[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-kijai--ComfyUI-FluxTrainer":3,"tool-kijai--ComfyUI-FluxTrainer":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","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。\n\n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。\n\nOpenClaw 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",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-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。\n\n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。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",150037,2,"2026-04-10T23:33:47",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","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。\n\n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。\n\n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。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":65,"owner_company":65,"owner_location":76,"owner_email":65,"owner_twitter":77,"owner_website":65,"owner_url":78,"languages":79,"stars":84,"forks":85,"last_commit_at":86,"license":87,"difficulty_score":88,"env_os":89,"env_gpu":90,"env_ram":91,"env_deps":92,"category_tags":100,"github_topics":65,"view_count":32,"oss_zip_url":65,"oss_zip_packed_at":65,"status":17,"created_at":101,"updated_at":102,"faqs":103,"releases":133},6475,"kijai\u002FComfyUI-FluxTrainer","ComfyUI-FluxTrainer",null,"ComfyUI-FluxTrainer 是一款专为 ComfyUI 设计的开源插件，旨在让用户直接在熟悉的节点式界面中训练 Flux 模型。它本质上是对 Kohya 训练脚本的封装与改良，并整合了 Lycoris 及 Prodigy 优化器的相关代码，从而支持在 ComfyUI 工作流中完成 LoRA 微调、实验性的 LyCORIS 训练以及全量模型微调。\n\n该工具主要解决了传统训练流程需要切换至命令行或独立脚本环境的痛点。对于已经是 ComfyUI 的重度用户而言，它意味着无需配置新的 Python 环境或学习复杂的命令参数，即可复用现有的模型资源和推理环境进行训练。用户可以像搭建生成工作流一样，通过连接节点来灵活调整训练参数、对比不同设置的效果，甚至嵌入调试节点实时监控训练状态，极大地降低了工作流割裂感。\n\n需要注意的是，作者明确标注该项目处于实验阶段，默认参数仅基于其个人数据集测试，且不提供具体的训练策略指导。因此，ComfyUI-FluxTrainer 更适合那些已经具备一定深度学习基础、熟悉 Kohya 训练原理，并希望在 ComfyUI 生态内高效迭代 Flux 模型的开发","ComfyUI-FluxTrainer 是一款专为 ComfyUI 设计的开源插件，旨在让用户直接在熟悉的节点式界面中训练 Flux 模型。它本质上是对 Kohya 训练脚本的封装与改良，并整合了 Lycoris 及 Prodigy 优化器的相关代码，从而支持在 ComfyUI 工作流中完成 LoRA 微调、实验性的 LyCORIS 训练以及全量模型微调。\n\n该工具主要解决了传统训练流程需要切换至命令行或独立脚本环境的痛点。对于已经是 ComfyUI 的重度用户而言，它意味着无需配置新的 Python 环境或学习复杂的命令参数，即可复用现有的模型资源和推理环境进行训练。用户可以像搭建生成工作流一样，通过连接节点来灵活调整训练参数、对比不同设置的效果，甚至嵌入调试节点实时监控训练状态，极大地降低了工作流割裂感。\n\n需要注意的是，作者明确标注该项目处于实验阶段，默认参数仅基于其个人数据集测试，且不提供具体的训练策略指导。因此，ComfyUI-FluxTrainer 更适合那些已经具备一定深度学习基础、熟悉 Kohya 训练原理，并希望在 ComfyUI 生态内高效迭代 Flux 模型的开发者、研究人员或高级技术爱好者。