LiblibAI中普通CheckpointLoader节点无法加载模型，因其不识别model-info.json元数据、不校验平台签发的model_hash、不执行VAE绑定与template ID解析；必须使用Checkpoint Loader Simple增强版或开启严格模型锚定。
☞☞☞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中Checkpoint模型无法通过普通加载节点（如标准ComfyUI的CheckpointLoader）直接调用，是因为平台底层对模型加载路径、权重注入时机和CLIP/VAE绑定逻辑做了深度定制——普通节点不识别LiblibAI的model-info.json元数据结构，也不响应其动态hash校验与自动fallback拦截机制。
普通CheckpointLoader节点在LiblibAI中完全失效的原因
第一步：打开ComfyUI工作流，拖入原生CheckpointLoader节点→双击配置→选择你本地已存放的“majicMIX realistic_v7.safetensors”文件。节点看似加载成功，但运行时控制台报错“model_hash mismatch: expected T8mK4vR2, got 0x1a2b3c4d”。
这是因为LiblibAI强制要求所有Checkpoint必须携带平台签发的model_hash字段，该字段写在远程托管的model-info.json里，而普通节点只读取本地文件头哈希，两者永远对不上。
第二步：即使跳过哈希校验，普通节点也不会触发VAE绑定流程。它加载完UNet后就停止，不会去models/vae/目录查找同名VAE，更不会执行“no auto-vae fallback”指令拦截——结果就是生成图肤色发青、天空泛紫，且负向提示词首行那句禁用兜底的指令形同虚设。
第三步：普通节点不支持template ID硬编码解析。当你在正向提示词开头写“template ID: T8mK4vR2nQzLbX9p”，它完全无视，继续用默认SD1.5模板跑图，ControlNet预处理器版本错配、LoRA权重未注入、sRGB输出路径被绕过——所有依赖环境全部崩塌。
必须改用LiblibAI专用加载节点
方法一：使用Checkpoint Loader Simple（LiblibAI增强版）
在节点库搜索框输入“Checkpoint Loader Simple”→拖入画布→双击节点→在“clip”下拉菜单中选“built-in”或对应CLIP型号→在“vae”下拉菜单中手动点选目标VAE（如sd-vae-ft-mse）。这一步会强制将model_hash、template ID、VAE路径三者锁死绑定，绕过所有本地文件解析环节。
方法二：启用“自动模型锚定”开关
进入LiblibAI设置页→找到【高级模式】→开启“Enable strict model anchoring”。此时哪怕你拖入的是原生CheckpointLoader，平台前端也会在提交前自动注入model_hash校验头，并重写VAE加载路径为/liblib/models/vae/sd-vae-ft-mse.safetensors——但仅限于已加入模型库的合法模型，未授权上传的ckpt文件仍会被拒绝。
【未在LiblibAI模型库点击“加入”并获得绿色“已加入”标签的模型，无论用哪种节点都无法加载】。平台会在请求阶段直接拦截HTTP 403，连加载日志都不会输出。
验证是否真正走通LiblibAI加载链
① 生成一张测试图后，立即滚动页面到底部右下角，盯住白色等宽字体区域；
② 确认出现严格匹配的激活标识：“T8mK4vR2nQzLbX9p → active”；
③ 若显示“fallback → SD15-base”或只有时间戳无ID，则说明仍在走普通节点路径，必须删除当前节点，换用Checkpoint Loader Simple并重新绑定。
