ComfyUI-LaoLi-Shadow（影子）：底层性能优化插件，极速启动+智能显存管理，告别爆显存

ComfyUI-LaoLi-Shadow（简称“影子插件”）是一款专为ComfyUI打造的底层性能优化插件，核心解决两大行业痛点：一是工作流启动慢、模型加载耗时久；二是大模型（SDXL/Flux/WanVideo/Qwen等）采样时显存占用过高，频繁出现OOM（爆显存）崩溃。

• GitHub：https://github.com/Laolilzp/ComfyUI-LaoLi-Shadow

插件通过自研“影子加载”技术实现工作流极速启动，搭配“显存排队”机制与模型动态卸载策略，同时支持多类型模型深度优化，让小显存显卡也能流畅运行大模型、多模型协作任务，是ComfyUI用户提升运行效率、降低硬件门槛的必备工具。

⚠️ 重要提醒：该插件为底层级优化，ComfyUI启动时即生效，会全局接管模型加载与显存管理逻辑，影响所有工作流；若需关闭，需直接删除插件，仅关闭节点开关仍会保留部分底层优化效果。

核心特性：三大核心能力，全面提升ComfyUI运行性能

1. 全自动影子模式：极速启动，零显存零硬盘占用

插件核心的“影子加载”技术，颠覆传统模型加载逻辑：加载Checkpoint、ControlNet等模型时，不读取硬盘、不占用显存，仅在工作流真正进入采样阶段时，才触发模型的实际加载。

• 优势：工作流启动速度大幅提升，尤其是包含多个大模型的复杂工作流，启动耗时从分钟级降至秒级；启动阶段显存占用为0，避免启动时就因显存不足报错。

2. 智能显存共存：动态卸载，小显存也能多模型协作

内置智能显存管理算法，自动识别模型使用状态，实时卸载未参与计算的模型，解决VLM、LLM、绘图模型等多模型协作时的显存冲突问题。

• 优势：8G/12G小显存显卡，也能流畅运行“VLM反推+ControlNet绘图+大模型采样”的复杂工作流，无需手动卸载模型，全程自动化。

3. 通用模型支持：全场景兼容，覆盖主流大模型

自研Dominant Layer Search（核心层搜索）全局算法，深入模型底层识别核心计算层，完美支持各类主流模型与复杂封装模型：

• 绘图模型：SD1.5、SDXL、Flux；
• 视频/多模态模型：WanVideo、Qwen；
• 封装模型：各类第三方Wrapper封装的定制化模型，无需适配修改，直接兼容。

核心节点详解：三大节点分工明确，全局优化+精准控制

插件包含三大核心节点，分别负责全局控制、推理显存优化、流程执行管控，覆盖从启动到采样的全流程优化，节点可单独使用，也可组合搭配。

1. 影子（Shadow）—— 全局控制器，底层优化总开关

核心作用：无需任何连线，添加到工作流中即生效，全局接管ComfyUI底层模型加载与显存管理逻辑，是插件的核心控制节点。

参数详解

• enable（启用）：插件总开关。⚠️ 关键提醒：关闭该开关后，底层优化逻辑仍会部分生效；若完全不想使用插件，需直接删除插件文件，仅关闭开关无效。
• shadow_mode（影子模式）：插件核心功能开关。
  • True（开启）：启用延迟加载，工作流启动时，所有模型均为“影子状态”，硬盘读取与显存占用均为0，仅采样时加载真身。
  • False（关闭）：切换为传统加载模式，模型启动时直接加载，与原生ComfyUI逻辑一致。
• mode（运行模式）：显存管理策略，二选一。
  • Ease Mode（安逸模式，推荐）：智能显存管理，显存不足时自动卸载未使用模型（如VLM反推完成后自动卸载，释放显存给绘图模型），兼顾性能与稳定性。
  • Monitor Mode（监控模式）：仅监控显存占用，不主动执行卸载操作，仅提升运行流畅度，无法显著降低显存占用，不推荐常规使用。
• ram_reserve_gb（内存保留）：系统防卡死安全气囊。
  • 作用：当系统物理内存（RAM）剩余量低于设定值（如4.0GB）时，强制触发垃圾回收（GC），释放内存，防止电脑因内存耗尽死机。
  • 建议：16G内存设为4.0GB，32G及以上内存设为6.0GB-8.0GB。
• verbose（日志）：控制台日志开关，建议开启，可查看模型加载、显存清理、垃圾回收的实时日志，便于排查问题。

