# ComfyUI API 调用完整教程

本教程将指导你如何通过 Python 调用 ComfyUI 的 API 接口，实现自动化图像生成。你只需准备一个导出的 API 格式工作流文件，即可通过脚本提交任务、获取结果并保存图片。

---



## 一、准备工作

### 1.1 环境要求
- Python 3.8+
- 已部署并运行 ComfyUI 服务（需要开启 `--listen` 参数）
- 确保 ComfyUI 服务所在服务器的防火墙已放行指定端口（例如 `32794`）

### 1.2 安装 Python 依赖
只需要 `requests` 库：
```bash
pip install requests
```

### 1.3 启动 ComfyUI 服务（示例）
在服务器上执行（IP 和端口根据实际情况修改）：
```bash
cd /path/to/ComfyUI
python main.py --listen 0.0.0.0 --port 32794
```

> **注意**：`--listen 0.0.0.0` 允许外部访问，`--port` 指定端口号。

---

## 二、导出 API 格式的工作流

ComfyUI 默认保存的工作流包含界面布局信息，不适合 API 调用。你需要导出**纯 API 格式**的 JSON 文件。

### 操作步骤：
1. 在 ComfyUI 界面中加载你设计好的工作流。
2. 点击右上角 **齿轮图标**（Settings），勾选 **"Enable Dev mode Options"**。
3. 关闭设置面板，此时主菜单会出现 **"Save (API Format)"** 按钮。
4. 点击该按钮，将工作流保存为 `.json` 文件（例如 `workflow_api.json`）。

> **注意**：不要使用普通的 “Save” 按钮，否则后续调用会失败。

---

## 三、编写 Python 调用脚本

下面提供一个通用的脚本模板，只需修改 `SERVER_URL` 和 `WORKFLOW_FILE` 即可。

```python
import json
import time
import random
import requests
from urllib.parse import urljoin

# ========== 配置 ==========
SERVER_URL = "http://<YOUR_SERVER_IP>:8180"   # 替换为你的 ComfyUI 服务地址
WORKFLOW_FILE = "workflow_api.json"           # 你导出的 API 工作流文件

def queue_prompt(workflow):
    """提交工作流到队列，返回 prompt_id"""
    url = urljoin(SERVER_URL, "/prompt")
    payload = {"prompt": workflow}
    resp = requests.post(url, json=payload)
    resp.raise_for_status()
    return resp.json()["prompt_id"]

def get_history(prompt_id, max_wait=60):
    """轮询获取生成结果，超时返回 None"""
    url = urljoin(SERVER_URL, f"/history/{prompt_id}")
    start = time.time()
    while time.time() - start < max_wait:
        resp = requests.get(url)
        if resp.status_code == 200:
            data = resp.json()
            if prompt_id in data:
                return data[prompt_id]
        time.sleep(1)
    return None

def save_images(history, output_prefix="output"):
    """从 history 中提取图片并保存到本地"""
    outputs = history.get("outputs", {})
    saved = []
    for node_id, node_out in outputs.items():
        images = node_out.get("images", [])
        for img in images:
            filename = img["filename"]
            img_url = urljoin(SERVER_URL, f"/view?filename={filename}")
            img_data = requests.get(img_url).content
            local_name = f"{output_prefix}_{filename}"
            with open(local_name, "wb") as f:
                f.write(img_data)
            print(f"已保存: {local_name}")
            saved.append(local_name)
    return saved

def main():
    # 1. 加载工作流
    with open(WORKFLOW_FILE, "r", encoding="utf-8") as f:
        workflow = json.load(f)

    # 2. （可选）修改工作流参数，例如随机种子、提示词等
    # 假设 KSampler 节点的 ID 为 "3"（具体 ID 需查看你的 JSON）
    if "3" in workflow and "inputs" in workflow["3"]:
        workflow["3"]["inputs"]["seed"] = random.randint(1, 10**9)
        print(f"设置随机种子: {workflow['3']['inputs']['seed']}")

    # 3. 提交任务
    print("正在提交任务...")
    prompt_id = queue_prompt(workflow)
    print(f"任务 ID: {prompt_id}")

    # 4. 等待结果
    print("等待生成完成...")
    history = get_history(prompt_id)
    if not history:
        print("超时未获取到结果")
        return

    # 5. 保存图片
    saved = save_images(history)
    print(f"完成，共保存 {len(saved)} 张图片")

if __name__ == "__main__":
    main()
```

