ComfyUI-RH-TaskQueue:为 ComfyUI 带来 RunningHub 风格的任务管理面板,实现可视化队列与精准耗时统计

插件11小时前发布 小马良
4 0

ComfyUI-RH-TaskQueue 是一款专为 ComfyUI 设计的前端增强插件,旨在解决原生界面在任务管理和状态反馈上的不足。它在窗口右侧添加了一个功能丰富的“任务抽屉”,让用户能够清晰地看到所有任务的实时状态、真实执行耗时以及产出结果,并提供了一个完全可控的预提交队列系统。该插件灵感来源于 RunningHub 的工作流管理体验,但完全本地运行,无需额外依赖。

  • GitHub:https://github.com/caramos2/ComfyUI-RH-TaskQueue
ComfyUI-RH-TaskQueue:为 ComfyUI 带来 RunningHub 风格的任务管理面板,实现可视化队列与精准耗时统计

核心功能亮点

1. 全视角任务监控面板

  • 统一列表:将运行中、后端排队、插件排队、已完成及失败的任务集中展示,并附带工作流名称。
  • 精准计时:严格区分“后端排队时间”与“真实执行耗时”。执行时间基于 ComfyUI 服务端的 execution_start 事件计算,确保数据准确无误。
  • 多媒体预览:直接在任务卡片中预览图片、视频、音频、文本及 3D 文件,并提供一键打开文件夹或下载链接,支持未知类型文件的静默处理。

2. 可控的预提交队列 (Pre-submit Queue)

  • 绿色 ❄ 运行键:位于原生运行键旁,点击后将当前画布冻结为快照并存入插件队列。
  • 防丢失机制:队列数据存储在浏览器 IndexedDB 中,即使刷新页面也不会丢失已排队的任务。
  • 灵活控制:用户可以设置预提交上限(默认 1,最大 8),超出上限的任务将在插件队列中等待,直到名额释放。这允许用户在任务执行间隙轻松取消或调整顺序,而无需等待服务端响应。
  • 独立计数:清晰显示“运行中”、“后端排队”和“插件排队”三个独立数字,避免混淆。

3. 智能耗时档案 (Duration History)

  • 本地 SQLite 存储:每次成功运行的耗时都会记录在本地 data/duration_history.sqlite3 数据库中。
  • 工作流签名匹配:通过 SHA256 哈希值识别工作流(自动剔除 seed/noise_seed 等随机变量),确保同一工作流的不同随机种子运行会被归并为同一条历史记录。
  • 历史参考:在任务卡片上显示“上次耗时”和“平均耗时(N次)”,帮助用户预判任务规模,优化硬件资源分配。

4. 人性化交互体验

  • 多语言支持:自动跟随浏览器语言(支持英文与简体中文),也可手动锁定。
  • 音效与通知:任务结束时提供提示音(合并处理以防爆音)和系统通知。
  • 无缝集成:不注册任何自定义节点,无第三方 Python 依赖,仅通过七条轻量级后端路由与前端交互。

安装与使用

安装步骤

  1. 进入 ComfyUI 的 custom_nodes 目录。
  2. 克隆仓库:
    git clone https://github.com/caramos2/ComfyUI-RH-TaskQueue.git
    
  3. 重启 ComfyUI 以加载后端路由,刷新浏览器页面以加载前端组件。

环境要求

  • ComfyUI: 0.45.0 及以上版本。
  • Python: 3.12 及以上。
  • 依赖: 无第三方 Python 库依赖。

使用指南

  • 打开抽屉:点击右缘竖排的“任务队列”标签。
  • 提交任务:点击绿色的 ❄ 运行键,任务将进入插件队列。当预提交名额空闲时,插件会自动将其发送给 ComfyUI 后端。
  • 查看耗时:在任务卡片底部查看该工作流的历史平均耗时和上次运行时间。
  • 管理输出:点击卡片中的缩略图或播放器直接预览,或使用“打开文件夹”按钮定位到磁盘文件。

技术细节与边界说明

  • API 兼容:优先使用新的 /api/jobs 接口,若不可用则自动回退至传统的 /queue + /history 组合。
  • 多标签页协同:通过 localStorage 租约和 BroadcastChannel 实现多标签页同步,只有一个标签页负责派发任务,其余只读。
  • 计时局限性:对于非本标签页提交的任务(如通过 API 或其他机器),由于无法获取精确的 execution_start 事件,计时可能略有偏差。
  • 后台限制:浏览器完全关闭后,插件队列暂停派发,系统通知也不再弹出。

ComfyUI-RH-TaskQueue 极大地提升了 ComfyUI 的操作透明度与控制力,是那些经常运行复杂工作流、需要精确监控资源消耗及管理大量生成任务的用户的首选工具。

© 版权声明

相关文章