如果你追求可视化的训练流程构建，且愿意自行探索最佳实践，这将是一个极具潜力的效率工具。","# ComfyUI Flux Trainer\n\nWrapper for slightly modified kohya's training scripts: https:\u002F\u002Fgithub.com\u002Fkohya-ss\u002Fsd-scripts\n\nIncluding code from: https:\u002F\u002Fgithub.com\u002FKohakuBlueleaf\u002FLycoris\n\nAnd https:\u002F\u002Fgithub.com\u002FLoganBooker\u002Fprodigy-plus-schedule-free\n\n## DISCLAIMER:\nI have **very** little previous experience in training anything, Flux is basically first model I've been inspired to learn. Previously I've only trained AnimateDiff Motion Loras, and built similar training nodes for it.\n\n## DO NOT ASK ME FOR TRAINING ADVICE\nI can not emphasize this enough, this repository is not for raising questions related to the training itself, that would be better done to kohya's repo. Even so keep in mind my implementation may have mistakes.\n\nThe default settings aren't necessarily any good, they are just the last (out of many) I've tried and worked for my dataset.\n\n# THIS IS EXPERIMENTAL\nBoth these nodes and the underlaying implementation by kohya is work in progress and expected to change. \n\n# Installation\n1. Clone this repo into `custom_nodes` folder.\n2. Install dependencies: `pip install -r requirements.txt`\n   or if you use the portable install, run this in ComfyUI_windows_portable -folder:\n\n  `python_embeded\\python.exe -m pip install -r ComfyUI\\custom_nodes\\ComfyUI-FluxTrainer\\requirements.txt`\n\nIn addition torch version 2.4.0 or higher is highly recommended.\n\nExample workflow for LoRA training can be found in the examples folder, it utilizes additional nodes from:\n\nhttps:\u002F\u002Fgithub.com\u002Fkijai\u002FComfyUI-KJNodes\n\nAnd some (optional) debugging nodes from:\n\nhttps:\u002F\u002Fgithub.com\u002Frgthree\u002Frgthree-comfy\n\nFor LoRA training the models need to be the normal fp8 or fp16 versions, also make sure the VAE is the non-diffusers version:\n\nhttps:\u002F\u002Fhuggingface.co\u002Fblack-forest-labs\u002FFLUX.1-dev\u002Fblob\u002Fmain\u002Fae.safetensors\n\nFor full model training the fp16 version of the main model needs to be used.\n\n## Why train in ComfyUI?\n- Familiar UI (obviously only if you are a Comfy user already)\n- You can use same models you use for inference\n- You can use same python environment, I faced no incompabilities\n- You can build workflows to compare settings etc.\n\nCurrently supports LoRA training, and untested full finetune with code from kohya's scripts: https:\u002F\u002Fgithub.com\u002Fkohya-ss\u002Fsd-scripts\n\nExperimental support for LyCORIS training has been added as well, using code from: https:\u002F\u002Fgithub.com\u002FKohakuBlueleaf\u002FLycoris\n\n![Screenshot 2024-08-21 020207](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkijai_ComfyUI-FluxTrainer_readme_f21c0443aa1e.png)\n\n","# ComfyUI Flux 训练器\n\n基于稍作修改的 kohya 训练脚本的封装：https:\u002F\u002Fgithub.com\u002Fkohya-ss\u002Fsd-scripts\n\n包含来自以下项目的代码：https:\u002F\u002Fgithub.com\u002FKohakuBlueleaf\u002FLycoris  \n以及 https:\u002F\u002Fgithub.com\u002FLoganBooker\u002Fprodigy-plus-schedule-free\n\n## 免责声明：\n我之前几乎没有训练任何模型的经验，Flux 基本上是我第一次受到启发去学习的模型。