LiblibAI与ComfyUI工作流底层结构完全一致，均基于ComfyUI官方JSON格式DAG；差异在于运行环境（云端托管vs本地自主）、封装程度（预配模型/扩展vs全自控）及交互方式（简化界面vs原生节点操作）。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
LiblibAI工作流和ComfyUI工作流在底层结构上完全一致，都是基于ComfyUI官方定义的JSON格式有向无环图（DAG），但二者运行环境、封装程度与用户交互方式存在本质差异——LiblibAI工作流是托管在云端的、预配置好模型与扩展的ComfyUI实例，而本地ComfyUI工作流则完全由用户自主控制路径、版本与执行上下文。
底层文件结构完全相同
打开任意一个在LiblibAI中导出的工作流（.json后缀）或本地ComfyUI保存的工作流，用文本编辑器查看，你会发现它们都遵循同一套JSON Schema：包含nodes数组定义每个节点类型、位置、输入输出，以及links数组描述节点间连接关系。例如，一个标准文生图工作流必然包含CLIPTextEncode→KSampler→VAEDecode这条主链，节点ID、输入键名、输出端口命名全部与ComfyUI原生规范严格对齐。
这说明LiblibAI并非另起炉灶开发了“自己的工作流”，而是直接复用ComfyUI的解析引擎——它本质上就是一套部署在华为云上的、带Web界面壳的ComfyUI服务。
模型加载路径与扩展依赖不互通
方法一：直接拖入LiblibAI平台运行
在LiblibAI工作流编辑页点击「上传工作流」→选择本地.json文件→自动校验节点合法性→若含未预装扩展（如ComfyUI-Custom-Nodes或ImpactPack），页面会明确报错并提示「该节点未启用，请前往设置开启」。
方法二：在本地ComfyUI中加载LiblibAI工作流
将LiblibAI导出的.json拖进本地ComfyUI界面，大部分基础节点能正常显示；但只要工作流中调用了LiblibAI特供节点（如LiblibModelLoader或CloudLoraLoader），就会出现红色断连节点，且无法右键编辑——因为这些节点是LiblibAI私有Python模块，未开源也未打包进标准ComfyUI发行版。
【关键前提】必须确保本地ComfyUI已安装所有对应扩展，且版本号与LiblibAI后台当前运行版本一致，否则即使节点图标显示正常，执行时也会因API签名变更而崩溃。
参数映射逻辑存在平台级偏移
第一步：识别提示词节点的实际绑定位置
LiblibAI为降低新手门槛，在工作流中将正向/负向提示词统一注入到名为「Prompt」的自定义输入框，该框背后通过隐藏节点自动拆分并路由至两个CLIPTextEncode节点；而原生ComfyUI工作流必须显式放置两个独立的CLIPTextEncode节点，并手动连接。
第二步：检查采样器参数是否被固化
LiblibAI部分热门工作流（如FLUX扩图流）会把KSampler的steps、cfg、sampler_name等字段锁定为只读常量，用户无法在界面上修改——这些值被硬编码在节点的widgets_values字段里；而本地ComfyUI中所有参数默认可实时调节。
第三步：验证图像分辨率传递机制
LiblibAI的「尺寸设置」控件实际修改的是EmptyLatentImage节点的width/height输入，但某些第三方工作流（尤其从OpenArt.ai搬运的）会额外插入ImageScaleToTotalPixels节点做二次约束，此时LiblibAI的尺寸滑块可能失效，需手动双击该节点调整target_pixels值。
