[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-ssitu--ComfyUI_UltimateSDUpscale":3,"tool-ssitu--ComfyUI_UltimateSDUpscale":61},[4,18,28,37,45,53],{"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":24,"last_commit_at":25,"category_tags":26,"status":17},9989,"n8n","n8n-io\u002Fn8n","n8n 是一款面向技术团队的公平代码（fair-code）工作流自动化平台，旨在让用户在享受低代码快速构建便利的同时，保留编写自定义代码的灵活性。它主要解决了传统自动化工具要么过于封闭难以扩展、要么完全依赖手写代码效率低下的痛点，帮助用户轻松连接 400 多种应用与服务，实现复杂业务流程的自动化。\n\nn8n 特别适合开发者、工程师以及具备一定技术背景的业务人员使用。其核心亮点在于“按需编码”：既可以通过直观的可视化界面拖拽节点搭建流程，也能随时插入 JavaScript 或 Python 代码、调用 npm 包来处理复杂逻辑。此外，n8n 原生集成了基于 LangChain 的 AI 能力，支持用户利用自有数据和模型构建智能体工作流。在部署方面，n8n 提供极高的自由度，支持完全自托管以保障数据隐私和控制权，也提供云端服务选项。凭借活跃的社区生态和数百个现成模板，n8n 让构建强大且可控的自动化系统变得简单高效。",184740,2,"2026-04-19T23:22:26",[16,14,13,15,27],"插件",{"id":29,"name":30,"github_repo":31,"description_zh":32,"stars":33,"difficulty_score":10,"last_commit_at":34,"category_tags":35,"status":17},10095,"AutoGPT","Significant-Gravitas\u002FAutoGPT","AutoGPT 是一个旨在让每个人都能轻松使用和构建 AI 的强大平台，核心功能是帮助用户创建、部署和管理能够自动执行复杂任务的连续型 AI 智能体。它解决了传统 AI 应用中需要频繁人工干预、难以自动化长流程工作的痛点，让用户只需设定目标，AI 即可自主规划步骤、调用工具并持续运行直至完成任务。\n\n无论是开发者、研究人员，还是希望提升工作效率的普通用户，都能从 AutoGPT 中受益。开发者可利用其低代码界面快速定制专属智能体；研究人员能基于开源架构探索多智能体协作机制；而非技术背景用户也可直接选用预置的智能体模板，立即投入实际工作场景。\n\nAutoGPT 的技术亮点在于其模块化“积木式”工作流设计——用户通过连接功能块即可构建复杂逻辑，每个块负责单一动作，灵活且易于调试。同时，平台支持本地自托管与云端部署两种模式，兼顾数据隐私与使用便捷性。配合完善的文档和一键安装脚本，即使是初次接触的用户也能在几分钟内启动自己的第一个 AI 智能体。AutoGPT 正致力于降低 AI 应用门槛，让人人都能成为 AI 的创造者与受益者。",183572,"2026-04-20T04:47:55",[13,36,27,14,15],"语言模型",{"id":38,"name":39,"github_repo":40,"description_zh":41,"stars":42,"difficulty_score":10,"last_commit_at":43,"category_tags":44,"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":46,"name":47,"github_repo":48,"description_zh":49,"stars":50,"difficulty_score":24,"last_commit_at":51,"category_tags":52,"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。",109154,"2026-04-18T11:18:24",[14,15,13],{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":24,"last_commit_at":59,"category_tags":60,"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",[27,13,15,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":73,"owner_company":73,"owner_location":73,"owner_email":73,"owner_twitter":73,"owner_website":73,"owner_url":75,"languages":76,"stars":85,"forks":86,"last_commit_at":87,"license":88,"difficulty_score":24,"env_os":89,"env_gpu":90,"env_ram":89,"env_deps":91,"category_tags":97,"github_topics":98,"view_count":24,"oss_zip_url":73,"oss_zip_packed_at":73,"status":17,"created_at":101,"updated_at":102,"faqs":103,"releases":134},10029,"ssitu\u002FComfyUI_UltimateSDUpscale","ComfyUI_UltimateSDUpscale","ComfyUI