Qwen3-4B模型与ComfyUI工作流集成：可视化AI应用搭建教程

你是不是也对大模型的能力感到好奇，但又觉得写代码调用API太麻烦？或者，你想把大模型的能力和你熟悉的图像生成、视频处理工作流结合起来，却不知道从何下手？

今天，我们就来解决这个问题。我将带你一步步，把部署在星图GPU平台上的Qwen3-4B模型，无缝接入到ComfyUI这个强大的可视化节点界面里。这样一来，你不需要写一行复杂的代码，只需要像搭积木一样拖拽节点、连接线条，就能轻松调用大模型来帮你生成文本、编写代码，甚至把它作为你复杂AI工作流中的一个智能环节。

整个过程比你想象的要简单。我们不需要去修改ComfyUI的核心代码，而是通过一个非常巧妙的方式——创建自定义节点（Custom Nodes）来桥接。下面，就让我们开始这场从零开始的可视化AI应用搭建之旅。

1. 准备工作：理清思路与获取资源

在开始动手之前，我们先花几分钟把整个事情的逻辑理清楚。这能帮你更好地理解每一步在做什么，而不是机械地跟着操作。

核心思路是什么？ ComfyUI本身是一个基于节点的流程编排工具，它擅长处理图像、视频类的数据流。而Qwen3-4B是一个文本大模型，它通过HTTP API提供服务。我们的目标，就是在ComfyUI里创建一个“特殊节点”。这个节点能接收你在ComfyUI界面里输入的文本，然后悄悄地去调用远处星图平台上的Qwen3-4B API，拿到生成的文本结果后，再传回ComfyUI的流程中，供后续节点使用。

你需要准备什么？

1. 一个已经部署好的Qwen3-4B模型实例：假设你已经在星图GPU平台上成功部署了Qwen3-4B，并且知道它的API访问地址（例如：http://your-server-ip:port/v1/chat/completions）和可能的API Key。
2. 一个安装好的ComfyUI环境：本地或服务器上的都可以。确保它能正常运行。
3. 基础的文件编辑能力：我们会需要创建和修改几个Python文件。

思路清晰了，资源也备齐了，我们就可以进入核心的动手环节了。

2. 第一步：创建你的第一个自定义文本节点

ComfyUI的魅力在于其可扩展性。我们在其custom_nodes目录下创建一个专属文件夹，作为我们所有Qwen3-4B相关节点的家。

首先，找到你的ComfyUI安装目录，进入custom_nodes文件夹。创建一个新的文件夹，名字可以直观一点，比如 qwen3_comfy_nodes。

在这个文件夹里，我们将创建第一个也是最重要的文件：__init__.py。这个文件是Python包的标识，也是ComfyUI发现和加载我们节点的入口。

# 文件：qwen3_comfy_nodes/__init__.py

# 导入我们即将创建的节点类
from .qwen_text_generator import QwenTextGenerator

# 这是一个标准的ComfyUI节点注册字典
# key “QwenTextGenerator” 是节点在菜单中显示的名称
# value 是对应的节点类
NODE_CLASS_MAPPINGS = {
    “QwenTextGenerator”: QwenTextGenerator
}

# 这是节点在菜单中的显示名称，可以和类名不同，方便阅读
NODE_DISPLAY_NAME_MAPPINGS = {
    “QwenTextGenerator”: “Qwen 3-4B 文本生成器”
}

# 这个字典用于定义节点需要的前端Web组件，我们先留空
WEB_DIRECTORY = “./js”

__all__ = [‘NODE_CLASS_MAPPINGS’, ‘NODE_DISPLAY_NAME_MAPPINGS’, ‘WEB_DIRECTORY’]

这个文件很简单，它告诉ComfyUI：“嘿，我这里有一个叫 QwenTextGenerator 的节点，你把它加载到界面上吧，显示的名字叫 ‘Qwen 3-4B 文本生成器’。”

接下来，就是实现这个节点核心逻辑的文件 qwen_text_generator.py。

# 文件：qwen3_comfy_nodes/qwen_text_generator.py

import comfy.sd # 通常用于获取模型信息，这里可能用不到，但导入以备不时之需
import comfy.utils # ComfyUI的工具函数
import folder_paths # 用于管理文件路径
import torch # 深度学习框架，虽然我们调用API，但保持环境一致性
import json # 用于处理API的JSON数据
import requests # 用于发送HTTP请求到我们的Qwen3-4B API
import asyncio # 异步处理，避免界面卡顿

