comfyui-workspace-manager
comfyui-workspace-manager 是一款专为 ComfyUI 设计的工作流与模型管理扩展,旨在帮助用户在统一界面中高效组织工作流、模型及生成图像。它解决了用户在处理复杂节点流程时面临的文件杂乱、版本混乱以及模型查找困难等痛点,让多项目切换和协作变得井然有序。
该工具特别适合频繁使用 ComfyUI 进行创作的设计师、AI 艺术家以及需要管理大量实验流程的研究人员。其核心亮点包括:支持通过文件夹分类管理工作流,并具备本地双向同步功能,用户在操作系统中修改文件可实时反映在界面中;内置版本控制系统,每次保存均自动记录历史,方便随时回溯;提供便捷的模型管理器,支持一键从 Civitai 安装模型并通过拖拽快速加载;此外,还能自动归档生成图像至对应工作流画廊,并支持子工作流的复用与导入。
需要注意的是,随着 ComfyUI 前端原生集成类似功能,此插件已宣布停止维护。但对于仍在使用旧版界面或需要其特定历史版本管理功能的用户而言,它曾是一个提升工作效率的得力助手。建议新用户优先评估官方最新特性,老用户则可利用其完成现有资产的整理与迁移。
使用场景
一位专注于商业落地的 AI 设计师,每天需要在 ComfyUI 中维护数十个针对不同客户需求的绘图工作流(如写实人像、二次元插画、产品渲染),并频繁切换和迭代这些复杂流程。
没有 comfyui-workspace-manager 时
- 文件管理混乱:所有工作流 JSON 文件散落在下载文件夹或桌面,依靠文件名区分版本,经常误覆盖或找不到最新文件。
- 切换效率极低:每次更换项目都需要手动点击"Load"上传文件,若同时处理多个任务,需打开多个浏览器标签页,内存占用高且容易混淆。
- 模型调用繁琐:寻找特定大模型或 LoRA 时,需离开界面去文件夹确认路径,再手动输入节点参数,无法直观预览模型效果。
- 版本回溯困难:一旦调整参数导致效果变差,无法快速恢复到上一稳定版本,只能凭记忆重新搭建或翻找旧备份。
- 资产复用性差:常用的局部逻辑(如高清修复模块)无法直接拖拽复用,每次都要重新连接节点,重复劳动严重。
使用 comfyui-workspace-manager 后
- 统一空间管理:所有工作流按项目文件夹分类存储,支持本地文件夹双向同步,在系统资源管理器移动文件即可实时更新界面。
- 一键无缝切换:通过侧边栏列表秒级切换不同工作流,甚至可一键在多标签页打开多个流程并行处理,互不干扰。
- 可视化模型安装:内置模型管理器可直接浏览已安装模型的缩略图,支持从 Civitai 一键下载并自动填入节点,拖拽即可上链。
- 自动版本控制:每次保存自动生成历史版本记录,随时可回滚到任意时间点的设计状态,彻底消除“改坏了”的焦虑。
- 子工作流复用:将通用模块保存为子工作流,直接拖拽插入当前画布即可自动连接节点,大幅缩短新流程搭建时间。
comfyui-workspace-manager 将原本碎片化、高风险的手工操作转化为可视化的系统工程,让创作者能专注于创意本身而非文件管理。
运行环境要求
- Windows
- macOS
- Linux
未说明 (作为 ComfyUI 插件,依赖宿主环境的 GPU 配置)
未说明

快速开始
☕️ ComfyUI 工作区管理器 - Comfyspace
[2025-4-16] 📣大家好,由于 ComfyUI 前端现已内置工作区管理功能,本插件已过时,将不再维护。感谢各位对 comfyui-workspace-manager 的支持!很抱歉它无法继续更新了。
ComfyUI 工作流与模型管理扩展,旨在 在一个地方组织和管理您的所有工作流、模型及生成的图片。您可以无缝切换不同工作流、追踪版本历史与图像生成记录,一键从 Civit AI 安装模型,并浏览或更新您已安装的模型。
安装
[选项 1] 通过 ComfyUI 管理器(推荐)
只需搜索“ComfyUI Workspace Manager”,安装并重启 ComfyUI 即可。
[选项 2] 通过 Git
与其他自定义节点安装方式相同,在您的 ComfyUI 根目录下运行以下命令并重启 ComfyUI:
cd custom_nodes && git clone https://github.com/11cafe/comfyui-workspace-manager.git
请尽快升级到 V2 版本,您应该会在这里看到一只 独角兽🦄,而不是 ☕️(V1)。我将很快停止对 V1 的支持。
V2 推荐设置(如果您使用的是 V1,请勿采用这些设置):
- 启用双向同步(‼️ 下一版本起将不再支持非双向同步模式)
- 确保“我的工作区保存目录”为有效路径
功能
工作流管理器
- 🔁轻松切换不同工作流。只需点击一下,即可在多个浏览器标签页中打开同一工作流。
- 🤏通过 拖放操作 将子工作流插入当前流程。
- 🗂️ 使用文件夹组织工作流(标签功能已弃用,请使用文件夹进行整理)。
- 📂将所有工作流保存并同步到本地文件夹中(默认位于