nodes for the Ultimate Stable Diffusion Upscale script by Coyote-A.","ComfyUI_UltimateSDUpscale 是专为 ComfyUI 设计的一款高效节点插件，旨在解决大尺寸图像高清放大时的细节丢失与显存不足难题。它基于 Coyote-A 开发的经典算法，采用创新的“分块扩散”技术，将大图切割为多个小图块分别进行重绘处理，最后无缝拼接。这种方法不仅让放大后的图像保留丰富的纹理细节，避免模糊或伪影，还能在普通消费级显卡上运行，无需昂贵硬件支持，同时确保生成效果符合模型原始训练分辨率的最佳状态。\n\n该工具特别适合需要高质量出图的设计师、数字艺术家以及 AI 绘画爱好者。无论是制作大幅海报、壁纸，还是对老照片进行修复增强，ComfyUI_UltimateSDUpscale 都能提供专业级的放大效果。其技术亮点在于智能分块策略与边缘融合算法，有效消除了传统放大方法中常见的接缝痕迹。安装方式灵活多样，支持通过 Git、ComfyUI Manager 或直接下载手动部署，并内置详细文档与工作流模板，帮助用户快速上手。如果你希望在有限算力下获得极致的图像超分体验，这款插件将是工作流中不可或缺的得力助手。","# ComfyUI_UltimateSDUpscale\n\n[ComfyUI](https:\u002F\u002Fgithub.com\u002Fcomfyanonymous\u002FComfyUI) nodes for performing the image-to-image diffusion process on large images in tiles. This approach improves the details that is commonly found on upscaled images while reducing hardware requirements and maintaining an image size that the diffusion model is trained on.\n\n## Installation\n\n\n### Using Git\n1. Git must be installed on your system. Verify by running `git -v` in a terminal.\n2. Enter the following command from the terminal starting in ComfyUI\u002Fcustom_nodes\u002F\n    ```\n    git clone https:\u002F\u002Fgithub.com\u002Fssitu\u002FComfyUI_UltimateSDUpscale\n    ```\n\n### ComfyUI Manager\n1. [ComfyUI Manager](https:\u002F\u002Fgithub.com\u002FComfy-Org\u002FComfyUI-Manager) must be installed.\n2. After launching ComfyUI, open ComfyUI Manager and select the \"Custom Nodes Manager\" option.\n3. Search for \"UltimateSDUpscale\" and install the node. Select latest for the most up-to-date version.\n4. Follow any prompts to restart ComfyUI.\n\n### comfy-cli\n\n1. [comfy-cli](https:\u002F\u002Fgithub.com\u002FComfy-Org\u002Fcomfy-cli) must be installed.\n2. Run this command from the terminal: `comfy node install comfyui_ultimatesdupscale`\n\n### Manual Download\n1. Download the zip file from https:\u002F\u002Fregistry.comfy.org\u002Fnodes\u002Fcomfyui_ultimatesdupscale to select the version you want, or obtain the current nightly version by clicking the green \"Code\" button on the GitHub repository page and selecting \"Download ZIP\".