在此之前，我只训练过 AnimateDiff 运动 LoRA，并为其构建过类似的训练节点。\n\n## 请勿向我咨询训练相关问题\n这一点我必须反复强调：本仓库并非用于讨论训练本身的问题，这类问题最好在 kohya 的仓库中提出。即便如此，请务必注意，我的实现可能存在错误。\n\n默认设置并不一定优秀，它们只是我在众多尝试中最后使用的一个，并且对我的数据集有效。\n\n## 本项目处于实验阶段\n这些节点以及 kohya 提供的基础实现都仍在开发中，未来可能会发生变化。\n\n## 安装步骤\n1. 将本仓库克隆到 `custom_nodes` 文件夹中。\n2. 安装依赖：`pip install -r requirements.txt`  \n   或者，如果您使用便携式安装包，请在 ComfyUI_windows_portable 文件夹下运行以下命令：\n\n   `python_embeded\\python.exe -m pip install -r ComfyUI\\custom_nodes\\ComfyUI-FluxTrainer\\requirements.txt`\n\n此外，强烈建议使用 PyTorch 2.4.0 或更高版本。\n\nLoRA 训练的示例工作流可在 examples 文件夹中找到，它使用了来自以下项目的附加节点：  \nhttps:\u002F\u002Fgithub.com\u002Fkijai\u002FComfyUI-KJNodes  \n\n以及一些（可选）调试节点，来自：  \nhttps:\u002F\u002Fgithub.com\u002Frgthree\u002Frgthree-comfy  \n\n进行 LoRA 训练时，模型需要使用普通的 fp8 或 fp16 版本，并确保使用的 VAE 是非 diffusers 版本：  \nhttps:\u002F\u002Fhuggingface.co\u002Fblack-forest-labs\u002FFLUX.1-dev\u002Fblob\u002Fmain\u002Fae.safetensors  \n\n对于完整模型训练，则需要使用主模型的 fp16 版本。\n\n## 为什么要在 ComfyUI 中进行训练？\n- 熟悉的用户界面（当然，仅限于已经使用 ComfyUI 的用户）\n- 可以使用与推理相同的模型\n- 可以使用相同的 Python 环境，我没有遇到任何兼容性问题\n- 可以构建工作流来比较不同设置等\n\n目前支持 LoRA 训练，并且未经充分测试的完整微调功能也已集成，基于 kohya 的脚本：https:\u002F\u002Fgithub.com\u002Fkohya-ss\u002Fsd-scripts  \n\n此外，还新增了对 LyCORIS 训练的实验性支持，使用了来自以下项目的代码：https:\u002F\u002Fgithub.com\u002FKohakuBlueleaf\u002FLycoris  \n\n![截图 2024-08-21 020207](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkijai_ComfyUI-FluxTrainer_readme_f21c0443aa1e.png)","# ComfyUI-FluxTrainer 快速上手指南\n\nComfyUI-FluxTrainer 是一个用于在 ComfyUI 界面中训练 Flux 模型（支持 LoRA、LyCORIS 及全量微调）的自定义节点插件。它基于 kohya-ss 的训练脚本进行了封装，允许用户在熟悉的 ComfyUI 工作流中直接进行模型训练。\n\n> **注意**：本项目处于实验阶段，默认参数仅作者测试有效，非通用最佳实践。关于训练策略的具体问题请参考 kohya-ss 官方仓库。\n\n## 环境准备\n\n在开始之前，请确保满足以下系统和依赖要求：\n\n*   **操作系统**：Windows \u002F Linux \u002F macOS\n*   **Python 版本**：建议与 ComfyUI 运行环境一致\n*   **PyTorch 版本**：**强烈建议**使用 `torch` 2.4.0 或更高版本，以获得最佳兼容性和性能。\n*   **前置插件**（可选但推荐）：\n    *   [ComfyUI-KJNodes](https:\u002F\u002Fgithub.com\u002Fkijai\u002FComfyUI-KJNodes)：示例工作流依赖此插件。\n    *   [rgthree-comfy](https:\u002F\u002Fgithub.com\u002Frgthree\u002Frgthree-comfy)：提供调试节点。\n\n## 安装步骤\n\n### 1. 克隆仓库\n将本仓库克隆到 ComfyUI 的 `custom_nodes` 目录下：\n\n```bash\ncd ComfyUI\u002Fcustom_nodes\ngit clone https:\u002F\u002Fgithub.com\u002FAI-Horde\u002FComfyUI-FluxTrainer.git\n```\n*(注：若国内访问 GitHub 较慢，可使用镜像源或手动下载 ZIP 包解压至该目录)*\n\n### 2. 安装依赖\n进入插件目录并安装所需 Python 包。