Agent Scheduler

隆重推出 AgentScheduler，一款为 Automatic1111/Vladmandic Stable Diffusion Web UI 打造的扩展插件，助你大幅提升图像生成工作流效率！

目录

• 兼容性
• 安装
  • 使用 Vlad 的分支版本
  • 使用内置扩展列表
  • 手动克隆
• 功能
• 设置
• API 访问
• 故障排除
• 路线图
• 贡献方式
• 许可证
• 免责声明

---

兼容性

本版本 AgentScheduler 兼容以下最新版本：

• A1111: commit baf64946
• Vladmandic: commit 9726b4d

旧版本可能无法正常运行。

安装

使用 Vlad 的 WebUI 分支

该扩展已内置于 Vlad 分支 的内置扩展中。

使用内置扩展列表

1. 打开“Extensions”（扩展）标签页
2. 切换到“Install From URL”（从 URL 安装）子标签页
3. 粘贴仓库地址：https://github.com/ArtVentureX/sd-webui-agent-scheduler.git
4. 点击“Install”（安装）

手动克隆

git clone "https://github.com/ArtVentureX/sd-webui-agent-scheduler.git" extensions/agent-scheduler

（第二个参数指定文件夹名称，可自定义）。

基础功能

1️⃣ 输入常规提示词与设置。点击 Enqueue（入队），将当前提示词、设置、ControlNet 等发送至 AgentScheduler。

2️⃣ AgentScheduler 扩展标签页。

3️⃣ 查看所有排队任务、当前正在生成的图像及任务相关信息。拖拽每行开头的句柄可重新调整生成顺序。

4️⃣ 点击 Pause（暂停）停止队列自动生成；点击 Resume（恢复）重新开始。

5️⃣ 点击 ▶️ 优先处理选中任务，或在队列暂停时启动单个任务。点击 Delete（删除）移除不需要的任务。

6️⃣ 显示队列历史记录。

7️⃣ Filter（筛选）任务状态或按文本搜索。

8️⃣ Bookmark（书签）标记任务以便快速筛选。

9️⃣ 双击任务 ID 可 重命名 并快速更新基础参数。点击 ↩️ Requeue（重新入队）旧任务。

🔟 点击每个任务以 查看 生成结果。

https://github.com/ArtVentureX/sd-webui-agent-scheduler/assets/133728487/50c74922-b85f-493c-9be8-b8e78f0cd061

隐藏功能：

同时对所有检查点（checkpoint）排队

右键点击 Enqueue 按钮并选择 Queue with all checkpoints（使用所有检查点排队），即可快速将当前设置与所有可用检查点一同入队。

对部分检查点排队

启用自定义检查点选择器后（见下方扩展设置），你可以选择一个文件夹（或子文件夹），将其中所有检查点加入队列。例如：选择 anime 将入队 anime\AOM3A1B_oragemixs、anime\counterfeit\Counterfeit-V2.5_fp16 和 anime\counterfeit\Counterfeit-V2.5_pruned。

编辑已排队任务

双击已排队任务进行编辑。可通过修改 task_id 为任务命名，或更新部分基础参数：prompt（提示词）、negative prompt（负面提示词）、sampler（采样器）、checkpoint（检查点）、steps（步数）、cfg scale（CFG 比例）。

扩展设置

前往 Settings > Agent Scheduler 访问扩展设置。

Disable Queue Auto-Processing（禁用队列自动处理）：勾选此项将在启动时禁用队列自动处理。你也可以在扩展标签页中临时暂停或恢复队列。

Queue Button Placement（队列按钮位置）：更改 UI 上队列入队按钮的位置。

Hide the Checkpoint Dropdown（隐藏检查点下拉菜单）：本扩展提供自定义检查点下拉菜单。

默认情况下，入队任务使用当前加载的检查点。但切换系统检查点需要时间加载至内存，且图像生成过程中无法更换检查点。你可以使用此下拉菜单快速将带有自定义检查点的任务入队。

Auto Delete Queue History（自动删除队列历史）：选择保留队列历史的时间范围。超过设定时间的任务将被自动删除。请注意，已加书签的任务不会被删除。

API 访问

本扩展的所有功能均可通过 HTTP API 访问。您可以通过 http://127.0.0.1:7860/docs 查看 API 文档。请记得在启动参数中加入 --api。

任务队列（Queue Task）

两个 API /agent-scheduler/v1/queue/txt2img 和 /agent-scheduler/v1/queue/img2img 支持原始 WebUI API 的所有参数。这些 API 会返回任务 ID，可用于后续更新操作。

