ComfyUI-MOSS-PromptEnhancer：本地 GGUF 大模型提示词增强节点，适配 MOSS-Image，支持画面布局坐标生成

ComfyUI MOSS Prompt Enhancer 是一款专为 ComfyUI 设计的本地提示词增强节点。它通过调用本地 GGUF 大语言模型，生成适配 MOSS-Image 的提示词。

• GitHub：https://github.com/slmonker/ComfyUI-MOSS-PromptEnhancer

需要明确的是，该节点仅负责生成提示词，不直接生成图像。生成的输出可直接连接到你的出图工作流中。其核心设计围绕本地优先与精确控制展开，支持保留指定的中文画面文字，并通过上游编译器转换空间布局。

核心功能模式

节点提供三种输出模式，描述语言可选英文或中文，且画面中要求出现的文字会严格保留原文：

• Caption：适用于摄影、插画、人物与场景的自然语言描述。
• Layout：生成带文字和物体位置的结构化布局，并直接转换为 MOSS 坐标。
• Auto：由模型根据输入需求自动选择 Caption 或 Layout 模式。

此外，节点支持通过 previous_prompt 参数接收已有提示词，方便在此基础上进行迭代修改。

本地化与稳定性设计

该工具完全在本地回环推理，不调用任何云端 API，不自动下载模型，也无需额外安装 pip 依赖。在数据处理上，它采用 JSON Schema 约束生成，若草稿校验失败会自动修复一次。

在内存管理方面，当 device=auto 时，节点会在加载 LLM 前通过 ComfyUI 卸载缓存的图像模型。它会启动一个绑定 127.0.0.1 且带临时访问密钥的本地服务器，并在任务完成、报错或取消后，自动结束自身启动的进程，不跨执行保留模型占用资源。

环境与安装要求

• 基础环境：已安装 ComfyUI，Python 3.10 或更新版本。
• 模型要求：本地 GGUF 指令模型，需带聊天模板，且受所用 llama.cpp 版本支持。节点会自动递归扫描 ComfyUI/models/LLM 目录下的模型，并排除 mmproj 等视觉投影文件。
• 运行库：需要可用的 llama-server 可执行文件及配套运行库，以及足够容纳模型和上下文的内存/显存。

安装步骤

1. 安装节点：在 ComfyUI 目录下运行 git clone https://github.com/slmonker/ComfyUI-MOSS-PromptEnhancer.git custom_nodes/ComfyUI-MOSS-PromptEnhancer，或下载 ZIP 解压至该路径。
2. 放置模型：将 GGUF 语言模型放入 models/LLM 目录（允许使用子目录）。模型必须位于此目录内，越出该路径会被拒绝。
3. 配置 llama-server：如果同级的 ComfyUI_Qwen_H3_Prompt 节点已安装运行库且有有效的 runtime_config.json，可将 llama_server_path 留空以复用。否则，需下载对应机器的运行库，并在配置中填写 llama-server 的完整绝对路径。节点会自行启动服务进程，无需提前运行服务器。
4. 重启：重启 ComfyUI，在 MOSS-Image / Prompt 分类中搜索“MOSS Prompt Enhancer · 本地提示词”即可使用。

关键参数与输出说明

• request：画面需求、构图、文字或修改要求。
• output_mode：选择 caption、layout 或 auto。
• width / height：Caption 模式接受非 16 倍数的正尺寸；但 Layout 和 Auto 模式严格要求宽高是正的 16 倍数，且需与出图画布一致。若上游分辨率节点设为 multiple=8，使用 Layout/Auto 时需改为 16。
• max_tokens / context_size：分别控制输出 token 上限（默认 4096）和上下文容量（默认 16384）。提高 max_tokens 仅增加输出余量，不会强迫模型写长。
• device：auto（自动分配 GPU）或 cpu。
• previous_prompt：可选的已有提示词，用于迭代修改。

输出结果包含三路字符串：

1. prompt：Caption 为自然语言，Layout 为单行编译后的 JSON（坐标变为整数 abs_centralized/yxyx，不包含画布元数据），直接传给图像模型。
2. draft_json：可编辑的草稿，Layout 模式下使用绝对像素 xyxy 坐标，原始草稿单独保留。
3. info：包含实际模式、模型、尺寸、耗时、token 用量和修复次数等诊断信息。

使用建议与边界

系统提示词由内置 Skill、Layout 规范和节点适配规则组合而成，目前不提供自定义 system prompt 输入框。若需更详细的生成结果，应在 request 中明确要求细化人物外貌、衣物材质、动作、手部、表情、前中后景关系、机位、光线、配色和准确文字。

需注意，格式校验仅检查结构和坐标，不保证事实准确、图像中的文字完全正确或布局美观。当前版本为纯文本输入，不生成图片、不分析参考图、不发布内容。若遇到 Layout 校验持续失败，建议简化布局要求或更换更合适的 GGUF 模型。