2. 排队（Lineup VRAM）—— 推理显存保姆，杜绝采样爆显存

核心作用：利用全局算法深入扫描模型内部，在每一层计算前实时检查显存，防止KSampler采样过程中，因显存瞬间峰值导致的OOM崩溃，是大模型采样的“显存保镖”。

核心优势

• 万能兼容：无论标准Checkpoint，还是深层封装的Qwen、WanVideo、Flux包装器，都能自动识别核心计算层，无需手动适配。
• 影子穿透：若连接的是“影子状态”模型，会强制加载模型真身，并执行显存优化，不影响影子模式的核心优势。

连接说明

• 输入（model）：连接大模型加载节点（如Load Checkpoint、Load ControlNet），或任意模型处理节点的输出。
• 输出（optimized_model）：连接到KSampler或其他需要调用模型的节点，替代原生模型输出。

参数详解

• vram_threshold（显存阈值）：显存警戒线，默认0.85（总显存的85%）。
  • 作用：显存占用达到阈值时，自动触发模型清理与垃圾回收。
  • 建议：8G-12G显存设为0.80；16G-24G显存设为0.85或0.90；24G以上显存可设为0.95。
• cleaning_interval（清理间隔）：显存检查频率。
  • 1：每计算1层检查1次显存，最安全，防崩效果最好，推荐所有用户使用。
  • 2：每计算2层检查1次，运行速度稍快，但显存激增时可能来不及清理，风险略高，仅推荐高显存用户尝试。
• strict_mode（严格模式）：清理策略开关，默认True（推荐）。
  • True：显存超标时，强制暂停GPU（Synchronize）执行清理，彻底杜绝爆显存，稳定性拉满。
  • False：仅发送清理请求，不暂停GPU，速度略快，但无法拦截突发显存激增，易出现崩溃。

3. 逻辑门（Flow Gate）—— 流程红绿灯，解决并行资源冲突

核心作用：强制控制ComfyUI工作流的执行顺序，解决并行任务导致的显存、模型资源冲突，是多模型协作工作流的“流程管家”。

典型应用场景

强制要求“先执行B任务，再执行A任务”，例如：先运行VLM图像反推生成提示词，待VLM模型释放显存后，再加载ControlNet模型进行绘图，避免两个模型同时占用显存。

连接说明

• input_data（输入）：连接需要延迟执行的资源（如ControlNet模型、Checkpoint大模型、采样节点）。
• wait_for（等待）：连接必须优先执行的任务输出（如VLM节点输出的提示词、预处理节点的结果）。
• 输出：连接到原本input_data需要接入的节点（如KSampler）。

安装步骤：一键克隆，重启即生效

1. 克隆插件仓库

打开终端，进入ComfyUI的custom_nodes目录，执行克隆命令：

# 切换到ComfyUI自定义节点目录（替换为你的ComfyUI实际路径）
cd ComfyUI/custom_nodes
# 克隆影子插件仓库
git clone https://github.com/Laolilzp/ComfyUI-LaoLi-Shadow.git

2. 重启ComfyUI

克隆完成后，关闭当前运行的ComfyUI服务，重新启动即可。

• 启动后，在ComfyUI节点搜索框中输入“影子”“Lineup”“Flow Gate”，即可找到三大核心节点，说明安装成功。