须做，否则重启配置会消失，可直接照抄配置。
network_mode: host
# host模式, 同时支持IPv4/IPv6, Liunx系统推荐
# 桥接模式, 只支持IPv4，windows 不推荐使用docker版本
# 我仍然不建议使用默认的桥接模式，如作者所说很容易出问题，已经试验过
修改基础配置
内网环境下，输入NAS_IP:16601即可访问管理界面。默认的账户密码为 666/666
但如果像我一样，远程折腾，可以利用威联通自带的Browser Station。也可将16601端口通过路由器转发到公网，通过外网访问(公网IP:16601)进行配置。
从版本2.13.9开始，在默认配置中，外网访问开关处于关闭状态。然而，在 lucky_base.lkcf 配置初始化后的十分钟内，系统允许外网访问。如果在这十分钟内执行了配置保存操作，则外网访问开关的设置将优先生效。如果错过了这个时间，您需要通过删除 lucky_base.lkcf 配置文件并重启 Lucky 进程的方式，使 lucky_base.lkcf 配置再次初始化。
登入后如下图所示进行设置，除了登陆验证修改默认账号密码外，其他凭大家需求。
安全入口部分为了安全考虑能改则改，比如若修改为/ydxian，则内外网无论那个想要访问Lucky的登陆面板，最后都要在完整的访问地址后加上/ydxian。如果不加，会得到如下结果。
动态域名（DDNS）
这里需要使用到上文域名托管商所获的Token。
左侧栏第三项「动态域名」，点击「添加任务」。
选择托管商，我这里选择的是DnspodCN（如果你的DNS服务商不在列表当中，则使用万能的自定义Callback模式），粘贴ID与Token。根据你的网络情况选择启用同步类型（IPv4或IPv6），我的为IPv4公网。
接着下拉界面，点击「添加同步记录」。
记录栏中先填写主域名（二级域名），回车换到下一行，再填写通配符域名（所有三级子域名），如果你有更多需求则回车另起一行再继续添加即可。
点击「添加任务」，Lucky就会自动保存并自动进行同步。成功后的界面如下。
SSL/TLS证书
这里依然需要使用到上文域名托管商所获的Token。
左侧栏点击「SSL/TLS证书」，接着点击「添加证书」。
对证书进行备注，添加方式选择ACEM，ACME类型证书会在到期前约36天自动续签。证书颁发机构选择Let’s Encrypt。验证方式要与上文动态域名解析的保持一致。粘贴ID和Token，补充域名列表，这里同样与上文一致。更多设置勾选DNS查询强制IPv4和DNS查询仅使用TCP。搞定后直接点击「添加」。
如果你有其他证书需求，也可自行上传或指定证书路径。
稍等一会儿，成功的结果界面如下。
Web服务
这里开始配置反向代理相关。
左侧栏点击「Web服务」，点击「添加Web服务规则」。
对服务规则进行命名。监听类型同样根据实际网络情况选择。监听端口自定（我预设为7086，但IPv6可忽略这项），要是未被占用的可用端口，后面还要对这个端口进行转发，可惜国内IPv4的443基本不能用。我们已然申请证书要通过HTTPS访问，TLS需要开启。
接着是默认规则，选择关闭链接，会对下面的子规则生效。就是如果访问的地址与子规则的配置不符，不会返回任何响应（如 403、404、503 等），而是直接丢弃请求。这里其实完全没必要管，官方文档也有提示。
最后添加子规则。现在的Lucky支持批量修改前端域名，如果我们实行域名年抛策略会非常方便。
以上一篇部署的TR下载器为例，服务类型选择反向代理。前端地址填写纯粹的域名，不要带杂七杂八内容，域名前缀自定义即可。后端地址则要填写内网完整的访问地址，如下图所示。
确认无误后，右下角点击「添加/修改子规则」即可。如下图的红色框标注部分便是以后外网访问TR的地址。
最后还差一步，就是IPv4用户需要对监听端口进行转发。
来到路由器，设置端口转发/映射，内网地址填写为NAS内网IP，端口则为上文设置的监听端口，最后保存即可。
至此已经实现家庭NAS外网访问方案。后续也可以将Lucky本身以及其他服务都加入进去。
情况补充
当时写Lucky流程试验后碰到的问题:
在手机浏览器输入域名+监听端口时，会连接失败，必须要手动再补上https://。
因此我们要添加 HTTP → HTTPS 的自动跳转规则。
继续点击「添加Web服务规则」。
配置如下。
监听端口和前面的保持一致。TLS不要开。
接着下拉界面编辑默认规则。
服务类型选择重定向。
默认目标地址填写https://{host}:{port}。
修改/保存即可。
Lucky特别适合家庭NAS环境，可将Jellyfin、Emby、qBittorrent等各类服务通过二级域名统一访问，实现”一个域名+N个服务”的便捷管理。相比传统方案（DDNS-GO + Nginx Proxy Manager），Lucky将多个工具功能整合到一个界面，操作更简单，配置更直观，适合新手玩家快速上手。
安全建议：首次使用后务必修改默认密码，设置安全入口路径，关闭外网访问开关，定期备份配置文件。对于公网IPv4用户，建议在路由器中设置端口转发；IPv6用户需确保光猫和路由器开启IPv6桥接模式。
-
WEBP/PNG/HEIC批量转JPG：李哥的一键式图片格式转换神器
兄弟们，是不是经常遇到这些头疼事？
- 从网站扒下来的图片全是 WEBP 格式，编辑软件打不开？
- PNG 图片虽然清晰，但体积太大，上传发布总受限制？
- 用苹果设备拍的照片是 HEIC 格式，在Windows电脑上就成了“天书”？
别慌！李哥出手，必属精品！今天给大家带来的这款 「批量图片格式转换JPG工具」，就是专门治这些“格式不服”的！它就像你图片库里的“格式统一大师”，管你什么WEBP、PNG还是HEIC，统统给咱变成最通用、最省心的 JPG 格式！
真正的“傻瓜式”操作：把脚本和图片放一个文件夹，双击运行，剩下的交给程序。自动安装环境、自动转换、自动整理文件，你只管喝杯茶等着收JPG就行！特别加入了 HEIC 格式支持，再也不用为苹果照片在电脑上打不开而发愁了。转换后的JPG、原始文件、转换失败的图片，会自动分门别类存到
convert/,source/,failed/三个文件夹里，井井有条，绝不乱套。万一有同名文件？不存在的！程序会自动给你加上序号，保证一个文件都不会被覆盖。下载脚本 -> 双击运行 -> 收获一文件夹整齐的JPG图片！
李哥已经把代码和详细的使用说明都准备好了，就等你来取。赶紧下载试试，从此告别图片格式转换的烦恼！做人呢，最重要的就是开心！用李哥的工具，让你的图片处理也开心起来！
核心解读：
作用：自动检查并安装必要的Python库（Pillow和pillow-heif）启用HEIC文件格式支持（苹果设备照片格式）
创建虚拟环境并安装python库