### 3.1 如何动态修改提示词？
如果你希望每次运行都输入不同的提示词，可以找到工作流中的 `CLIPTextEncode` 节点（通常为 `class_type: "CLIPTextEncode"`），修改其 `text` 字段。示例：

```python
# 假设提示词节点 ID 为 "6"
user_prompt = input("请输入提示词: ")
workflow["6"]["inputs"]["text"] = user_prompt
```

更通用的方法是遍历所有节点，根据 `class_type` 自动识别：

```python
def set_prompt(workflow, positive_text, negative_text=None):
    for node_id, node in workflow.items():
        if node.get("class_type") == "CLIPTextEncode":
            title = node.get("_meta", {}).get("title", "").lower()
            if negative_text and ("negative" in title or "neg" in title):
                node["inputs"]["text"] = negative_text
            else:
                node["inputs"]["text"] = positive_text
```

### 3.2 修改其他参数
- **随机种子**：找到 `KSampler` 节点，修改 `seed` 字段。
- **采样步数**：修改 `steps` 字段。
- **图片尺寸**：找到 `EmptyLatentImage` 或类似节点，修改 `width`、`height`。

---

## 四、运行与验证

### 4.1 运行脚本
```bash
python call_comfyui.py
```

### 4.2 预期输出
- 控制台打印任务 ID、种子等信息。
- 等待若干秒后，生成 `output_*.png` 文件保存在当前目录。

### 4.3 验证服务是否正常
如果遇到连接错误，可以在浏览器访问 `http://<YOUR_SERVER_IP>:32794`，确认 ComfyUI 界面可打开。

---

## 五、常见问题与解决

| 错误现象 | 可能原因 | 解决方案 |
|---------|----------|----------|
| `ConnectionError` | 服务器 IP/端口错误，或防火墙未放行 | `ping <IP>` 测试连通性；检查云安全组是否开放对应端口 |
| `KeyError: 'prompt_id'` | 工作流不是 API 格式 | 重新按第二章导出 API 格式 JSON |
| `get_history` 超时 | 生成时间过长或服务端出错 | 增加 `max_wait` 参数；查看 ComfyUI 服务端日志 |
| `403 Forbidden` | ComfyUI 未监听 `0.0.0.0` | 启动时添加 `--listen 0.0.0.0` 参数 |
| 图片未生成 | 模型文件缺失或路径错误 | 检查 ComfyUI 控制台错误信息，确认模型文件已正确放置 |

---

## 六、进阶：批量生成与集成

### 6.1 批量生成不同提示词
准备一个 `prompts.txt` 文件，每行一个提示词，然后循环调用：

```python
with open("prompts.txt", "r", encoding="utf-8") as f:
    prompts = [line.strip() for line in f if line.strip()]

for idx, p in enumerate(prompts):
    workflow["6"]["inputs"]["text"] = p
    workflow["3"]["inputs"]["seed"] = random.randint(1, 10**9)
    prompt_id = queue_prompt(workflow)
    history = get_history(prompt_id)
    if history:
        save_images(history, output_prefix=f"batch_{idx}")
```

### 6.2 集成到 Web 服务
可以将上述脚本封装为 Flask API，接收提示词参数，返回生成的图片 URL。示例：

```python
from flask import Flask, request, send_file
import io

app = Flask(__name__)

@app.route('/generate', methods=['POST'])
def generate():
    prompt = request.json.get('prompt')
    # 调用 ComfyUI API 生成图片
    # ...
    return send_file(io.BytesIO(img_data), mimetype='image/png')
```

