加载器	用途	输出	适用模型
CheckpointLoaderSimple	标准文生图/图生图	MODEL, CLIP, VAE	SD 1.x, 2.x, SDXL
unCLIPCheckpointLoader	图像变体/编辑	MODEL, CLIP, VAE, CLIP_VISION	SD 2.1 unCLIP
ImageOnlyCheckpointLoader	视频生成	MODEL, CLIP_VISION, VAE	Stable Video Diffusion

所有这些加载器都只需要一个输入参数：ckpt_name（Checkpoint 文件名）

一、三个核心 Checkpoint 加载器详解

1. **CheckpointLoaderSimple（你选中的那个）

文件位置： `/Users/dingruyu/Documents/comfyui2604/comfyui/nodes.py:588

功能：

• 自动猜测配置，最常用的加载器
• 中文显示名："Checkpoint加载器（简易）"
• 加载标准 Stable Diffusion 模型（SD 1.x, SD 2.x, SDXL 等）

输入属性：

• ckpt_name (必填): Checkpoint 文件名（如：v1-5-pruned-emaonly.safetensors）

输出：

• 索引 0: MODEL - 扩散模型
• 索引 1: CLIP - 文本编码器
• 索引 2: VAE - 变分自编码器

JSON 格式示例：

JSON

{

  "4": {

    "inputs": {

      "ckpt_name": "v1-5-pruned-emaonly.safetensors"

    },

    "class_type": "CheckpointLoaderSimple"

  }

}

---

2. **unCLIPCheckpointLoader

文件位置： `/Users/dingruyu/Documents/comfyui2604/comfyui/nodes.py:640

功能：

• 加载支持 unCLIP 的模型（如 Stable Diffusion 2.1 unCLIP）
• 用于图像变体、图像编辑等需要 CLIP Vision 功能

输入属性：

• ckpt_name (必填): Checkpoint 文件名

输出：

• 索引 0: MODEL - 扩散模型
• 索引 1: CLIP - 文本编码器
• 索引 2: VAE - 变分自编码器
• 索引 3: CLIP_VISION - CLIP 视觉编码器

JSON 格式示例：

JSON

{

  "4": {

    "inputs": {

      "ckpt_name": "sd21-unclip.safetensors"

    },

    "class_type": "unCLIPCheckpointLoader"

  }

}

---

3. **ImageOnlyCheckpointLoader

文件位置： `/Users/dingruyu/Documents/comfyui2604/comfyui/comfy_extras/nodes_video_model.py:10

功能：

• 加载 img2vid 视频模型（如 Stable Video Diffusion）
• 用于图像转视频任务

输入属性：

• ckpt_name (必填): Checkpoint 文件名

输出：

• 索引 0: MODEL - 视频扩散模型
• 索引 1: CLIP_VISION - CLIP 视觉编码器
• 索引 2: VAE - 变分自编码器

JSON 格式示例：

JSON

{

  "4": {

    "inputs": {

      "ckpt_name": "svd.safetensors"

    },

    "class_type": "ImageOnlyCheckpointLoader"

  }

}

---

二、外部工作流软件提交格式

1. **API 提交接口

接口地址： POST /prompt 或 POST /api/prompt

默认地址： http://127.0.0.1:8188

---

2. 完整请求格式

JSON

{

  "prompt": {

    "3": {

      "inputs": {

        "seed": 123456789,

        "steps": 20,

        "cfg": 8,

        "sampler_name": "euler",

        "scheduler": "normal",

        "denoise": 1,

        "model": ["4", 0],

        "positive": ["6", 0],

        "negative": ["7", 0],

        "latent_image": ["5", 0]

      },

      "class_type": "KSampler"

    },

    "4": {

      "inputs": {

        "ckpt_name": "v1-5-pruned-emaonly.safetensors"

      },

      "class_type": "CheckpointLoaderSimple"

    },

    "5": {

      "inputs": {

        "width": 512,

        "height": 512,

        "batch_size": 1

      },

      "class_type": "EmptyLatentImage"

    },

    "6": {

      "inputs": {

        "text": "masterpiece, best quality, a beautiful 

        girl",

        "clip": ["4", 1]

      },

      "class_type": "CLIPTextEncode"

    },

    "7": {

      "inputs": {

        "text": "worst quality, low quality",

        "clip": ["4", 1]

      },

      "class_type": "CLIPTextEncode"

    },

    "8": {

      "inputs": {

        "samples": ["3", 0],

        "vae": ["4", 2]

      },

      "class_type": "VAEDecode"

    },

    "9": {

      "inputs": {

        "filename_prefix": "ComfyUI",

        "images": ["8", 0]

      },

      "class_type": "SaveImage"

    }

  },

  "client_id": "your-client-id",

  "extra_data": {},

  "number": 123,

  "front": false

}

---

3. 请求参数说明

参数	类型	必填	说明
prompt	Object	是	工作流 JSON 对象
client_id	String	否	客户端标识，用于 WebSocket 推送
extra_data	Object	否	额外数据
number	Number	否	队列优先级编号
front	Boolean	否	是否插入队列头部

---

4. **工作流 JSON 结构详解

根级结构：

JSON

{

  "节点ID": {

    "inputs": { /* 输入参数 */ },

    "class_type": "节点类型"

  }

}

**inputs 中的值可以是：

1. 常量值："seed": 123456789
2. 节点连接："model": ["节点ID", 输出索引]

---

5. 响应格式

JSON

{

  "prompt_id": "12345678-1234-5678-1234-567812345678",

  "number": 123,

  "node_errors": {}

}

---

6. **获取节点信息（可选）

在提交前，可以先调用获取所有节点信息：

Bash

运行

curl http://127.0.0.1:8188/object_info

这会返回所有可用节点的详细输入输出信息。