# 从ComfyUI继承基础节点类
from comfy.sd import CLIP
from nodes import Loader

# 定义一个函数类别，方便在ComfyUI节点菜单中归类
class QwenTextGenerator:
    # 定义节点的类别，会在节点菜单的“qwen”分组下找到它
    @classmethod
    def INPUT_TYPES(cls):
        return {
            “required”: {
                # 这是一个多行文本输入框，用于输入提示词
                “prompt”: (“STRING”, {“multiline”: True, “default”: “请用Python写一个快速排序函数。”}),
                # 这是你的Qwen3-4B API的服务地址
                “api_url”: (“STRING”, {“default”: “http://127.0.0.1:8000/v1/chat/completions”}),
                # API Key，如果部署时设置了则需要
                “api_key”: (“STRING”, {“default”: “your-api-key-here”, “multiline”: False}),
                # 生成文本的最大长度
                “max_tokens”: (“INT”, {“default”: 512, “min”: 1, “max”: 4096}),
                # 控制生成随机性的温度参数
                “temperature”: (“FLOAT”, {“default”: 0.7, “min”: 0.0, “max”: 2.0, “step”: 0.1}),
            },
        }

    # 定义节点的返回值类型，这里我们输出一个字符串
    RETURN_TYPES = (“STRING”,)
    # 定义返回值的显示名称
    RETURN_NAMES = (“generated_text”,)
    # 定义节点在界面上的显示名称
    FUNCTION = “generate_text”
    # 定义节点类别，这会在节点浏览器中创建一个名为“qwen”的组
    CATEGORY = “qwen”

    # 节点的核心执行函数
    def generate_text(self, prompt, api_url, api_key, max_tokens, temperature):
        # 准备请求头，通常需要包含认证信息和内容类型
        headers = {
            “Content-Type”: “application/json”,
        }
        if api_key and api_key != “your-api-key-here”:
            headers[“Authorization”] = f“Bearer {api_key}”

        # 构建符合OpenAI API格式的请求数据
        # 注意：你需要根据你的Qwen3-4B API的实际要求调整这个结构
        payload = {
            “model”: “qwen3-4b”, # 模型名称，根据你的部署调整
            “messages”: [
                {“role”: “user”, “content”: prompt}
            ],
            “max_tokens”: max_tokens,
            “temperature”: temperature,
        }

        try:
            # 发送POST请求到API
            response = requests.post(api_url, headers=headers, json=payload, timeout=30)
            response.raise_for_status() # 如果状态码不是200，抛出异常
            result = response.json()

            # 解析响应，提取生成的文本内容
            # 这个路径需要根据你的API返回的实际JSON结构进行调整
            generated_text = result[‘choices’][0][‘message’][‘content’].strip()

        except requests.exceptions.RequestException as e:
            # 处理网络或请求错误
            generated_text = f“API请求失败: {e}”
        except (KeyError, json.JSONDecodeError) as e:
            # 处理响应解析错误
            generated_text = f“解析API响应失败: {e}。原始响应: {response.text[:200] if ‘response’ in locals() else ‘N/A’}”

        # 将生成的文本返回给ComfyUI工作流
        return (generated_text,)

保存这两个文件后，重启你的ComfyUI。如果一切正常，你应该能在节点浏览器的搜索框里输入“qwen”或者“Qwen”，找到我们刚刚创建的“Qwen 3-4B 文本生成器”节点。把它拖到画布上，连接上输入输出，填入你的API地址，点击“Queue Prompt”，就能看到生成的文本了！

3. 第二步：打造专属参数调节面板

上面的节点虽然能用，但所有参数都挤在一起，不够直观。ComfyUI支持我们为节点创建美观的Web界面组件。让我们来给它加一个专属的“控制面板”。

首先，在 qwen3_comfy_nodes 文件夹下创建一个 js 文件夹，然后在里面创建一个 qwen_widgets.js 文件。

// 文件：qwen3_comfy_nodes/js/qwen_widgets.js

// 这是一个简单的示例，为我们的节点添加一个说明性的标题栏
import { app } from “../../../scripts/app.js”;