\n2. Create a new folder in the `ComfyUI\u002Fcustom_nodes\u002F` directory to hold the extracted files (e.g. `ComfyUI\u002Fcustom_nodes\u002FComfyUI_UltimateSDUpscale`).\n3. Extract the contents of the zip file into the `ComfyUI\u002Fcustom_nodes\u002FComfyUI_UltimateSDUpscale` folder.\n\n\n## Usage\n\nNodes can be found in the node menu under `image\u002Fupscaling`.\n\nDocumentation for the nodes can be found in the [`js\u002Fdocs\u002F`](js\u002Fdocs\u002F) folder, or viewed within the application by right-clicking the relevant node and selecting the info icon.\n\nDetails about most of the parameters can be found [here](https:\u002F\u002Fgithub.com\u002FCoyote-A\u002Fultimate-upscale-for-automatic1111\u002Fwiki\u002FFAQ#parameters-descriptions).\n\nExample workflows can be found in the [`example_workflows\u002F`](example_workflows\u002F) folder. You can also find them in the ComfyUI application under the Templates menu, scroll down the left sidebar to find the Extensions section, then selecting this repository.\n\n## References\n* Ultimate Stable Diffusion Upscale script for the Automatic1111 Web UI: https:\u002F\u002Fgithub.com\u002FCoyote-A\u002Fultimate-upscale-for-automatic1111\n* ComfyUI: https:\u002F\u002Fgithub.com\u002Fcomfyanonymous\u002FComfyUI","# ComfyUI_UltimateSDUpscale\n\n用于在大图像上以分块方式执行图像到图像扩散过程的 [ComfyUI](https:\u002F\u002Fgithub.com\u002Fcomfyanonymous\u002FComfyUI) 节点。这种方法能够在提升放大图像细节的同时，降低硬件需求，并保持扩散模型所训练的图像尺寸。\n\n## 安装\n\n\n### 使用 Git\n1. 您的系统必须已安装 Git。可通过在终端中运行 `git -v` 来验证。\n2. 从 ComfyUI\u002Fcustom_nodes\u002F 目录下打开终端，输入以下命令：\n    ```\n    git clone https:\u002F\u002Fgithub.com\u002Fssitu\u002FComfyUI_UltimateSDUpscale\n    ```\n\n### ComfyUI Manager\n1. 必须先安装 [ComfyUI Manager](https:\u002F\u002Fgithub.com\u002FComfy-Org\u002FComfyUI-Manager)。\n2. 启动 ComfyUI 后，打开 ComfyUI Manager，选择“自定义节点管理器”选项。\n3. 搜索“UltimateSDUpscale”，并安装该节点。建议选择最新版本以获得最新功能。\n4. 按照提示重启 ComfyUI。\n\n### comfy-cli\n\n1. 必须先安装 [comfy-cli](https:\u002F\u002Fgithub.com\u002FComfy-Org\u002Fcomfy-cli)。\n2. 在终端中运行以下命令：`comfy node install comfyui_ultimatesdupscale`\n\n### 手动下载\n1. 从 https:\u002F\u002Fregistry.comfy.org\u002Fnodes\u002Fcomfyui_ultimatesdupscale 下载所需版本的 ZIP 文件，或点击 GitHub 仓库页面上的绿色“Code”按钮，选择“Download ZIP”来获取当前的每日构建版本。\n2. 