---

## 七、总结

通过本教程，你已经学会了：
- 导出 ComfyUI 的 API 格式工作流
- 使用 Python 脚本提交任务、获取结果并保存图片
- 动态修改提示词、随机种子等参数
- 处理常见问题并进行批量生成

这套自动化流程可以无缝集成到你的电商、设计或内容生产系统中，实现从文本到图像的自动化生成。如果在实际操作中遇到问题，请检查 ComfyUI 服务端日志，并根据错误提示调整脚本或工作流。

ComfyUI API 调用完整教程

淘宝/天猫商品评论爬虫 —— 教学设计文档

淘宝商品搜索爬虫 —— 教学设计文档

淘宝/天猫统一商品监控脚本 —— 教学设计文档

# 如何在飞书插件中配置 OpenClaw 关联多个飞书机器人，对应不同 Agent

插件版本 3.10 以上 且 为飞书官方插件

官方插件地址：OpenClaw飞书官方插件使用指南（公开版）




## 概述

OpenClaw 支持在同一台机器上配置多个飞书机器人账户，实现：
- 账户隔离：每个飞书机器人独立管理，互不干扰
- 路由分发：不同飞书机器人的消息路由到不同的 agent（工作空间）
- 灵活控制：每个账户可以有不同的访问策略、技能权限等

---

## 配置方式

直接编辑配置文件
配置文件路径：~/.openclaw/openclaw.json



## 前提

创建新的飞书机器人，用于关联到新的账号上
一键创建一个OpenClaw 机器人

## 完整示例

飞书多机器人账号 + 多 Agent 路由

```json
{
  // 定义多个 agent（隔离的工作空间和记忆）
  "agents": {
    "list": [
      {
        "id": "main",
        "name": "主助手",
        "default": true,
        "workspace": "~/.openclaw/workspace-main",
        "model":{
            "primary": "ollama/qwen3.5:35b" // 配置模型
        }
      },
      {
        "id": "test1",
        "name": "工作助手",
        "workspace": "~/.openclaw/workspace-test1",
        "model":{
            "primary": "ollama/deepseek"
        }
      },
      {
        "id": "test2",
        "name": "客服助手",
        "workspace": "~/.openclaw/workspace-test2",
        "model":{
            "primary": "ollama/qwen3.5:35b"
        }
      }
    ]
  },
  
  // 配置会话隔离
  "session": {
    "dmScope": "per-account-channel-peer"
  },
  
  
  // 配置飞书多账户
  "channels": {
    "feishu": {
      "enabled": true,
      "threadSession": true, // 原生openclaw 4.12版本中不存在这个属性
      "replyMode": "auto",
      // 默认机器人配置，必须要有！！
      "appId": "cli_xxx", // 可为空
      "appSecret": "xxx", // 可为空
      
      "accounts": {
        "default": {},
        
        // 工作机器人1
        // agents.list[1].id 保持一致
        "test1": {
          "appId": "cli_work_yyy",
          "appSecret": "work_secret_yyy",
          "botName": "工作机器人", //openclaw 4.12版本中不存在这个属性 可用name
          "dmPolicy": "allowlist",
          "allowFrom": ["ou_5b990e213988b9bcf396f955a50b2a22", "ou_1234567890abcdef"], //类似于白名单
        },
        
        // 机器人2
        // agents.list[2].id 保持一致
        "test2": {
          "appId": "cli_support_zzz",
          "appSecret": "support_secret_zzz",
          "botName": "客服机器人",
          "dmPolicy": "open",
          "allowFrom": ["*"] // 所有人可使用
        }
      },
      
      // 群组配置
      "groups": {
        "*": { "requireMention": true },
        "oc_83e1c0d069b94efc09ad22e05bc06365": {
          "requireMention": false,
          "groupPolicy": "open"
        },
        "oc_dev_123456789": {
          "requireMention": false,
          "groupPolicy": "allowlist",
          "allowFrom": ["ou_dev_001", "ou_dev_002"],
        }
      },
      
      "groupPolicy": "allowlist",
      "groupAllowFrom": [
        "ou_user1",
        "ou_user2",
        "oc_chat1"
      ]
    }
  },
  
  // 路由绑定
  "bindings": [
    { "agentId": "main", "match": { "channel": "feishu", "accountId": "default" } },
    { "agentId": "work", "match": { "channel": "feishu", "accountId": "work" } },
    { "agentId": "support", "match": { "channel": "feishu", "accountId": "support" } },
    {
      "agentId": "test1", // 绑定agent
      "match": {
        "channel": "feishu", // 消息通道使用飞书
        "peer": { "kind": "direct", "id": "ou_owner_user" }
      }
    },
    {
      "agentId": "test2",
      "match": {
        "channel": "feishu",
        "peer": { "kind": "group", "id": "oc_support_group_123" }
      }
    }
  ]
}