\n\n**标准安装方式：**\n```bash\ncd ComfyUI-FluxTrainer\npip install -r requirements.txt\n```\n\n**便携版（Portable）安装方式：**\n如果您使用的是 ComfyUI Windows 便携版，请在 `ComfyUI_windows_portable` 文件夹下运行：\n\n```bash\npython_embeded\\python.exe -m pip install -r ComfyUI\\custom_nodes\\ComfyUI-FluxTrainer\\requirements.txt\n```\n\n> **提示**：如遇网络问题导致 `pip` 安装失败，可添加国内镜像源加速：\n> `pip install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple`\n\n## 基本使用\n\n### 1. 准备模型文件\n根据训练类型下载对应的模型文件：\n*   **LoRA 训练**：需使用正常的 `fp8` 或 `fp16` 版本主模型。\n    *   **VAE 要求**：必须使用非 diffusers 版本的 VAE：[ae.safetensors](https:\u002F\u002Fhuggingface.co\u002Fblack-forest-labs\u002FFLUX.1-dev\u002Fblob\u002Fmain\u002Fae.safetensors)\n*   **全量微调（Full Finetune）**：需使用主模型的 `fp16` 版本。\n\n### 2. 加载工作流\n1. 启动 ComfyUI。\n2. 打开插件目录下的 `examples` 文件夹，加载提供的 LoRA 训练示例工作流（`.json` 或 `.png`）。\n3. 检查工作流中的路径设置，确保指向正确的数据集文件夹和模型文件。\n\n### 3. 开始训练\n1. 在界面上调整训练参数（如 Epochs、Batch Size 等）。*请注意默认参数可能不适用于所有数据集，需根据实际情况调整。*\n2. 点击 **\"Queue Prompt\"** 开始训练。\n3. 训练生成的 LoRA 文件将保存在指定输出目录中。\n\n### 4. 验证结果\n训练完成后，可在同一 ComfyUI 环境中加载新生成的 LoRA 模型，配合原底模进行推理测试，验证训练效果。","一位独立游戏开发者希望为他的像素风项目定制专属的 Flux 角色模型，以便在 ComfyUI 中批量生成风格统一的角色立绘。\n\n### 没有 ComfyUI-FluxTrainer 时\n- **环境割裂严重**：需要在命令行配置复杂的 Kohya 训练脚本，与日常使用的 ComfyUI 推理环境分离，导致模型版本和依赖库经常冲突。\n- **调试成本高昂**：调整学习率或数据集参数必须修改配置文件并重新运行脚本，无法直观对比不同设置下的训练效果。\n- **技术门槛过高**：面对陌生的 LyCORIS 算法或 Prodigy 优化器，非算法背景的创作者难以理解代码逻辑，不敢轻易尝试微调。\n- **工作流不连贯**：训练好的模型需手动转移路径才能用于推理，中间缺乏自动化的验证环节，容易出错。\n\n### 使用 ComfyUI-FluxTrainer 后\n- **一站式可视化操作**：直接在熟悉的 ComfyUI 节点界面中加载训练脚本，复用现有的模型和环境，彻底消除环境配置痛点。\n- **实时迭代与对比**：通过连线即可快速切换不同的超参数组合，利用内置调试节点实时监控损失曲线，直观评估训练质量。\n- **低代码高级特性**：无需深究底层代码，仅需连接节点即可轻松启用 LyCORIS 等先进微调技术，让创作者专注于数据本身。\n- **闭环工作流构建**：将训练节点与推理节点串联成完整工作流，训练完成后立即生成测试图，实现“训练 - 验证”无缝衔接。\n\nComfyUI-FluxTrainer 将原本晦涩难懂的命令行训练过程转化为可视化的节点工作流，让创作者能在同一环境中高效完成从模型微调到应用落地的全过程。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkijai_ComfyUI-FluxTrainer_1a5c201a.png","kijai","Jukka Seppänen","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fkijai_5a67a464.jpg","Finland","kijaidesign","https:\u002F\u002Fgithub.com\u002Fkijai",[80],{"name":81,"color":82,"percentage":83},"Python","#3572A5",100,1126,103,"2026-04-09T10:37:15","Apache-2.0",4,"Windows, Linux, macOS","必需 NVIDIA GPU（隐含，基于 PyTorch\u002FCUDA 环境），显存需求未说明（取决于训练模型大小，FP8\u002FFP16 版本），CUDA 版本未明确指定但需匹配 torch>=2.4.0","未说明",{"notes":93,"python":94,"dependencies":95},"1. 强烈推荐使用 torch 2.4.0 或更高版本。\n2. LoRA 训练需使用正常的 fp8 或 fp16 版本模型，且 VAE 必须使用非 diffusers 版本（ae.safetensors）。\n3. 全量微调训练需使用主模型的 fp16 版本。\n4. 该工具为实验性项目，默认设置可能并非最优，作者不建议咨询训练相关问题。\n5. 