在 `ComfyUI\u002Fcustom_nodes\u002F` 目录下创建一个新文件夹，用于存放解压后的文件（例如 `ComfyUI\u002Fcustom_nodes\u002FComfyUI_UltimateSDUpscale`）。\n3. 将 ZIP 文件中的内容解压到 `ComfyUI\u002Fcustom_nodes\u002FComfyUI_UltimateSDUpscale` 文件夹中。\n\n\n## 使用方法\n\n可在节点菜单的 `image\u002Fupscaling` 分类下找到相关节点。\n\n节点的文档位于 [`js\u002Fdocs\u002F`](js\u002Fdocs\u002F) 文件夹中，也可以在应用程序中右键单击相应节点并选择信息图标来查看。\n\n大多数参数的详细说明可参阅 [这里](https:\u002F\u002Fgithub.com\u002FCoyote-A\u002Fultimate-upscale-for-automatic1111\u002Fwiki\u002FFAQ#parameters-descriptions)。\n\n示例工作流位于 [`example_workflows\u002F`](example_workflows\u002F) 文件夹中。您还可以在 ComfyUI 应用程序的“模板”菜单中找到它们：向下滚动左侧边栏至“扩展”部分，然后选择本仓库。\n\n## 参考资料\n* Automatic1111 Web UI 的 Ultimate Stable Diffusion 放大脚本：https:\u002F\u002Fgithub.com\u002FCoyote-A\u002Fultimate-upscale-for-automatic1111\n* ComfyUI：https:\u002F\u002Fgithub.com\u002Fcomfyanonymous\u002FComfyUI","# ComfyUI_UltimateSDUpscale 快速上手指南\n\nComfyUI_UltimateSDUpscale 是一个用于在 ComfyUI 中对大图像进行分块（Tile-based）图生图扩散处理的节点集合。该方法能在降低硬件需求的同时，显著提升放大图像的细节质量，并保持模型训练的原生分辨率优势。\n\n## 环境准备\n\n*   **系统要求**：支持 Windows、Linux 或 macOS。\n*   **前置依赖**：\n    *   已安装并配置好 [ComfyUI](https:\u002F\u002Fgithub.com\u002Fcomfyanonymous\u002FComfyUI)。\n    *   **Git**（推荐方式需要）：请在终端运行 `git -v` 验证是否安装。\n    *   或者已安装 [ComfyUI Manager](https:\u002F\u002Fgithub.com\u002FComfy-Org\u002FComfyUI-Manager) 或 [comfy-cli](https:\u002F\u002Fgithub.com\u002FComfy-Org\u002Fcomfy-cli)。\n\n## 安装步骤\n\n请选择以下任意一种方式进行安装：\n\n### 方法一：使用 Git（推荐）\n\n1.  打开终端，进入 ComfyUI 的自定义节点目录：\n    ```bash\n    cd ComfyUI\u002Fcustom_nodes\u002F\n    ```\n2.  克隆仓库：\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fssitu\u002FComfyUI_UltimateSDUpscale\n    ```\n3.  重启 ComfyUI。\n\n### 方法二：使用 ComfyUI Manager\n\n1.  启动 ComfyUI，点击右侧菜单中的 \"Manager\" 按钮。\n2.  选择 \"Custom Nodes Manager\"。\n3.  在搜索框输入 `UltimateSDUpscale`。\n4.  点击安装按钮（建议选取最新版本），并根据提示重启 ComfyUI。\n\n### 方法三：使用 comfy-cli\n\n在终端中执行以下命令：\n```bash\ncomfy node install comfyui_ultimatesdupscale\n```\n\n### 方法四：手动安装\n\n1.  访问 GitHub 仓库页面，点击绿色 \"Code\" 按钮并选择 \"Download ZIP\" 下载压缩包。\n2.  在 `ComfyUI\u002Fcustom_nodes\u002F` 目录下新建文件夹 `ComfyUI_UltimateSDUpscale`。\n3.  将压缩包内容解压至该文件夹内。\n4.  重启 ComfyUI。\n\n## 基本使用\n\n安装完成后，节点将出现在节点菜单的 `image\u002Fupscaling` 分类下。\n\n### 最简单的工作流示例\n\n1.  **加载节点**：\n    *   双击画布空白处，搜索并添加 `Ultimate SD Upscale` 节点。\n2.  **连接基础链路**：\n    *   将你的 **Checkpoint Loader** (模型) 连接到节点的 `model` 输入端。\n    *   将 **VAE Decode** 输出的图像或 **Load Image** 节点连接到 `image` 输入端。