// 扩展ComfyUI的节点Widget类型
const ext = {
    // 当ComfyUI创建节点时调用
    async beforeRegisterNodeDef(nodeType, nodeData, app) {
        // 只对我们自定义的节点生效
        if (nodeData.name === “QwenTextGenerator”) {
            // 保存原始的onNodeCreated函数
            const originalOnNodeCreated = nodeType.prototype.onNodeCreated;
            // 重写onNodeCreated，在节点创建后添加自定义元素
            nodeType.prototype.onNodeCreated = function () {
                // 先执行原始的函数
                const result = originalOnNodeCreated ? originalOnNodeCreated.apply(this, arguments) : undefined;

                // 在节点的widgets区域上方添加一个自定义的标题栏
                const header = document.createElement(“div”);
                header.style.cssText = `
                    background: linear-gradient(90deg, #4f46e5, #7c3aed);
                    color: white;
                    padding: 8px 12px;
                    margin-bottom: 10px;
                    border-radius: 6px;
                    font-weight: bold;
                    text-align: center;
                    font-size: 0.9em;
                `;
                header.textContent = “🚀 Qwen3-4B 文本生成”;
                // 找到widgets容器，将标题插入到最前面
                const widgets = this.widgets;
                if (widgets && widgets.length > 0) {
                    this.addDOMWidget(header, widgets[0].parentElement, true);
                }

                return result;
            };
        }
    },
};

// 将扩展注册到ComfyUI
app.registerExtension(ext);

为了让ComfyUI加载这个JS文件，我们需要修改 __init__.py，确保 WEB_DIRECTORY 路径正确。

# 文件：qwen3_comfy_nodes/__init__.py (更新部分)

# ... 前面的导入和映射不变 ...

# 确保路径指向我们创建的js文件夹
WEB_DIRECTORY = “./js”

# ... 后面的代码不变 ...

重启ComfyUI后，你会发现“Qwen 3-4B 文本生成器”节点顶部多了一个漂亮的紫色标题栏。这只是一个开始，你可以用类似的方法添加滑块、下拉菜单等更复杂的交互控件，让参数调节更加可视化。

4. 第三步：构建代码生成与审查工作流

有了基础的文本生成节点，我们就可以发挥ComfyUI工作流的优势，搭建更复杂的应用。比如，一个自动化的“代码生成与审查”流水线。

这个工作流的思路是：

1. 节点A（需求输入）：输入一段自然语言描述的需求（如：“写一个Python函数，从列表中删除重复项”）。
2. 节点B（代码生成）：使用我们的QwenTextGenerator节点，将需求转换为代码。
3. 节点C（代码审查）：再连接一个QwenTextGenerator节点（或复用同一个，但用不同的提示词），让它扮演代码审查员的角色，对生成的代码进行审查，提出改进建议。
4. 节点D（结果输出）：将生成的代码和审查意见一起输出，或者保存到文件。

在ComfyUI画布上，你可以这样连接：

[需求输入文本节点] —> [Qwen 代码生成节点] —> [文本显示节点]
                                     |
                                     +—> [Qwen 代码审查节点] —> [文本显示节点]

你甚至可以为“代码审查”节点预设一个专门的提示词模板，比如：“你是一个资深的Python代码审查员。请审查以下代码，指出其潜在问题、可优化点，并给出修改后的代码：{code}”。这样，每次只需要把上一个节点生成的代码输入进来即可。

通过这种拖拽连接的方式，一个简单的自动化代码助手就搭建完成了。你可以保存这个工作流，以后每次需要时一键加载，无需重复配置。

5. 总结

走完这三个步骤，你应该已经成功地将Qwen3-4B模型接入了ComfyUI，并体验了可视化搭建AI应用的便捷。整个过程的核心，其实就是理解ComfyUI自定义节点的机制——它本质上是一个包装器，把对远程API的调用封装成一个有输入输出、有参数面板的“积木块”。

这种方法的好处非常明显。对于不熟悉编程的用户，他们终于可以绕过繁琐的curl命令或Python脚本，在一个直观的图形界面里调用大模型。对于开发者或AI工作流设计者，这意味着你可以把文本大模型的能力，轻松嵌入到以ComfyUI为核心的、更复杂的多模态处理流水线中，比如先让Qwen3-4B根据图片内容生成一段描述，再用这个描述去驱动文生图模型。

当然，我们这里只是一个起点。你可以基于这个模式，创建更多功能各异的节点，比如支持多轮对话的节点、专门用于总结长文的节点、或者集成不同模型API的调度节点。ComfyUI的生态和你的想象力，是唯一的限制。

---

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。