%20(1).png)
ComfyUI-LexMSDBNodes 插件完整使用教程
1. 插件简介
ComfyUI-LexMSDBNodes 是一个专门用来连接微软 SQL Server 数据库的插件包。简单来说，它就像是一个"数据管家"，能够帮助你在 ComfyUI 中直接与数据库进行交流。
插件地址： https://github.com/SOELexicon/ComfyUI-LexMSDBNodes
这个插件能做什么？
想象一下你有一个巨大的图片收藏柜（数据库），里面存放着各种AI生成的图片和它们的制作参数。这个插件就像是一把万能钥匙，让你可以：
- 存储图片信息： 把你生成的图片和制作参数（比如用了什么提示词、多少步骤等）自动保存到数据库里
- 查找历史记录： 快速找到之前生成过的图片和它们的设置
- 批量管理： 一次性处理很多图片数据，就像整理相册一样方便
- 数据分析： 查看你最常用的参数设置，优化你的创作流程
2. 如何安装
方法一：使用 ComfyUI Manager（推荐）
- 打开 ComfyUI
- 点击 "Manager" 按钮
- 搜索 "LexMSDBNodes"
- 点击安装即可
方法二：手动安装
- 打开命令行工具
- 进入你的 ComfyUI 安装目录下的
custom_nodes文件夹 - 运行命令：
git clone https://github.com/SOELexicon/ComfyUI-LexMSDBNodes.git - 重启 ComfyUI
安装依赖
插件需要一些额外的工具包，运行以下命令：
pip install pyodbc numpy torch opencv-python
配置数据库连接
在插件文件夹中找到 config.ini 文件，按照以下格式填写你的数据库信息：
[MSSQL]
server = 你的服务器地址
database = 你的数据库名
username = 你的用户名
password = 你的密码
driver = {SQL Server Native Client 11.0}
integrated_security = False
3. 节点详细解析
3.1 MSSQLQueryNode 节点 - SQL查询执行器
这个节点就像是一个"询问窗口"，你可以通过它向数据库提问，比如"给我看看所有用猫咪做主题的图片"。
参数详解
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| SQL查询语句 | sql_query | 文本输入 | SELECT * FROM txt2img | 你要问数据库的问题，用特殊的数据库语言写出来 | 标准的SQL查询语句，用于从数据库中检索数据 | 输入"SELECT * FROM txt2img WHERE positive_prompt LIKE '%猫%'"来查找所有包含"猫"的图片 |
| 连接配置 | connection_config | 配置文件路径 | config.ini | 告诉节点去哪里找数据库的地址和密码 | 数据库连接配置文件的路径 | 使用默认的config.ini文件，或者指定其他配置文件 |
3.2 MSSqlNode 节点 - 数据库操作中心
这个节点像是一个"万能操作台"，可以执行各种数据库操作，不仅能查询，还能添加、修改、删除数据。
参数详解
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| 操作类型 | operation_type | 下拉选择 | SELECT | 选择你要对数据库做什么动作：查看、添加、修改还是删除 | 指定要执行的SQL操作类型 | 选择"INSERT"来添加新数据，"UPDATE"来修改现有数据 |
| 表名 | table_name | 文本输入 | txt2img | 你要操作的数据表的名字，就像选择要整理的相册名称 | 目标数据库表的名称 | 输入"txt2img"来操作图片生成记录表 |
| 条件语句 | where_clause | 文本输入 | id > 100 | 设置筛选条件，比如只要编号大于100的记录 | SQL WHERE子句，用于筛选数据 | 输入"seed = 12345"来查找特定种子值的记录 |
| 数据值 | data_values | 文本输入 | {} | 当添加或修改数据时，这里填写具体的数据内容 | 包含要插入或更新的数据的字典格式 | 输入"{'positive_prompt': '美丽的风景', 'steps': 20}" |
3.3 MSSqlTableNode 节点 - 表格管理器
这个节点专门用来管理数据库中的表格，就像是一个"相册管理器"，可以创建新相册、查看相册信息等。
参数详解
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| 表名 | table_name | 文本输入 | txt2img | 你要管理的表格名称 | 数据库表的名称 | 输入"my_images"来管理自定义的图片表 |
| 操作模式 | operation_mode | 下拉选择 | info | 选择对表格进行什么操作：获取信息、创建、删除等 | 指定对表执行的操作类型 | 选择"create"来创建新表，"drop"来删除表 |
| 表结构定义 | table_schema | 文本输入 | 空 | 当创建新表时，定义表格有哪些列和数据类型 | 表的结构定义，包括列名和数据类型 | 输入列定义如"id INT, name VARCHAR(100)" |
3.4 MSSqlSelectNode 节点 - 智能查询器
这个节点是一个"智能搜索助手"，专门用来从数据库中查找和筛选数据，操作比较简单直观。
参数详解
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| 选择字段 | select_fields | 文本输入 | * | 选择你要查看的信息列，*表示查看所有信息 | 指定要查询的数据库字段 | 输入"positive_prompt, steps, seed"只查看提示词、步骤和种子值 |
| 来源表 | from_table | 文本输入 | txt2img | 指定从哪个表格中查找数据 | 数据来源表的名称 | 输入"txt2img"从图片生成记录表中查询 |