\n    *   将 **Positive\u002FNegative Prompt** 连接到对应的条件输入端。\n    *   将 **Sampler Custom** 或相关采样器节点连接到 `sampler` 输入端（通常需配合 ControlNet 或特定 upscale 流程使用，具体视工作流复杂度而定）。\n3.  **关键参数设置**：\n    *   `upscale_by`: 设置放大倍数（例如 2.0）。\n    *   `tile_width` \u002F `tile_height`: 设置分块大小（默认值通常适用于大多数显存，如 512 或 1024）。\n    *   `mask_blur`: 设置边缘模糊度以消除拼接痕迹。\n4.  **运行生成**：\n    *   点击 \"Queue Prompt\" 开始处理。\n\n> **提示**：更多详细参数说明可参考 [Automatic1111 Ultimate Upscale 文档](https:\u002F\u002Fgithub.com\u002FCoyote-A\u002Fultimate-upscale-for-automatic1111\u002Fwiki\u002FFAQ#parameters-descriptions)。你也可以在 ComfyUI 左侧边栏的 \"Templates\" -> \"Extensions\" 中找到本插件自带的示例工作流（Example Workflows）直接加载使用。","一位数字艺术家需要将一张低分辨率的 AI 生成草图放大为 4K 海报级素材，用于商业印刷展示。\n\n### 没有 ComfyUI_UltimateSDUpscale 时\n- **显存直接爆满**：尝试直接将小图放大至 4K 分辨率进行重绘，因超出显卡显存上限导致程序崩溃或报错。\n- **细节模糊失真**：被迫采用传统插值算法放大，导致画面边缘锯齿严重，缺乏纹理细节，无法满足印刷要求。\n- **工作流割裂繁琐**：不得不手动将图片切割成小块分别处理再拼接，耗时耗力且容易在接缝处产生明显的痕迹。\n- **风格一致性差**：分块处理时难以控制整体光影和色调的统一，导致最终成品看起来支离破碎。\n\n### 使用 ComfyUI_UltimateSDUpscale 后\n- **低显存流畅运行**：利用自动分块（Tiling）技术，在保持模型原生训练分辨率的同时处理超大图像，普通消费级显卡也能轻松完成 4K 重绘。\n- **纹理细节丰富**：基于扩散模型的分块重绘不仅提升了分辨率，还智能补充了皮肤纹理、布料织物等高频细节，画面清晰锐利。\n- **一键自动化流程**：无需手动切割，节点自动完成分块推理与无缝拼接，大幅缩短从草图到成品的等待时间。\n- **全局风格统一**：内置的混合机制确保了块与块之间的过渡自然平滑，整张海报的光影逻辑和色彩风格高度一致。\n\nComfyUI_UltimateSDUpscale 通过智能分块重绘技术，让普通硬件也能低成本、高质量地实现超大分辨率图像的细节增强。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fssitu_ComfyUI_UltimateSDUpscale_8bd888fa.png","ssitu",null,"https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fssitu_c8b7cad3.png","https:\u002F\u002Fgithub.com\u002Fssitu",[77,81],{"name":78,"color":79,"percentage":80},"Python","#3572A5",99.6,{"name":82,"color":83,"percentage":84},"Shell","#89e051",0.4,1492,108,"2026-04-19T12:39:40","GPL-3.0","未说明","未说明（作为 ComfyUI 插件，依赖宿主环境的 GPU 配置以运行扩散模型）",{"notes":92,"python":89,"dependencies":93},"该工具是 ComfyUI 的自定义节点插件，本身不独立运行，必须安装在已有的 ComfyUI 环境中。它通过分块（tiles）处理大图像以提升细节并降低硬件需求。安装方式支持 Git 克隆、ComfyUI Manager 图形界面安装、comfy-cli 命令行安装或手动下载解压。具体运行所需的显卡、内存及 Python 版本取决于底层 ComfyUI 及所加载的 Stable Diffusion 模型的要求。",[47,94,95,96],"Git (可选，用于安装)","ComfyUI Manager (可选，用于安装)","comfy-cli (可选，用于安装)",[15],[99,100],"comfyui","stable-diffusion","2026-03-27T02:49:30.150509","2026-04-20T16:46:05.532725",[104,109,114,119,124,129],{"id":105,"question_zh":106,"answer_zh":107,"source_url":108},45055,"安装时出现 'Import Failed' 或 'FileNotFoundError: ultimate-upscale.py' 错误怎么办？","这通常是因为克隆仓库时缺少了 '--recursive' 参数，导致子模块未下载。