ComfyUI_SimpleButcher插件完整保姆级教程

1. 插件简介

ComfyUI_SimpleButcher是一个专门用来自动化批量生成图片的插件，就像一个超级智能的助手，能够帮你从文本文件中随机选择提示词，然后自动生成大量不同的图片。

插件地址： https://github.com/KLL535/ComfyUI_SimpleButcher

这个插件最厉害的地方在于：

就像一个自动抽奖机，能从你准备的文本文件中随机抽取提示词
支持Forge风格的LoRA写法，就像写lora:美女:1.0这样简单
能够自动识别LoRA的真实名字，不用你手动去找文件名
可以批量保存图片，自动整理到不同的文件夹里
生成的图片信息完全兼容其他软件，方便分享和使用

2. 如何安装

方法一：使用ComfyUI管理器（推荐）

打开ComfyUI界面
点击"Manager"（管理器）按钮
选择"Install Custom Nodes"（安装自定义节点）
搜索"ComfyUI_SimpleButcher"
点击安装，等待完成后重启ComfyUI

方法二：手动安装

按下Win+R，输入cmd打开命令窗口
输入以下命令（一行一行输入）：

cd ComfyUI安装目录\custom_nodes
git clone https://github.com/KLL535/ComfyUI_SimpleButcher.git
cd ComfyUI_SimpleButcher
.\..\..\..\python_embeded\python.exe -s -m pip install -r requirements.txt

重启ComfyUI

3. 节点详细解析

3.1 Simple Load Line From Text File节点

这个节点就像一个自动翻书机，能够从文本文件中一行一行地读取内容，然后按照你设定的方式（顺序、随机、不重复等）来选择提示词。

3.2 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
name	name	字符串	任意名字	给这个节点起个名字，方便你记住它的作用	节点标识符，用于区分多个同类节点	比如写"美女提示词加载器"
start	start	数字	1	从文件的第几行开始读取	起始行数索引	如果文件有100行，你想从第5行开始，就填5
load_file	load_file	真/假	真	是否要从文件读取内容，关闭就不读文件了	布尔值控制是否启用文件读取功能	一般选择"真"，除非你只想用固定文本
file_path	file_path	文件路径	你的文本文件路径	告诉节点你的文本文件放在哪里	指定文本文件的完整路径	比如"C:\prompts\美女提示词.txt"
next	next	选择项	random	选择读取方式：顺序、倒序、固定、随机、不重复随机	控制行选择算法的参数	选"random"每次都随机，选"increment"按顺序来
prefix	prefix	字符串	空	在每个提示词前面加上固定的文字	前缀字符串，会添加到选中行的开头	比如加上"最高质量，杰作，"
postfix	postfix	字符串	空	在每个提示词后面加上固定的文字	后缀字符串，会添加到选中行的结尾	比如加上"，8k分辨率"

3.3 输出结果

输出名称	输出类型	通俗解释	专业解释	实际用途
text	字符串	最终组合好的提示词	前缀+文件行内容+后缀的组合结果	连接到其他节点作为提示词使用
batch_counter	数字	当前是第几批	批次计数器，新批次时重置为1	用来追踪生成进度
line_counter	数字	当前读到文件第几行	当前选中的行号	知道用了哪一行的内容
lines	数字	文件总共有多少行	文件总行数	了解文件规模

3.4 Simple Split Lora And Prompt节点

这个节点就像一个智能分拣机，能够把混在一起的提示词和LoRA代码分开，让你写起来更方便。

3.5 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
text	text	字符串	混合文本	包含提示词和LoRA代码的混合文本	输入包含LoRA标签和提示词的文本	"美女，lora:亚洲美女:1.0，长发"

3.6 输出结果

输出名称	输出类型	通俗解释	专业解释	实际用途
lora_text	字符串	只包含LoRA代码的文本	提取出的LoRA标签文本	给LoRA加载器使用
prompt	字符串	只包含提示词的文本	提取出的纯提示词文本	给提示词编码器使用

3.7 Simple Lora Loader节点

这个节点就像一个智能LoRA管理器，能够一次性加载多个LoRA，还能自动识别LoRA的真实名字。

3.8 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
model	model	模型	主模型	要应用LoRA的主模型	扩散模型输入	连接CheckPoint加载器的输出
clip	clip	CLIP模型	主CLIP	要应用LoRA的CLIP模型	CLIP模型输入	连接CheckPoint加载器的CLIP输出
lora_text	lora_text	字符串	LoRA代码	包含多个LoRA的文本	Forge风格的LoRA标签文本	"lora:美女:1.0 lora:风景:0.8"
multiple_strength_unet	multiple_strength_unet	小数	1.0	所有LoRA的模型强度倍数	UNet权重的全局倍数	0.8表示所有LoRA模型影响减少到80%
multiple_strength_clip	multiple_strength_clip	小数	1.0	所有LoRA的文本强度倍数	CLIP权重的全局倍数	0.9表示所有LoRA文本影响减少到90%
limit_strength_unet	limit_strength_unet	小数	2.0	限制LoRA模型强度的最大值	UNet权重的上限值	防止LoRA影响过强，最多只能到2.0
limit_strength_clip	limit_strength_clip	小数	2.0	限制LoRA文本强度的最大值	CLIP权重的上限值	防止LoRA对文本理解影响过强