| 筛选条件 | where_condition | 文本输入 | 空 | 设置查找条件，比如只要某个日期之后的记录 | SQL WHERE条件子句 | 输入"DateAdded > '2024-01-01'"查找2024年后的记录 |
| 排序方式 | order_by | 文本输入 | 空 | 设置结果的排列顺序，比如按时间从新到旧 | SQL ORDER BY子句 | 输入"DateAdded DESC"按日期倒序排列 |
| 记录限制 | limit_count | 数字输入 | 100 | 限制返回多少条记录，避免一次性返回太多数据 | 限制查询结果的数量 | 输入50只返回前50条记录 |
3.5 动态字段节点（基于数据库表结构）
这个插件的特色功能是能够根据你数据库表的结构自动生成输入字段。以默认的 txt2img 表为例：
自动生成的参数字段
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| 图片数据 | Image | 二进制数据 | 空 | 实际的图片文件数据 | 图片的二进制数据 | 连接图片输出节点到这里 |
| 随机种子 | seed | 数字输入 | 随机值 | 生成图片时使用的随机数，决定图片的随机性 | 控制随机生成的种子值 | 输入12345来复现相同的随机效果 |
| 子种子 | subseed | 数字输入 | -1 | 更细致的随机控制参数 | 辅助种子值，用于更精确的随机控制 | 通常保持-1使用默认值 |
| 子种子强度 | subseed_strength | 小数输入 | 0.0 | 子种子的影响程度，就像调节音量大小 | 子种子对生成结果的影响强度 | 输入0.5表示中等影响 |
| 采样器 | sampler | 文本输入 | Euler a | 选择图片生成的算法方式，就像选择画笔类型 | 指定使用的采样算法 | 输入"DPM++ 2M Karras"使用该采样器 |
| 批次大小 | batch_size | 数字输入 | 1 | 一次生成多少张图片 | 单次生成的图片数量 | 输入4一次生成4张图片 |
| 迭代次数 | n_iter | 数字输入 | 1 | 重复生成多少次批次 | 批次的重复次数 | 输入2表示重复2次批次 |
| 生成步骤 | steps | 数字输入 | 20 | 生成图片的计算步骤数，步骤越多质量越高但时间越长 | 扩散模型的迭代步数 | 输入30获得更高质量，输入10获得更快速度 |
| CFG比例 | cfg_scale | 数字输入 | 7 | 控制AI对提示词的遵循程度，就像调节听话程度 | 分类器自由引导的强度 | 输入12使AI更严格遵循提示词 |
| 跳过层数 | clip_skip | 数字输入 | 1 | 跳过文本编码器的层数，影响理解提示词的方式 | CLIP模型跳过的层数 | 输入2跳过更多层获得不同效果 |
| 图片宽度 | width | 数字输入 | 512 | 生成图片的宽度像素 | 图片的宽度尺寸 | 输入1024生成更宽的图片 |
| 图片高度 | height | 数字输入 | 512 | 生成图片的高度像素 | 图片的高度尺寸 | 输入768生成更高的图片 |
| 面部修复 | restore_faces | 开关选择 | False | 是否自动修复图片中的面部细节 | 启用面部修复功能 | 选择True来改善人物面部质量 |
| 正面提示词 | positive_prompt | 文本输入 | 空 | 你想要的图片内容描述 | 正向提示词，描述期望的图片内容 | 输入"beautiful landscape with mountains" |
| 负面提示词 | negative_prompt | 文本输入 | 空 | 你不想要的图片内容描述 | 负向提示词，描述要避免的内容 | 输入"blurry, low quality, distorted" |
| 采样器索引 | sampler_index | 文本输入 | 空 | 采样器的编号或名称 | 采样器的索引标识 | 输入采样器的具体名称 |
4. 使用技巧和建议
4.1 数据库连接技巧
- 测试连接： 在使用节点前，先用简单的查询测试数据库连接是否正常
- 备份数据： 在执行删除或修改操作前，务必备份重要数据
- 合理索引： 为常用的查询字段创建索引，提高查询速度
4.2 性能优化建议
- 限制结果数量： 使用
limit_count参数避免一次性加载过多数据 - 精确查询： 使用具体的筛选条件，避免全表扫描
- 分批处理： 对于大量数据操作，建议分批次处理
4.3 工作流程建议
- 设计数据结构： 根据你的需求设计合适的数据库表结构
- 自动化记录： 将数据库节点集成到你的图片生成工作流中，实现自动记录
- 定期维护： 定期清理旧数据，保持数据库性能
5. 常见问题解答
Q1: 为什么连接数据库失败？
A: 检查以下几点：
- 确认数据库服务是否正在运行
- 检查
config.ini文件中的连接信息是否正确 - 确认网络连接是否正常
- 检查用户权限是否足够
Q2: 如何修改默认的数据表结构？
A:
- 在数据库中创建你自己的表结构
- 修改插件代码中的表名引用
- 重启 ComfyUI 让插件重新加载表结构
Q3: 可以连接其他类型的数据库吗？
A: 目前这个插件专门为 Microsoft SQL Server 设计，如果需要连接其他数据库，需要修改插件代码。
Q4: 如何处理大量的图片数据？
A:
- 使用二进制存储图片数据
- 考虑只存储图片的路径而不是完整的图片数据
- 定期清理不需要的历史记录
Q5: 节点没有显示怎么办？
A:
- 检查插件是否正确安装
- 确认所有依赖包都已安装
- 查看 ComfyUI 的控制台输出是否有错误信息
- 重启 ComfyUI
6. 扩展应用场景
6.1 创作历史管理
将每次的图片生成参数自动保存到数据库，建立个人的创作历史档案。
6.2 参数优化分析
通过查询数据库中的历史记录，分析哪些参数组合产生了最好的效果。
6.3 批量处理工作流
结合数据库查询结果，实现批量重新生成或修改图片的工作流。
6.4 团队协作
在团队环境中，通过共享数据库实现创作参数和结果的共享。
这个插件为 ComfyUI 用户提供了强大的数据管理能力，虽然需要一定的数据库知识，但一旦掌握，将大大提升你的AI创作效率和管理能力。建议从简单的查询操作开始，逐步掌握更复杂的功能。