V3 迁移指南

如何将现有的 V1 节点迁移到新的 V3 架构。

​

概述

ComfyUI V3 架构引入了一种更有序的节点定义方式，今后的节点功能扩展只会在 V3 架构中进行。本指南将帮助你将现有的 V1 节点迁移到新的 V3 架构。

​

核心概念

V3 架构基于新的版本化 Comfy API，这意味着未来的架构更新都将向后兼容。comfy_api.latest 指向正在开发中的最新版本 API，而 latest 之前的版本可以认为是“稳定版”。目前版本 v0_0_2 是第一个 API 版本，之后可能还会有不兼容的更改。当它稳定后，会创建新的 v0_0_3 版本供 latest 指向。

# 使用最新的 ComfyUI API
from comfy_api.latest import ComfyExtension, io, ui

# 使用特定版本的 ComfyUI API
from comfy_api.v0_0_2 import ComfyExtension, io, ui

​

V1 与 V3 架构

V3 架构的主要变化包括：

• 输入和输出使用对象定义，而不是字典。
• 执行方法统一命名为 ‘execute’，并且是类方法。
• 使用 def comfy_entrypoint() 函数返回 ComfyExtension 对象来定义节点，取代 NODE_CLASS_MAPPINGS/NODE_DISPLAY_NAME_MAPPINGS
• 节点对象不保存状态 - def __init__(self) 不会影响节点函数的暴露内容，因为所有方法都是类方法。节点类在执行前也会被清理。

​

V1 (旧版)

class MyNode:
    @classmethod
    def INPUT_TYPES(s):
        return {"required": {...}}

    RETURN_TYPES = ("IMAGE",)
    FUNCTION = "execute"
    CATEGORY = "my_category"

    def execute(self, ...):
        return (result,)

NODE_CLASS_MAPPINGS = {"MyNode": MyNode}

​

V3 (现代版)

from comfy_api.latest import ComfyExtension, io

class MyNode(io.ComfyNode):
    @classmethod
    def define_schema(cls) -> io.Schema:
        return io.Schema(
            node_id="MyNode",
            display_name="My Node",
            category="my_category",
            inputs=[...],
            outputs=[...]
        )

    @classmethod
    def execute(cls, ...) -> io.NodeOutput:
        return io.NodeOutput(result)

class MyExtension(ComfyExtension):
    async def get_node_list(self) -> list[type[io.ComfyNode]]:
        return [MyNode]

async def comfy_entrypoint() -> ComfyExtension:
    return MyExtension()

​

迁移步骤

从 V1 迁移到 V3 在大多数情况下都很简单，主要是语法的调整。

​

步骤 1: 更改基类

所有 V3 节点都必须继承自 ComfyNode。支持多层继承，只要继承链的顶层有 ComfyNode 父类即可。

V1:

class Example:
    def __init__(self):
        pass

V3:

from comfy_api.latest import io

class Example(io.ComfyNode):
    # 不需要 __init__

​

步骤 2: 将 INPUT_TYPES 转换为 define_schema

原来分散在代码不同位置（如字典和类属性）的节点属性（节点 ID、显示名称、类别等）现在都通过 Schema 类统一管理。

define_schema(cls) 函数需要返回一个 Schema 对象，工作方式与 V1 中的 INPUT_TYPES(s) 类似。

支持的核心输入/输出类型存储在 comfy_api/{version} 的 _io.py 文件中，默认以 io 作为命名空间。由于输入/输出现在由类定义而不是字典或字符串，自定义类型可以通过编写自己的类或使用 io 中的 Custom 辅助函数来实现。

自定义类型在下面的章节中有详细说明。

类型类包含以下属性：

• class Input 用于定义输入（如 Model.Input(...)）
• class Output 用于定义输出（如 Model.Output(...)）。注意，不是所有类型都支持作为输出。
• Type 用于获取类型提示（如 Model.Type）。有些类型提示可能只是 any，未来会进一步完善。这些类型提示不会被强制执行，仅作为文档参考。

V1:

@classmethod
def INPUT_TYPES(s):
    return {
        "required": {
            "image": ("IMAGE",),
            "int_field": ("INT", {
                "default": 0,
                "min": 0,
                "max": 4096,
                "step": 64,
                "display": "number"
            }),
            "string_field": ("STRING", {
                "multiline": False,
                "default": "Hello"
            }),
            # V1 处理任意类型
            "custom_field": ("MY_CUSTOM_TYPE",),
        },
        "optional": {
            "mask": ("MASK",)
        }
    }

V3:

@classmethod
def define_schema(cls) -> io.Schema:
    return io.Schema(
        node_id="Example",
        display_name="Example Node",
        category="examples",
        description="Node description here",
        inputs=[
            io.Image.Input("image"),
            io.Int.Input("int_field",
                default=0,
                min=0,
                max=4096,
                step=64,
                display_mode=io.NumberDisplay.number
            ),
            io.String.Input("string_field",
                default="Hello",
                multiline=False
            ),
            # V3 处理任意类型
            io.Custom("my_custom_type").Input("custom_input"),
            io.Mask.Input("mask", optional=True)
        ],
        outputs=[
            io.Image.Output()
        ]
    )

​

步骤 3: 更新执行方法

V3 中所有的执行函数都命名为 execute 并且必须是类方法。

V1:

def test(self, image, string_field, int_field):
    # Process
    image = 1.0 - image
    return (image,)

V3:

@classmethod
def execute(cls, image, string_field, int_field) -> io.NodeOutput:
    # Process
    image = 1.0 - image

    # Return with optional UI preview
    return io.NodeOutput(image, ui=ui.PreviewImage(image, cls=cls))

​

步骤 4: 转换节点属性

以下是一些属性名称的对照表，更多详细信息请查看 comfy_api.latest._io 中的源代码。

V1 属性	V3 规范字段	备注
RETURN_TYPES	Schema 中的 outputs	输出对象列表
RETURN_NAMES	输出中的 display_name	每个输出的显示名称
FUNCTION	始终为 execute	方法名称标准化
CATEGORY	Schema 中的 category	字符串值
OUTPUT_NODE	Schema 中的 is_output_node	布尔标志
DEPRECATED	Schema 中的 is_deprecated	布尔标志
EXPERIMENTAL	Schema 中的 is_experimental	布尔标志

​

步骤 5: 处理特殊方法

V3 支持与 V1 相同的特殊方法，但方法名改为小写或重新命名以更加清晰。使用方式保持不变。

​

验证 (V1 → V3)

输入验证函数重命名为 validate_inputs。

V1:

@classmethod
def VALIDATE_INPUTS(s, **kwargs):
    # Validation logic
    return True

V3:

@classmethod
def validate_inputs(cls, **kwargs) -> bool | str:
    # Return True if valid, error string if not
    if error_condition:
        return "Error message"
    return True

​

惰性求值 (V1 → V3)

check_lazy_status 函数改为类方法，其他部分保持不变。

V1:

def check_lazy_status(self, image, string_field, ...):
    if condition:
        return ["string_field"]
    return []

V3:

@classmethod
def check_lazy_status(cls, image, string_field, ...):
    if condition:
        return ["string_field"]
    return []

​

缓存控制 (V1 → V3)

缓存控制的功能与 V1 相同，但原来的函数名容易误导。

V1 的 IS_CHANGED 函数的逗辑是：如果返回值与上次执行时相同，则不重新执行节点。

因此函数 IS_CHANGED 被重命名为 fingerprint_inputs。开发者常见的错误是认为返回 True 就会让节点总是重新执行。但由于总是返回 True，反而会导致节点只执行一次然后重用缓存。

一个常见的使用场景是 LoadImage 节点。它返回所选文件的哈希值，这样文件变化时节点就会重新执行。

V1:

@classmethod
def IS_CHANGED(s, **kwargs):
    return "unique_value"

V3:

@classmethod
def fingerprint_inputs(cls, **kwargs):
    return "unique_value"