3.9 输出结果

输出名称	输出类型	通俗解释	专业解释	实际用途
model	模型	应用了LoRA的新模型	经过LoRA修改的扩散模型	连接到采样器使用
clip	CLIP模型	应用了LoRA的新CLIP	经过LoRA修改的CLIP模型	连接到提示词编码器使用
civitai_lora	字符串	LoRA列表信息	已应用LoRA的元数据信息	用于图片保存时的元数据
civitai_lora_hash	字符串	LoRA的哈希值	LoRA文件的校验码	用于图片元数据，便于识别

3.10 Simple Image Saver节点

这个节点就像一个智能相册管理器，能够自动保存图片并整理到不同的文件夹，还能保存完整的生成信息。

3.11 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
images	images	图片	生成的图片	要保存的图片	图像数据输入	连接生成图片的节点
output_path	output_path	文件路径	你的保存路径	图片保存在哪个文件夹	输出目录路径	"C:\ComfyUI\output\我的图片"
prompt_text	prompt_text	字符串	提示词	生成图片用的提示词	正向提示词文本	连接提示词编码器的输入
SEED	SEED	数字	随机种子	生成图片的随机种子	控制随机性的种子值	连接采样器的种子输出
modelname	modelname	字符串	模型名称	使用的模型名字	检查点模型的名称	连接特殊的模型名称节点
steps	steps	数字	采样步数	生成图片的步数	扩散采样步数	连接采样器的步数参数
sampler	sampler	采样器	采样器类型	使用的采样器	采样算法选择	连接采样器选择节点
schedule	schedule	调度器	调度器类型	使用的调度器	噪声调度算法	连接调度器选择节点
CFG_scale	CFG_scale	小数	CFG值	提示词遵循程度	分类器自由指导强度	连接采样器的CFG参数
distilled_CFG_scale	distilled_CFG_scale	小数	蒸馏CFG值	蒸馏模型的CFG值	蒸馏模型的指导强度	用于特殊的蒸馏模型
width	width	数字	图片宽度	图片的宽度像素	图像宽度尺寸	连接空潜空间的宽度
height	height	数字	图片高度	图片的高度像素	图像高度尺寸	连接空潜空间的高度
beta_schedule_alpha	beta_schedule_alpha	小数	调度参数α	高级调度器参数	Beta调度的alpha参数	一般不用改，保持默认
beta_schedule_beta	beta_schedule_beta	小数	调度参数β	高级调度器参数	Beta调度的beta参数	一般不用改，保持默认
civitai_lora	civitai_lora	字符串	LoRA信息	使用的LoRA信息	LoRA元数据	连接LoRA加载器的输出
civitai_lora_hash	civitai_lora_hash	字符串	LoRA哈希	LoRA的哈希值	LoRA校验码	连接LoRA加载器的哈希输出
negative	negative	字符串	负面提示词	不想要的内容描述	负向提示词文本	连接负面提示词编码器
override_parameters	override_parameters	字符串	覆盖参数	用JSON格式覆盖所有参数	参数覆盖的JSON文本	高级用法，一般不用
override_workflow	override_workflow	字符串	覆盖工作流	用JSON格式覆盖工作流	工作流覆盖的JSON文本	高级用法，一般不用
override_prompt	override_prompt	字符串	覆盖提示词	用JSON格式覆盖提示词	提示词覆盖的JSON文本	高级用法，一般不用
save_comfy_workflow	save_comfy_workflow	真/假	真	是否保存工作流到图片	是否在元数据中保存工作流	选真可以拖拽图片加载工作流
save_comfy_prompt	save_comfy_prompt	真/假	真	是否保存提示词到图片	是否在元数据中保存提示词	选真可以看到完整的提示词信息

3.12 输出结果

输出名称	输出类型	通俗解释	专业解释	实际用途
metadata_text	字符串	写入图片的元数据	保存到文件的元数据信息	可以查看保存了什么信息

3.13 Simple Load Image With Metadata节点

这个节点就像一个智能图片读取器，不仅能加载图片，还能读取图片里保存的所有生成信息。

3.14 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
image	image	图片	要加载的图片	从文件选择要加载的图片	图像文件输入	选择你要分析的图片文件
mask	mask	遮罩	图片遮罩	图片的遮罩信息	图像遮罩数据	一般用不到，保持默认

3.15 输出结果

输出名称	输出类型	通俗解释	专业解释	实际用途
image	图片	加载的图片	解码后的图像数据	用于其他节点处理
mask	遮罩	图片遮罩	图像遮罩数据	用于图像编辑
metadata_parameters	字符串	Forge风格的元数据	Forge兼容的参数信息	查看原始生成参数
metadata_workflow	字符串	ComfyUI工作流	ComfyUI的工作流JSON	可以重新加载工作流
metadata_prompt	字符串	ComfyUI提示词	ComfyUI的提示词JSON	查看详细的提示词信息