{
  "task_id": "string"
}

下载结果

使用 API /agent-scheduler/v1/results/{id} 获取生成的图像。该 API 支持两种响应格式：

• Base64 编码的 JSON 格式

{
  "success": true,
  "data": [
    {
      "image": "data:image/png;base64,iVBORw0KGgoAAAAN...",
      "infotext": "1girl\nNegative prompt: EasyNegative, badhandv4..."
    },
    {
      "image": "data:image/png;base64,iVBORw0KGgoAAAAN...",
      "infotext": "1girl\nNegative prompt: EasyNegative, badhandv4..."
    }
  ]
}

• 带查询参数 zip=true 的 ZIP 文件格式

API 回调（Callback）

在排队任务时传入参数 callback_url 以注册 API 回调。例如：

{
  "prompt": "1girl",
  "negative_prompt": "easynegative",
  "callback_url": "http://somehost:port/task_completed"
}

回调端点必须支持 POST 方法，且请求体需为 multipart/form-data 编码格式。请求体结构如下：

{
  "task_id": "abc123",
  "status": "done",
  "files": [list of image files],
}

使用 FastApi 处理回调的示例代码：

from fastapi import FastAPI, UploadFile, File, Form

@app.post("/task_completed")
async def handle_task_completed(
    task_id: Annotated[str, Form()],
    status: Annotated[str, Form()],
    files: Optional[List[UploadFile]] = File(None),
):
    print(f"Received {len(files)} files for task {task_id} with status {status}")
    for file in files:
        print(f"* {file.filename} {file.content_type} {file.size}")
        # ... 对文件内容进行处理 ...

# Received 1 files for task 3cf8b150-f260-4489-b6e8-d86ed8a564ca with status done
# * 00008-3322209480.png image/png 416400

故障排除

请确保您正在运行最新版本的扩展以及已更新的 WebUI。

• 要更新扩展，请前往 Extension 标签页，点击 Check for Updates，然后点击 Apply and restart UI。
• 要更新 WebUI 本身，请在 webui.bat（或 webui.sh）所在目录执行命令 git pull origin master。

排查问题步骤：

• 检查 WebUI 输出控制台中的错误信息。
• 在浏览器中按 F12，切换到 Console 标签页并刷新页面，在此处查找任何错误消息。

常见错误：

AttributeError: module 'modules.script_callbacks' has no attribute 'on_before_reload'

如果在输出控制台看到此错误，请尝试将 WebUI 更新至最新版本。

更新：扩展现已改为打印以下警告信息：YOUR SD WEBUI IS OUTDATED AND AGENT SCHEDULER WILL NOT WORKING PROPERLY. 您仍可使用该扩展，但在重新加载后可能无法正常工作。

ReferenceError: submit_enqueue is not defined

如果您点击 Enqueue 按钮无反应，并在浏览器 F12 控制台中发现上述错误，请参考 此评论 中的步骤。

更新：此问题现已修复。

TypeError: issubclass() arg 1 must be a class 请更新扩展，此问题很可能已被修复。

TypeError: Object of type X is not JSON serializable 请更新扩展，此问题应已修复。若仍未解决，请提交 Issue 报告并附上已安装扩展列表。

对于其他错误，欢迎提交新的 Github issue。

贡献

我们欢迎对 Agent Scheduler 扩展项目的贡献！欢迎您通过 GitHub 仓库提交问题、错误报告和功能建议。

如果您觉得本扩展有帮助，请给我们一个 ⭐！

许可证

本项目采用 Apache License 2.0 许可证。

免责声明

本项目的作者不对因使用本软件而产生的任何损害或法律问题负责。用户须自行确保其使用本软件时遵守所有适用法律法规，并承担与使用相关的全部风险。作者不对因输入或输出内容引发的任何版权侵犯或法律问题负责。

---

由构建 SIPHER//AGI、PROTOGAIA、ATHERLABS 与 SIPHER ODYSSEY 的团队打造

关于 ProtoGAIA

ProtoGAIA 为生成式 AI 图像工作流提供强大的协作功能，旨在帮助各级设计师和创意专业人士更高效地协作，释放创造力，并对创作过程实现完全透明化与追踪管理。