请删除现有文件夹，并使用以下命令重新克隆：\ngit clone https:\u002F\u002Fgithub.com\u002Fssitu\u002FComfyUI_UltimateSDUpscale --recursive\n如果已经克隆，也可以尝试手动将 'ultimate-upscale.py' 文件放置到正确路径：'...\\custom_nodes\\ComfyUI_UltimateSDUpscale\\repositories\\ultimate_sd_upscale\\scripts\\ultimate-upscale.py'。","https:\u002F\u002Fgithub.com\u002Fssitu\u002FComfyUI_UltimateSDUpscale\u002Fissues\u002F15",{"id":110,"question_zh":111,"answer_zh":112,"source_url":113},45056,"节点加载失败或显示红色，且与其他自定义节点（如 ReActor）冲突怎么办？","某些情况下，该插件与其他自定义节点（例如 ReActor 或 ComfyUI-Frame-Interpolation）存在冲突。尝试暂时卸载其他可疑的自定义节点以排查问题。如果确认是特定节点冲突，需等待开发者修复兼容性或寻找替代方案。有用户反馈卸载 ReActor 后问题解决。","https:\u002F\u002Fgithub.com\u002Fssitu\u002FComfyUI_UltimateSDUpscale\u002Fissues\u002F55",{"id":115,"question_zh":116,"answer_zh":117,"source_url":118},45057,"如何在 Ultimate SD Upscale 中正确使用 ControlNet（如 Z-Image Turbo）避免图像重复平铺？","如果在放大节点中使用 ControlNet 时发现最终图像被分割成多个重复的小图，通常是因为 'Mask Blur'（蒙版模糊）设置过高。该节点使用的是常规 img2img 流程而非差分扩散（Differential Diffusion），因此不需要像 Inpaint 那样设置高模糊值。请将 Mask Blur 调整为合理较低的值（或默认值），即可让 ControlNet 作用于整张图像而非每个切片。","https:\u002F\u002Fgithub.com\u002Fssitu\u002FComfyUI_UltimateSDUpscale\u002Fissues\u002F177",{"id":120,"question_zh":121,"answer_zh":122,"source_url":123},45058,"是否支持自定义采样器（Sampler）和调度器（Scheduler），如 TCD 或 AlignYourSteps？","是的，该节点旨在支持新的采样技术和调度器。维护者已计划使放大模型（Upscale Model）成为可选项，如果不提供放大模型，节点将跳过放大步骤，从而允许用户仅利用其自定义采样器\u002F信号（sigmas）的功能，类似于 'SD Upscale (No Upscale)' 的行为。","https:\u002F\u002Fgithub.com\u002Fssitu\u002FComfyUI_UltimateSDUpscale\u002Fissues\u002F76",{"id":125,"question_zh":126,"answer_zh":127,"source_url":128},45059,"如何安装才能避免文件位置错误或代码引用失败？","确保 'ultimate-upscale.py' 文件位于准确的目录结构中。正确的路径应为：'...\\custom_nodes\\ComfyUI_UltimateSDUpscale\\repositories\\ultimate_sd_upscale\\scripts\\ultimate-upscale.py'。如果通过 Git 安装，务必使用 '--recursive' 标志；如果是手动安装，请检查文件是否被错误地放置在根目录或其他层级。","https:\u002F\u002Fgithub.com\u002Fssitu\u002FComfyUI_UltimateSDUpscale\u002Fissues\u002F49",{"id":130,"question_zh":131,"answer_zh":132,"source_url":133},45060,"是否支持批量生成多个 img2img 切片以提高推理速度？","目前社区有建议增加批处理支持（例如一次生成 4 个切片），这对于显存较大的用户可以提高整体推理速度。虽然这是一个功能请求，但用户可以通过调整工作流中的并行设置或显存管理来尝试优化，具体取决于 ComfyUI 的全局配置和硬件能力。","https:\u002F\u002Fgithub.com\u002Fssitu\u002FComfyUI_UltimateSDUpscale\u002Fissues\u002F36",[]]