3.16 Simple Batch Load Images From Dir节点

这个节点就像一个批量图片管理器，能够从文件夹中自动加载多张图片，支持随机选择和不重复模式。

3.17 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
name	name	字符串	任意名字	给这个节点起个名字	节点标识符	比如"批量图片加载器"
input_path	input_path	文件路径	图片文件夹路径	包含图片的文件夹位置	图像目录路径	"C:\我的图片\输入图片"
start	start	数字	1	从第几张图片开始加载	起始图像索引	如果文件夹有100张图，从第5张开始就填5
next	next	选择项	random	选择图片的方式	图像选择算法	random随机选择，increment按顺序
include_subdir	include_subdir	真/假	假	是否包含子文件夹的图片	是否递归搜索子目录	选真会加载所有子文件夹的图片

3.18 输出结果

输出名称	输出类型	通俗解释	专业解释	实际用途
image	图片	加载的图片	当前选中的图像	用于其他节点处理
mask	遮罩	图片遮罩	图像遮罩数据	用于图像编辑
metadata_parameters	字符串	Forge风格的元数据	Forge兼容的参数信息	查看原始生成参数
metadata_workflow	字符串	ComfyUI工作流	ComfyUI的工作流JSON	可以重新加载工作流
metadata_prompt	字符串	ComfyUI提示词	ComfyUI的提示词JSON	查看详细的提示词信息
batch_counter	数字	当前批次	批次计数器	追踪处理进度
line_counter	数字	当前文件序号	文件索引计数器	知道处理到第几张图
lines	数字	总文件数	文件夹中的图片总数	了解总共有多少张图

3.19 Simple Auto Bypass节点

这个节点就像一个智能开关，当某个节点组被禁用时，能让信息自动绕过去，不会丢失。

3.20 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
input1	input1	任意类型	主要输入	正常情况下的输入	主数据输入端口	连接你的主要数据源
input2	input2	任意类型	绕过输入	当主输入失效时的备用输入	备用数据输入端口	连接备用数据源

3.21 输出结果

输出名称	输出类型	通俗解释	专业解释	实际用途
output	任意类型	输出的数据	自动选择有效输入的结果	确保数据流不中断

3.22 Simple Remove Think节点

这个节点就像一个智能文本清理器，专门删除AI思考过程中的...标签内容。

3.23 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
text	text	字符串	包含think标签的文本	要清理的文本内容	输入文本字符串	"美女我在想什么长发"

3.24 输出结果

输出名称	输出类型	通俗解释	专业解释	实际用途
text	字符串	清理后的文本	移除think标签后的文本	获得干净的提示词

3.25 Checkpoint Loader with Name (Image Saver)节点

这个节点就像一个带名字标签的模型加载器，不仅能加载模型，还能输出模型的名字供其他节点使用。

3.26 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
ckpt_name	ckpt_name	选择列表	你想用的模型	从列表中选择要加载的模型	检查点文件选择	比如选择"realismEngineSDXL_v30.safetensors"

3.27 输出结果

输出名称	输出类型	通俗解释	专业解释	实际用途
model	模型	加载的扩散模型	扩散模型对象	用于图像生成
clip	CLIP模型	加载的CLIP模型	CLIP模型对象	用于文本编码
vae	VAE模型	加载的VAE模型	VAE模型对象	用于图像编码解码
modelname	字符串	模型的名字	模型文件名称	用于保存图片时的元数据

3.28 Sampler Selector (Image Saver)节点

这个节点就像一个采样器选择器，能够选择采样器并输出其名字。

3.29 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
sampler_name	sampler_name	选择列表	你想用的采样器	从列表中选择采样器	采样算法选择	比如选择"euler_ancestral"

3.30 输出结果

输出名称	输出类型	通俗解释	专业解释	实际用途
sampler	采样器	选择的采样器	采样器对象	用于图像采样
sampler_name	字符串	采样器的名字	采样器名称	用于保存图片时的元数据

3.31 Scheduler Selector (Image Saver)节点

这个节点就像一个调度器选择器，能够选择调度器并输出其名字。

3.32 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
scheduler_name	scheduler_name	选择列表	你想用的调度器	从列表中选择调度器	噪声调度算法选择	比如选择"karras"

3.33 输出结果

输出名称	输出类型	通俗解释	专业解释	实际用途
scheduler	调度器	选择的调度器	调度器对象	用于噪声调度
scheduler_name	字符串	调度器的名字	调度器名称	用于保存图片时的元数据

4. 使用技巧和建议

4.1 批量生成的最佳实践

准备多个不同类型的文本文件（比如人物描述、场景描述、风格描述）
使用"random no repetitions"模式确保不重复
设置合适的batch数量，不要一次生成太多

4.2 LoRA使用技巧

可以在同一行写多个LoRA，比如：<lora:美女:1.0><lora:写实:0.8>
使用不同的权重来调节效果强度
记得点击"Update LoRA dictionary"按钮更新LoRA列表

ComfyUI插件教程：SimpleButcher从入门到精通