ComfyUI Prompt Helper：本地化提示词工程套件，专为 Z-Image 与Qwen Image优化

在 AI 图像生成工作流中，提示词质量直接决定输出上限。然而，大多数用户仍依赖手动编写或在线工具，既低效又难以与 ComfyUI 深度集成。ComfyUI Prompt Helper 正是为解决这一痛点而生——它是一套专业的自定义节点，完全在本地运行，无需联网调用 API，即可实现高质量提示词增强与系统提示提取。

• GitHub：https://github.com/flybirdxx/ComfyUI-Prompt_Helper
• 模型：https://huggingface.co/BennyDaBall/Qwen3-4b-Z-Image-Engineer-V4

核心亮点在于对 Qwen3-4B-Z-Image-Engineer 模型的深度集成，专为当前主流图像模型（如 Z-Image、Qwen Image）优化提示结构，强调正向约束、纹理细节与电影级相机参数。

两大核心节点

1. Qwen3 Engineer：本地 GGUF 提示词增强器

• 运行方式：基于 llama-cpp-python，加载 GGUF 量化模型，在 CPU/GPU 上本地推理；
• 输入：简短用户描述（如“赛博朋克城市夜景”）；
• 输出：结构化、高密度的正向提示词，包含：
  • 光线方向与质感（“霓虹灯反射在湿漉漉的街道上”）
  • 材质细节（“金属表面带有划痕与氧化痕迹”）
  • 相机设置（“85mm 镜头，f/1.4，浅景深”）
  • 构图逻辑（“三分法构图，主角位于右交叉点”）
• 优势：
  ✅ 无需网络，隐私安全
  ✅ 支持 GPU 加速（通过 n_gpu_layers 参数）
  ✅ 输出可直接接入 KSampler、CLIP Text Encode 等下游节点

模型要求：需将 Qwen3-4B-Z-Image-Engineer.Q5_K_M.gguf 等文件放入 ComfyUI/models/text_encoders/ 目录。

2. System Prompt Extractor：系统提示词提取器

• 功能：提取官方或社区验证的高质量系统提示模板；
• 语言支持：英文 / 中文双语切换；
• 典型用途：
  • 获取 Z-Image 官方推荐的提示结构；
  • 作为其他 LLM 节点（如 Oobabooga、OpenAI Proxy）的系统指令输入；
  • 对比不同语言下的提示策略差异。
• 输出示例（中文）：
  “你是一位专业视觉艺术家，请根据用户描述生成详细、结构化的图像提示词，包含光线、材质、镜头、构图四要素，避免负面词汇，使用正向引导。”

安装与配置

基本安装

# 1. 克隆到 custom_nodes
cd ComfyUI/custom_nodes
git clone https://github.com/your-repo/ComfyUI-Prompt_Helper.git

# 2. 安装依赖
cd ComfyUI-Prompt_Helper
pip install -r requirements.txt

# 3. 下载 GGUF 模型
# 放置至 ComfyUI/models/text_encoders/

Windows 优化（推荐）

• 使用项目提供的预编译 llama-cpp-python wheel 文件，避免编译错误；
• 启用 CUDA 支持，实现 GPU 加速推理。

使用流程

1. 启动 ComfyUI，节点自动注册：
   • QwenTextEngineer 类别 → QwenImageEngineer
   • PromptHelper 类别 → SystemPromptExtractor
2. Qwen3 Engineer 工作流：
   • 选择 GGUF 模型（自动扫描 text_encoders 目录）
   • 输入简短提示（如“日式庭院，樱花飘落”）
   • 调整参数（推荐 temperature=0.8, max_new_tokens=256）
   • 输出连接至 CLIP Text Encode 节点
3. System Prompt Extractor 串联：
   • 选择语言（English/Chinese）
   • 将输出连接至其他 LLM 节点的 system_prompt 输入端
   • 实现“系统指令 + 用户提示”的完整链路

关键参数说明

为什么选择本地 GGUF？

• 隐私保障：提示词不离开设备，适合处理商业或敏感内容；
• 离线可用：无网络依赖，稳定可靠；
• 成本可控：无需支付 API 调用费用；
• 定制灵活：可替换为任意 GGUF 格式的提示优化模型。