ComfyUI-segment-anything-2
ComfyUI-segment-anything-2 是将 Meta 最新的 Segment Anything 2（SAM2）模型集成到 ComfyUI 工作流中的关键节点工具。它核心解决了图像与视频处理中“精准抠图”的难题，允许用户通过简单的点击或框选，快速从复杂背景中分离出目标物体，甚至能高效处理视频中的动态对象跟踪与分割。
这款工具特别适合熟悉 ComfyUI 的设计师、AI 创作者以及需要批量处理视觉素材的研究人员。对于希望在工作流中自动化完成蒙版生成、背景替换或对象编辑的用户来说，它是提升效率的得力助手。其技术亮点在于支持自动从 Hugging Face 下载并加载优化的 SAM2 安全张量模型，无需手动配置繁琐的环境。虽然目前部分高级掩码后处理功能因依赖特定的 CUDA 编译扩展而暂时禁用，但用户可灵活组合 ComfyUI 现有的其他节点来实现同等效果。此外，社区正在配合 KJNodes 开发更直观的坐标选择器，以进一步优化交互体验。作为一个持续迭代中的开源项目，ComfyUI-segment-anything-2 为本地部署高性能分割模型提供了便捷通道，让前沿的 AI 视觉能力更易融入日常创作流程。
使用场景
一位电商设计师正在为促销海报批量处理数百张商品图，需要精准抠除复杂背景并保留毛发等细微边缘。
没有 ComfyUI-segment-anything-2 时
- 设计师不得不依赖手动钢笔工具逐张勾勒轮廓，处理一张带有毛绒玩具的图片耗时超过 15 分钟，效率极低。
- 遇到玻璃反光或半透明物体时，传统魔棒工具无法识别边界，导致抠图边缘生硬，后期修复成本高昂。
- 若尝试集成旧版分割模型，往往需要编写复杂的 Python 脚本配置环境，且难以在 ComfyUI 工作流中灵活调整点击提示点。
- 批量处理时缺乏自动化节点支持，一旦源图尺寸变化，整个抠图流程就需要重新人工干预，无法形成闭环。
使用 ComfyUI-segment-anything-2 后
- 利用自动下载的 SAM2 模型，设计师只需在工作流中简单设置坐标提示点，即可在几秒钟内完成高精度自动抠图。
- 面对毛发、透明材质等极端场景，新模型展现出极强的语义理解能力，生成的蒙版边缘自然柔和，无需二次修饰。
- 通过 KJNodes 提供的 PointsEditor 测试功能，用户可以直观地在界面上交互调整选区，实时预览分割效果，调试过程更加流畅。
- 该工具完美嵌入现有 ComfyUI 流水线，支持全自动批量运行，即使图片分辨率不同也能自适应处理，大幅释放人力。
ComfyUI-segment-anything-2 将原本繁琐的手工抠图转变为可自动化的智能流程，让创意人员能专注于设计本身而非重复劳动。
运行环境要求
- 未说明
- 部分功能（掩膜后处理）需要 CUDA 扩展编译，暗示需要 NVIDIA GPU
- 具体显存大小和 CUDA 版本未说明
未说明
快速开始
进度中
PointsEditor 现已在 KJNodes 中提供测试：https://github.com/kijai/ComfyUI-KJNodes
https://github.com/user-attachments/assets/c4a88647-679f-4cf2-ba1f-4fa8c7308c1e
https://github.com/user-attachments/assets/f15fafe8-72e8-41cc-b246-e947b1efe5ec
https://github.com/user-attachments/assets/c1efb595-0fb1-4ae7-b4fa-2def08eda0a8
目前仅用于测试。
功能已实现，但坐标选择器还需改进。
暂时禁用了掩码后处理，因为需要编译 CUDA 扩展。不过我们也可以用其他节点来完成这一功能，所以可能会保持现状，具体还要再看。
模型会自动从 https://huggingface.co/Kijai/sam2-safetensors/tree/main 下载到 ComfyUI/models/sam2 目录下。
原始仓库：
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。
opencode
OpenCode 是一款开源的 AI 编程助手（Coding Agent），旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件，而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码，还是排查难以定位的 Bug，OpenCode 都能通过自然语言交互高效完成，显著减少开发者在重复性劳动和上下文切换上的时间消耗。 这款工具专为软件开发者、工程师及技术研究人员设计，特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构，这意味着用户可以审查代码逻辑、自定义行为策略，甚至私有化部署以保障数据安全，彻底打破了传统闭源 AI 助手的“黑盒”限制。 在技术体验上，OpenCode 提供了灵活的终端界面（Terminal UI）和正在测试中的桌面应用程序，支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具，安装便捷，并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客，还是渴望提升产出的独立开发者，OpenCode 都提供了一个透明、可信
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。
gemini-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。 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。 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。
markitdown
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。 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。 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