# 退出当前环境 deactivate # 删除损坏的虚拟环境 cd ~/Documents/env rm -rf myenv # 重新创建虚拟环境 python3 -m venv myenv # 激活新环境 source myenv/bin/activate # 检查pip是否正常 pip --version # 安装Pillow pip install Pillow # 检查安装是否成功 python3 -c "from PIL import Image; print('Pillow安装成功！')"创建三个目录：
convert/– 存放转换后的JPG文件source/– 存放原始图片文件failed/– 存放转换失败的文件
智能移动文件到指定目录，自动处理重名文件（添加序号）输出格式JPG (.jpg) – 通用的有损压缩图片格式
文件整理逻辑
转换前目录结构： 当前目录/ ├── image1.webp ├── image2.png ├── image3.heic └── convert_images.py 转换后目录结构： 当前目录/ ├── convert/ # 转换后的JPG文件 │ ├── image1.jpg │ ├── image2.jpg │ └── image3.jpg ├── source/ # 原始文件（已移动） │ ├── image1.webp │ ├── image2.png │ └── image3.heic ├── failed/ # 转换失败的文件 └── convert_images.py实现代码：
#!/usr/bin/env python3 # -*- coding: utf-8 -*- import os import glob import shutil import sys import subprocess def check_and_install_dependencies(): """检查并安装必要的依赖""" dependencies = ['Pillow', 'pillow-heif'] missing_deps = [] # 检查Pillow try: from PIL import Image print("✓ Pillow 已安装") except ImportError: missing_deps.append('Pillow') # 检查pillow-heif try: import pillow_heif print("✓ pillow-heif 已安装") except ImportError: missing_deps.append('pillow-heif') # 安装缺失的依赖 if missing_deps: print(f"❌ 缺少依赖: {', '.join(missing_deps)}") print("正在安装依赖...") for dep in missing_deps: try: if dep == 'Pillow': subprocess.check_call([sys.executable, '-m', 'pip', 'install', 'Pillow']) elif dep == 'pillow-heif': subprocess.check_call([sys.executable, '-m', 'pip', 'install', 'pillow-heif']) print(f"✓ {dep} 安装成功") except subprocess.CalledProcessError: print(f"❌ {dep} 安装失败，尝试使用镜像源...") try: subprocess.check_call([sys.executable, '-m', 'pip', 'install', dep, '-i', 'https://pypi.tuna.tsinghua.edu.cn/simple/']) print(f"✓ {dep} 安装成功（使用镜像源）") except: print(f"❌ {dep} 安装失败，请手动安装: pip install {dep}") return False # 重新检查 try: from PIL import Image import pillow_heif print("✓ 所有依赖安装成功") return True except ImportError as e: print(f"❌ 依赖安装后仍然失败: {e}") return False return True def setup_heic_support(): """设置HEIC支持""" try: import pillow_heif pillow_heif.register_heif_opener() print("✓ HEIC格式支持已启用") return True except Exception as e: print(f"❌ HEIC支持初始化失败: {e}") return False def create_directories(): """创建必要的目录""" directories = ['convert', 'source', 'failed'] for directory in directories: if not os.path.exists(directory): os.makedirs(directory) print(f"✓ 创建目录: {directory}/") def move_file_to_directory(original_file, directory): """移动文件到指定目录""" try: filename = os.path.basename(original_file) destination = os.path.join(directory, filename) # 如果目标文件已存在，添加序号 counter = 1 base_name, ext = os.path.splitext(filename) while os.path.exists(destination): new_filename = f"{base_name}_{counter}{ext}" destination = os.path.join(directory, new_filename) counter += 1 shutil.move(original_file, destination) return True except Exception as e: print(f"⚠ 移动文件失败 {original_file}: {e}") return False def convert_image_file(input_file, temp_jpg_file, is_heic=False): """转换图片文件""" try: from PIL import Image if is_heic: # HEIC文件特殊处理 try: import pillow_heif heif_file = pillow_heif.open_heif(input_file) image = Image.frombytes( heif_file.mode, heif_file.size, heif_file.data, "raw", heif_file.mode, heif_file.stride, ) except: # 如果直接读取失败，尝试通过PIL打开 