​

步骤 6: 创建扩展和入口点

不再使用字典来映射节点 ID 到节点类/显示名称，现在需要定义 ComfyExtension 类和 comfy_entrypoint 函数。

将来可能会在 ComfyExtension 中添加更多函数，通过 get_node_list 注册节点以外的其他内容。

comfy_entrypoint 可以是同步或异步函数，但 get_node_list 必须声明为异步。

V1:

NODE_CLASS_MAPPINGS = {
    "Example": Example
}

NODE_DISPLAY_NAME_MAPPINGS = {
    "Example": "Example Node"
}

V3:

from comfy_api.latest import ComfyExtension

class MyExtension(ComfyExtension):
    # 必须声明为异步
    async def get_node_list(self) -> list[type[io.ComfyNode]]:
        return [
            Example,
            # 在这里添加更多节点
        ]

# 可以声明为异步或不是，两者都可以工作
async def comfy_entrypoint() -> MyExtension:
    return MyExtension()

​

输入类型参考

虽然在步骤 2 中已经介绍过，但这里再提供一些 V1 与 V3 类型的对照表。完整的类型声明请查看 comfy_api.latest._io。

​

基本类型

V1 类型	V3 类型	示例
"INT"	io.Int.Input()	io.Int.Input("count", default=1, min=0, max=100)
"FLOAT"	io.Float.Input()	io.Float.Input("strength", default=1.0, min=0.0, max=10.0)
"STRING"	io.String.Input()	io.String.Input("text", multiline=True)
"BOOLEAN"	io.Boolean.Input()	io.Boolean.Input("enabled", default=True)

​

ComfyUI 类型

V1 类型	V3 类型	示例
"IMAGE"	io.Image.Input()	io.Image.Input("image", tooltip="Input image")
"MASK"	io.Mask.Input()	io.Mask.Input("mask", optional=True)
"LATENT"	io.Latent.Input()	io.Latent.Input("latent")
"CONDITIONING"	io.Conditioning.Input()	io.Conditioning.Input("positive")
"MODEL"	io.Model.Input()	io.Model.Input("model")
"VAE"	io.VAE.Input()	io.VAE.Input("vae")
"CLIP"	io.CLIP.Input()	io.CLIP.Input("clip")

​

组合类型（下拉框/选择列表）

V3 中的组合类型需要显式定义。

V1:

"mode": (["option1", "option2", "option3"],)

V3:

io.Combo.Input("mode", options=["option1", "option2", "option3"])

​

高级功能

​

UI 集成

V3 提供内置的 UI 辅助函数，可以避免保存文件时的常见样板代码。

from comfy_api.latest import ui

@classmethod
def execute(cls, images) -> io.NodeOutput:
    # 在节点中显示预览
    return io.NodeOutput(images, ui=ui.PreviewImage(images, cls=cls))

​

输出节点

适用于产生副作用的节点（如保存文件）。与 V1 一样，将节点标记为输出节点后，会在节点的上下文菜单中显示 run 播放按钮，允许部分执行流程图。

@classmethod
def define_schema(cls) -> io.Schema:
    return io.Schema(
        node_id="SaveNode",
        inputs=[...],
        outputs=[],  # 不需要为空。
        is_output_node=True  # 标记为输出节点
    )

​

自定义类型

可以通过编写类或使用 Custom 辅助函数来创建自定义的输入/输出类型。

from comfy_api.latest import io

# 方法 1: 使用装饰器定义类
@io.comfytype(io_type="MY_CUSTOM_TYPE")
class MyCustomType:
    Type = torch.Tensor  # Python 类型注释

    class Input(io.Input):
        def __init__(self, id: str, **kwargs):
            super().__init__(id, **kwargs)

    class Output(io.Output):
        def __init__(self, **kwargs):
            super().__init__(**kwargs)

# 方法 2: 使用 Custom 辅助函数
# 为了方便起见，也可以直接使用辅助函数而不先保存到变量
MyCustomType = io.Custom("MY_CUSTOM_TYPE")