/ComfyUI/my_workflows,可在设置中自定义)。- 按下 💾 按钮或使用 ⌨Shift+S 快捷键保存工作流(可在设置中自定义)。
- 每次保存都会在 版本历史 中创建一条新记录,您可以轻松回滚到任意版本。
- 启用/禁用自动保存功能(如果遇到界面卡顿,请关闭自动保存)。
- 您可以使用操作系统文件资源管理器移动文件,这些文件将与工作区实现 双向同步。
- 🕛 对工作流进行 版本控制,创建或切换版本。
- 批量导入工作流至您的工作区。
- 一键将所有工作流打包成 .zip 文件下载。
🔮模型管理器:
- 一键从 civitai 安装模型到对应模型类型的
models/子文件夹中。 - 浏览已安装的模型,并查看缩略图。
- 拖放“加载模型类型”节点到工作流中。
🖼️ 图片库:您生成的每张图片或视频都会保存在当前工作流的图库中。您可以将图库中的任意一张图片设为该工作流的封面照片。
- 暗色/亮色模式
- 云端同步与备份工作区,确保数据永不丢失(即将推出!)
- 【测试版】一键分享工作流
建议使用 Chrome 浏览器以获得最佳体验。Safari 效果不佳,Edge 或 Firefox 则均可。
更新日志
🦄v2.0 实现与本地文件夹的双向同步,模型管理器支持外部模型路径如 Automatic1111,并可云端同步工作流
v2.0 演示视频:https://youtu.be/7Hht_BMe844
v1.7 ComfyUI 模型管理器,查看已安装的模型、从 civit ai 安装模型、在多个浏览器标签页中打开工作流
使用方法
切换工作流:
🤏通过拖放插入子工作流:
批量导入工作流:
工作流操作:手动保存、下载、放弃未保存的更改:
如何保存我的工作流?
您可以通过点击 💾 软盘图标按钮或使用 ⌨Shift+S 快捷键来保存工作流(您可以在设置中自定义此快捷键)。每次保存都会在 版本历史 中创建一条新记录。您可以像使用 Git 一样,在版本历史中来回切换不同的版本。
默认情况下,我们还启用了自动保存功能,以便在您忘记手动保存时作为缓存。不过,这可能会影响界面性能。如果您遇到界面卡顿,请 ‼️‼️在设置中关闭自动保存功能:
我的工作流和工作区数据存储在哪里?
🗂️ 您的所有工作流都保存在 /ComfyUI/my_workflows 文件夹中,您可以在设置中更改此路径。
其他元数据(版本、图库图片)主要存储在您的浏览器缓存(IndexDB)中,并备份在磁盘的 /ComfyUI/custom_nodes/comfyui-workspace-manager/db/ 目录下。按下 F12 或右键点击浏览器菜单中的“检查”,进入“应用” -> “IndexedDB” -> “comfyui_workspace_db”,即可查看您的数据(工作流、版本历史、图库等)。
如果您更换浏览器,将无法在新浏览器中看到之前的元数据(版本历史、图库图片)。
我们正在寻找合作者和同事 来共同开发这款 ComfyUI 项目管理工具。如果您熟悉 React、Python 或机器学习模型部署,请联系 weixuanfu01@gmail.com。我们的目标是让 ComfyUI 项目的 管理、共享和部署 变得更加简单。
即将推出的功能
一键安装模型
从网上导入 JSON 工作流时,常常会遇到缺少节点或模型的错误。我们将提供一键从 Hugging Face 和 Civiti 安装缺失模型的功能。模块化
现代软件开发项目都是模块化的,整个系统被拆分成不同的模块。在 ComfyUI 中,每个自定义节点都可以视为一个模块,应该具备自包含性,易于安装并与其他模块依赖。这样,这些模块(自定义节点)就可以在不同项目中轻松复用。 ➡️ 我们需要类似 Web 打包工具的东西,例如 webpack 或 vite。这将使每个自定义节点都能自包含,并清晰定义其依赖关系。多工作流项目
目前您一次只能处理一个工作流,这限制了构建由多个子工作流组成的大型工作流的可能性。每个工作流都可以被视为一个自定义节点。您应该能够轻松地将一个工作流转换为一个自定义节点,并在项目中重复使用。 ➡️ 我们需要一个跨工作流的项目管理工具,类似于 VSCode 编辑器。云端运行 / 简易部署
目前,您需要搭建 Python 环境和 GPU 服务器才能运行 ComfyUI 或 Automatic1111,这对没有 GPU 的用户来说非常不便。您应该能够在不支付 GPU 费用的情况下独立运行 UI 💰。 ➡️ 您可以一键将工作流分享到云端并部署,其他人无需任何设置即可通过浏览器使用云端 GPU 运行。这应该像使用 Google Docs 或 Figma 一样简单。
Beta 预览版
我们一直在 beta 分支上不断推送新功能。以下是切换到 beta 分支以提前获取最新功能更新的方法!这需要您具备一些基本的命令行和 git 知识。
- 确保已安装 git。
- 打开终端,进入 ComfyUI 文件夹(即您执行
python main.py的目录)。 - 在 ComfyUI 根目录下,依次输入
cd custom_nodes && cd comfyui-workspace-manager。 - 在