工作流示例依赖 ComfyUI-KJNodes 和 rgthree-comfy 节点。","未说明（需兼容 torch>=2.4.0，通常建议 3.10+）",[96,97,98,99],"torch>=2.4.0","kohya-ss\u002Fsd-scripts (modified)","KohakuBlueleaf\u002FLycoris","LoganBooker\u002Fprodigy-plus-schedule-free",[15,14],"2026-03-27T02:49:30.150509","2026-04-11T10:03:12.725823",[104,109,114,119,124,128],{"id":105,"question_zh":106,"answer_zh":107,"source_url":108},29304,"为什么 ComfyUI FluxTrainer 的训练速度比 FluxGym 慢很多（甚至慢 6-50 倍）？","速度慢通常是因为显存（VRAM）不足导致系统回退到 CPU 计算。请尝试以下优化设置：\n1. 将批次大小（batch size）设置为 1。\n2. 分辨率不需要太高，512x512 即可。\n3. 使用 fp8 版本的 Flux 模型。\n4. 在参数中设置 `--fp8_base true`。\n5. 确保没有因为显存溢出而触发 CPU 回退。如果显存仍然紧张，可以减少数据集重复次数或增加更多图片而不是依赖重复。","https:\u002F\u002Fgithub.com\u002Fkijai\u002FComfyUI-FluxTrainer\u002Fissues\u002F51",{"id":110,"question_zh":111,"answer_zh":112,"source_url":113},29305,"如何设置训练过程中的断点保存和恢复训练（Resume Training）？","可以通过指定之前保存的 LoRA 权重文件来恢复训练。在启动参数或节点配置中添加 `--network_weights=你的权重文件路径`。注意：恢复训练时，新设置的 dim 和 alpha 参数必须与之前保存的模型完全一致，否则会失败。","https:\u002F\u002Fgithub.com\u002Fkijai\u002FComfyUI-FluxTrainer\u002Fissues\u002F35",{"id":115,"question_zh":116,"answer_zh":117,"source_url":118},29306,"遇到错误 'Cannot copy out of meta tensor; no data!' 导致训练初始化失败怎么办？","这个错误通常由以下原因引起，请按顺序排查：\n1. **VAE 模型错误**：不要使用 diffusers 版本的 VAE，请下载并使用官方提供的 `ae.safetensors` 文件（来源：https:\u002F\u002Fhuggingface.co\u002Fblack-forest-labs\u002FFLUX.1-dev\u002Fblob\u002Fmain\u002Fae.safetensors）。\n2. **基础模型版本不匹配**：确保使用的 Flux 主模型是正确的版本（例如尝试使用 fp16 版本而非错误的 fp8 版本，或者从官方源下载 fp8 模型：https:\u002F\u002Fhuggingface.co\u002FKijai\u002Fflux-fp8\u002Fblob\u002Fmain\u002Fflux1-dev-fp8.safetensors）。\n3. **PyTorch 版本过低**：尝试将 PyTorch 升级到 2.4 或更高版本。","https:\u002F\u002Fgithub.com\u002Fkijai\u002FComfyUI-FluxTrainer\u002Fissues\u002F6",{"id":120,"question_zh":121,"answer_zh":122,"source_url":123},29307,"RTX 3060 Ti (8GB) 等小显存显卡在加载模型时报错或无法运行，如何解决？","小显存用户最常见的问题是使用了错误的 VAE 文件。请务必确认你下载的是 `ae.safetensors` 文件，而不是 FLUX.1-dev 分支下的普通 `vae` 文件。正确的下载地址是：https:\u002F\u002Fhuggingface.co\u002Fblack-forest-labs\u002FFLUX.1-dev\u002Ftree\u002Fmain。替换为正确的 ae.safetensors 后通常能解决 'NotImplementedError: Cannot copy out of meta tensor' 错误。","https:\u002F\u002Fgithub.com\u002Fkijai\u002FComfyUI-FluxTrainer\u002Fissues\u002F33",{"id":125,"question_zh":126,"answer_zh":127,"source_url":108},29308,"如何控制训练的 Epoch（轮数）？为什么界面上没有直接设置 Epoch 的选项？","在该工具中，Epoch 数是自动计算的，公式基于：总步数 = (图片数量 × 重复次数) \u002F 批次大小。如果你想减少 Epoch 数，应该增加数据集的重复次数（repeats），或者更推荐的做法是直接增加训练图片的数量。仅用 5 张图片进行训练通常效果不佳且会导致 Epoch 计算异常。",{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},29309,"这个训练器支持 Flux.2 (Flux2) 模型吗？","不支持，且维护者明确表示目前没有计划更新以支持 Flux.2 版本。该项目主要针对 Flux.1 Dev 版本进行优化。","https:\u002F\u002Fgithub.com\u002Fkijai\u002FComfyUI-FluxTrainer\u002Fissues\u002F203",[]]