当前 protoGAIA 功能

作为一个致力于将生成式 AI（Generative AI）的强大能力带给大众的开源项目，ProtoGAIA 提供以下核心功能：

✅ 无缝访问：支持桌面端与移动端使用

✅ 强大的宏（Macro）能力，支持任务链式编排，并打包为“宏命令”，便于 AI Agent 自动化执行

✅ 多人协作用户体验。提供强大的协作功能，如实时评论与反馈、版本控制、图片/文件/项目共享等

✅ 房间聊天室（Rooms Chat），支持用户间活跃讨论，并直接在聊天中运行生成式 AI 工作流

✅ 自定义模型管理，包括 Lora、扩散模型（Diffusion Models）、Controlnet 模型等

✅ 强大的语义搜索能力

✅ AI 驱动的智能聊天框，可快速触发生成式 AI 任务与工作流

✅ 站在巨人肩上，整合 A1111/Vladnmandic 等先驱成果，在单一平台上实现从创意构思到最终成果的完整协作流程

✅ 自动化工具，用于处理部分重复性任务

✅ 安全透明，利用哈希（hashing）与元数据追踪模型、Lora、图像的来源与历史，确保可追溯性并提升协作效率

✅ 个性化 UI/UX 设计，兼顾新手与资深用户，可快速通过编辑提示词（prompts）与负向提示词（negative prompts）、选择新训练模型及输出质量等方式，对现有 SD 图像进行再创作

✅ 所有模型、Lora、图像均支持来源追踪（Provenance Tracking），便于追溯与协作

✅ 为新手与资深用户定制 UI/UX，可快速通过编辑提示词与负向提示词、选择新训练模型及输出质量等方式，对现有 SD 图像进行再创作

✅ 生成式 AI 学习文章与教程

✅ 投票系统，评选最佳生成式 AI 图像、模型、配方、宏等

✅ 通过“全局探索”（Global Explore）标签页，开放分享生成式 AI 图像、模型、配方、宏等内容

目标用户

ProtoGAIA 专为以下目标用户群体设计：

• 创作者
• 小型设计团队或自由职业者
• 设计机构与游戏工作室
• AI Agent

🎉 敬请关注后续更新

希望您觉得本扩展实用。我们将持续添加新功能并优化体验，以更好地支持您的创意工作流。

欲获取最新动态与更新，请关注我们的 GitHub 与 Twitter。我们欢迎您的反馈与建议，并期待听到 AgentScheduler 如何帮助您简化工作流程、释放创造力！

sd-webui-agent-scheduler 快速上手指南

---

环境准备

• 系统要求：支持 Windows / Linux / macOS，推荐使用 NVIDIA GPU + CUDA 环境
• 前置依赖：
  • 已安装并运行 AUTOMATIC1111/stable-diffusion-webui 或 vladmandic/automatic
  • WebUI 版本需为最新（至少包含 commit baf6946 或 9726b4d）
  • 如需 API 调用，请启动时添加 --api 参数

国内用户建议使用镜像加速拉取模型与扩展，如配置 HF_ENDPOINT=https://hf-mirror.com

---

安装步骤

方法一：通过内置扩展列表安装（推荐）

1. 打开 WebUI → 进入 Extensions 标签页
2. 切换到 Install from URL 子标签
3. 在输入框粘贴仓库地址：

   https://github.com/ArtVentureX/sd-webui-agent-scheduler.git
   

4. 点击 Install 按钮，等待安装完成
5. 重启 WebUI 生效

方法二：手动克隆安装

在 WebUI 根目录下执行：

git clone "https://github.com/ArtVentureX/sd-webui-agent-scheduler.git" extensions/agent-scheduler

可自定义文件夹名（如 agent-scheduler），不影响功能

方法三：使用 Vlad Fork（已内置）

若你使用的是 vladmandic/automatic，该扩展已预装，无需额外安装。

---

基本使用

1. 添加任务到队列

• 在文生图（txt2img）或图生图（img2img）界面填写提示词、参数等
• 点击 Enqueue 按钮，当前设置将被加入调度队列

💡 高级技巧：右键 Enqueue → 选择 Queue with all checkpoints 可批量为所有模型创建任务

2. 管理队列任务

• 切换到 AgentScheduler 标签页
• 查看当前排队任务、生成状态、历史记录
• 支持操作：
  • ▶️ 优先执行选中任务
  • 🗑️ 删除任务
  • ↔️ 拖拽调整顺序
  • ⭐ 收藏任务便于筛选
  • 🔍 搜索或按状态过滤
  • ↩️ 重新入队历史任务

3. 编辑任务参数

• 双击队列中的任务 → 弹出编辑窗口
• 可修改：任务名（task_id）、正向提示词、负向提示词、采样器、模型、步数、CFG值等

4. 启用自动处理（默认开启）

• 默认启动后自动处理队列
• 如需手动控制，在设置中勾选 Disable Queue Auto-Processing
• 在队列页可随时点击 Pause / Resume 控制启停

---

✅ 至此，你已掌握核心功能！进阶功能如 API 调用、回调通知、自定义模型目录等，请参考官方文档或设置页面。