pillow_heif.register_heif_opener() image = Image.open(input_file) else: # 其他格式文件 image = Image.open(input_file) # 处理图片模式 if image.mode in ('RGBA', 'LA', 'P'): background = Image.new('RGB', image.size, (255, 255, 255)) if image.mode == 'P': image = image.convert('RGBA') if image.mode == 'RGBA': background.paste(image, mask=image.split()[-1]) else: background.paste(image) image = background elif image.mode != 'RGB': image = image.convert('RGB') # 保存为JPG image.save(temp_jpg_file, "JPEG", quality=85, optimize=True) return True, "成功" except Exception as e: return False, str(e) def batch_convert_images(): """批量转换图片""" print("=== 图片格式批量转换工具 ===") # 检查并安装依赖 if not check_and_install_dependencies(): print("❌ 依赖安装失败，无法继续") return # 设置HEIC支持 heic_supported = setup_heic_support() # 创建目录 create_directories() # 收集文件 files_to_convert = [] for pattern in ['*.webp', '*.WEBP', '*.png', '*.PNG', '*.heic', '*.HEIC']: files_to_convert.extend(glob.glob(pattern)) files_to_convert = sorted(list(set(files_to_convert))) files_to_convert = [f for f in files_to_convert if not any(f.startswith(d) for d in ['convert/', 'source/', 'failed/'])] if not files_to_convert: print("❌ 未找到可转换的图片文件") return # 分类统计 webp_files = [f for f in files_to_convert if f.lower().endswith('.webp')] png_files = [f for f in files_to_convert if f.lower().endswith('.png')] heic_files = [f for f in files_to_convert if f.lower().endswith('.heic')] print(f"找到 {len(files_to_convert)} 个文件:") print(f" WEBP: {len(webp_files)} 个, PNG: {len(png_files)} 个, HEIC: {len(heic_files)} 个") if heic_files and not heic_supported: print("⚠ HEIC文件将无法转换") # 转换统计 results = {'success': 0, 'failed': 0, 'skipped': 0} for i, input_file in enumerate(files_to_convert, 1): filename_without_ext = os.path.splitext(os.path.basename(input_file))[0] temp_jpg_file = filename_without_ext + ".jpg" final_jpg_path = os.path.join('convert', temp_jpg_file) # 跳过已存在 if os.path.exists(final_jpg_path): print(f"{i}/{len(files_to_convert)} ⚡ 跳过已存在: {final_jpg_path}") results['skipped'] += 1 continue file_size = os.path.getsize(input_file) / 1024 file_ext = os.path.splitext(input_file)[1].upper() is_heic = input_file.lower().endswith('.heic') print(f"{i}/{len(files_to_convert)} 🔄 转换: {os.path.basename(input_file)} ({file_size:.1f} KB)", end="") try: if is_heic and not heic_supported: success, message = False, "HEIC支持未启用" else: success, message = convert_image_file(input_file, temp_jpg_file, is_heic) if success: # 移动成功文件 if os.path.exists(temp_jpg_file): move_file_to_directory(temp_jpg_file, 'convert') move_file_to_directory(input_file, 'source') results['success'] += 1 print(" -> ✅ 完成") else: # 移动失败文件 move_file_to_directory(input_file, 'failed') results['failed'] += 1 print(f" -> ❌ 失败: {message}") except Exception as e: move_file_to_directory(input_file, 'failed') results['failed'] += 1 print(f" -> 💥 异常: {str(e)}") # 输出结果 print(f"\n=== 转换完成 ===") print(f"✅ 成功: {results['success']}, ❌ 失败: {results['failed']}, ⚡ 跳过: {results['skipped']}") if __name__ == "__main__": batch_convert_images() input("\n按Enter键退出...")