```
---

## 路由规则优先级

当收到飞书消息时，OpenClaw 按以下顺序匹配路由：
1. 精确匹配：peer.kind + peer.id（特定用户/群组）
2. 父级匹配：线程继承
3. 账户匹配：accountId
4. 渠道匹配：channel + accountId: "*"
5. 默认 Agent：agents.list[].default 或第一个 agent

---

## 常用命令

|命令 | 说明 |
| --- | --- |
|openclaw channels list | 查看所有渠道账户状态|
|openclaw channels status | 查看渠道状态|
|openclaw agents bindings | 查看路由绑定|
|openclaw gateway status | 查看 Gateway 状态|
|openclaw logs --follow | 查看日志|

---

## ID 格式参考

|类型 | 格式 | 示例|
| --- | --- | --- |
|App ID | cli_xxx | cli_a1b2c3d4e5f6g7h8|
|用户 Open ID | ou_xxx | ou_5b990e213988b9bcf396f955a50b2a22|
|群组 Chat ID | oc_xxx | oc_83e1c0d069b94efc09ad22e05bc06365|

### 获取 ID 的方法
**群组 ID（chat_id）**：
1. 启动 Gateway，在群里 @机器人
2. 运行 openclaw logs --follow 查看 chat_id

**用户 ID（open_id）**：
1. 启动 Gateway，私聊机器人
2. 运行 openclaw logs --follow 查看 open_id

---

## dmPolicy 参考

|值 | 行为
| --- | --- |
|"pairing" | 默认。未知用户收到配对码，需要管理员批准
|"allowlist" | 只有 allowFrom 中的用户可以聊天
|"open" | 允许所有用户（需要在 allowFrom 中添加 "*"）
"disabled" | 禁用私聊

---

## 多账号会话隔离（dmScope）

值 | 隔离粒度 | 行为
| --- | --- | --- |
main | 最粗粒度 | 所有私聊共用一个会话
per-peer | 按用户粒度 | 同一用户跨不同 channel 共享会话
per-channel-peer | 按 channel + 用户 粒度 | 不同 channel 的同一用户各自独立，但同 channel 下多账号仍共享
per-account-channel-peer | 按账号 + channel + 用户 粒度 | 多账号推荐，每个机器人与每个用户的会话完全独立

按账号 + channel + 用户 粒度设置隔离的快捷指令：

```bash
openclaw config set session.dmScope "per-account-channel-peer"
```


:::warning{title="注意"}
仅设置 session.dmScope 不够——还需通过 agents + bindings 将不同账号绑定到不同 agent，才能实现记忆完全隔离
:::
---

## 故障排查

### 检查配置问题

```bash
openclaw doctor
```
### 自动修复配置问题

```bash
openclaw doctor --fix
```
### 查看详细状态

```bash
openclaw status --deep
```

### 查看日志

```bash
openclaw logs --follow
```

ComfyUI API 调用完整教程

淘宝/天猫商品评论爬虫 —— 教学设计文档

📚 文档目标

淘宝商品搜索爬虫 —— 教学设计文档

📚 文档目标

淘宝/天猫统一商品监控脚本 —— 教学设计文档

📚 文档目标

如何在飞书插件中配置 OpenClaw 关联多个飞书机器人，对应不同 Agent