custom_nodes/comfyui-workspace-manager目录内,执行git fetch origin beta && git checkout beta,您应该会看到类似以下内容:
From https://github.com/11cafe/comfyui-workspace-manager
* branch beta -> FETCH_HEAD
Switched to branch 'beta'
Your branch is up to date with 'origin/beta'.
- 重新启动 ComfyUI Python 服务器:
python main.py。
‼️ 请注意,beta 分支可能不稳定,因此请务必备份所有工作流!在切换到 beta 分支之前,请务必将以下文件夹复制到安全位置:
ComfyUI/custom_nodes/comfyui-workspace-manager/db
或者整个 ComfyUI/custom_nodes/comfyui-workspace-manager/ 文件夹。
如果出现问题,您可以随时将这些文件夹恢复原位。此外,您还应始终将 /my_workflows 文件夹(工作区保存目录)妥善保管。
要返回主分支:
- 在
custom_nodes/comfyui-workspace-manager目录内,执行git checkout main,然后重启 Python 服务器,您就回到了主分支!
致谢
ComfyUI:https://github.com/comfyanonymous/ComfyUI
ComfyUI 浏览器:https://github.com/talesofai/comfyui-browser(用于参考的媒体显示代码)
同时感谢所有为社区建设贡献力量的自定义节点开发者!
开发说明
克隆 ComfyUI
git clone https://github.com/comfyanonymous/ComfyUI
按照 ComfyUI README 中的安装和设置说明进行操作。克隆 Workspace Manager
在/ComfyUI文件夹中:
cd custom_nodes && git clone https://github.com/11cafe/comfyui-workspace-manager.git
安装 npm 依赖
进入/ComfyUI/custom_nodes/comfyui-workspace-manager目录后,执行cd ui && npm install,这将安装所有 Node.js 依赖项。构建并运行
进入/ComfyUI/custom_nodes/comfyui-workspace-manager/ui目录后,执行npm run build --watch。该命令会监听文件变化并自动重新构建,您只需刷新浏览器即可看到代码更改的效果。运行 ComfyUI 服务器
在/ComfyUI目录下,根据您的 Python 版本执行python main.py或python3 main.py。
IndexDB 故障排除
如果您在控制台中看到类似以下的 IndexDB 版本不匹配错误:
VersionError: 请求的版本 (10) 低于现有版本 (30)。"
name
:
"DatabaseClosedError"
请手动删除 IndexDB:打开 F12 开发者工具 -> 应用 -> IndexedDB -> WorkspaceManagerDB。

同时删除 localstorage.WORKSPACE_INDEXDB_BACKFILL。

仅建议开发者执行此操作。
版本历史
prod2024/01/18常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备
Deep-Live-Cam
Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具,用户仅需一张静态照片,即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点,让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界,更因其极简的操作逻辑(仅需三步:选脸、选摄像头、启动),广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换,还是制作趣味短视频和直播互动,Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力,支持口型遮罩(Mouth Mask)以保留使用者原始的嘴部动作,确保表情自然精准;同时具备“人脸映射”功能,可同时对画面中的多个主体应用不同面孔。此外,项目内置了严格的内容安全过滤机制,自动拦截涉及裸露、暴力等不当素材,并倡导用户在获得授权及明确标注的前提下合规使用,体现了技术发展与伦理责任的平衡。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。