Qwen-Image-2512-ComfyUI代码实例：Python调用API指南-智慧文博士

Qwen-Image-2512-ComfyUI代码实例：Python调用API指南

1. 引言：为什么你需要用Python调用Qwen-Image-2512-ComfyUI

你是不是已经成功部署了 Qwen-Image-2512-ComfyUI 镜像，并通过网页界面生成了几张惊艳的图片？但如果你还停留在“点一点出图”的阶段，那可就浪费了它真正的潜力。

自动化、批量生成、集成到项目中——这些才是高效使用AI图像模型的关键。而实现这一切的核心方式，就是通过Python 调用 ComfyUI 的 API。

本文将手把手带你从零开始，理解 ComfyUI 的 API 工作机制，并提供可直接运行的 Python 代码示例，让你不仅能手动出图，还能让程序自动帮你生成成百上千张符合需求的图像。

无论你是想搭建一个自动海报生成系统，还是为内部工具添加AI绘图能力，这篇指南都能让你快速上手。

2. 环境准备与基础确认

在写代码之前，我们必须确保环境已经正确运行，并且 API 功能已启用。

2.1 确认你的镜像已正常运行

根据你提供的快速启动流程，请先完成以下步骤：

在算力平台部署Qwen-Image-2512-ComfyUI镜像（支持 4090D 单卡）
进入/root目录，运行1键启动.sh脚本
启动成功后，点击“返回我的算力”，打开 ComfyUI 网页端

当你能在浏览器中看到 ComfyUI 的可视化工作流界面时，说明服务已经就绪。

2.2 检查API是否可用

ComfyUI 默认启用了 RESTful API 接口，我们可以通过访问以下地址来确认：

http://你的服务器IP:7860/

如果页面正常加载，说明 Web UI 和 API 服务都在运行。

更进一步，你可以访问：

http://你的服务器IP:7860/api/v1/prompt

这会返回当前队列中的提示信息（初始为空），证明 API 可用。

重要提示：请确保你的服务器防火墙或安全组规则允许外部访问 7860 端口（或你自定义的端口），否则本地脚本无法连接。

3. 理解ComfyUI的API工作机制

要通过 Python 控制 ComfyUI，我们必须了解它的“大脑”是怎么工作的。

3.1 工作流（Workflow）的本质是JSON

你在 ComfyUI 界面上拖拽节点、连线构成的工作流，其实背后是一个结构化的 JSON 数据。当你点击“运行”时，这个 JSON 就会被发送给后端执行。

所以，Python 调用 API 的本质，就是构造正确的 JSON 请求，发送给 ComfyUI 的 API 端点。

3.2 关键API接口说明

接口	方法	作用
`/prompt`	POST	提交一个新的生成任务
`/history`	GET	获取历史生成记录
`/queue`	GET	查看当前队列状态
`/ws`	WebSocket	实时接收生成进度和结果

我们将重点使用/prompt接口来提交任务。

4. 获取你的工作流JSON数据

既然 API 需要 JSON，那我们怎么拿到它？

4.1 从内置工作流导出

打开 ComfyUI 网页端
点击左侧“内置工作流”
选择一个适合 Qwen-Image-2512 的工作流（通常包含文本编码、采样器、VAE 解码等节点）
点击右上角菜单 → “Save (Prompt)” 保存为.json文件

或者，你也可以直接复制画布上的工作流内容到剪贴板。

4.2 示例工作流结构（简化版）

{ "3": { "inputs": { "text": "a beautiful sunset over the mountains", "clip": ["10", 1] }, "class_type": "CLIPTextEncode" }, "10": { "inputs": { "model": ["4", 0], "clip": ["5", 0] }, "class_type": "CLIPSetLastLayer" }, "4": { "inputs": { "ckpt_name": "qwen_image_2512.safetensors" }, "class_type": "CheckpointLoaderSimple" }, ... }

这个 JSON 描述了整个图像生成流程：加载模型、处理提示词、执行采样、输出图像。

5. Python调用API完整代码示例

现在进入正题——如何用 Python 发送请求。

5.1 安装依赖

pip install requests websockets

5.2 基础提交任务代码

import requests import uuid # 配置服务器地址 SERVER_ADDRESS = "http://你的IP:7860" # 加载你导出的工作流JSON with open("qwen_workflow.json", "r") as f: prompt_data = json.load(f) def queue_prompt(prompt): """提交生成任务""" p = {"prompt": prompt} resp = requests.post(f"{SERVER_ADDRESS}/api/v1/prompt", json=p) return resp.json() # 提交任务 result = queue_prompt(prompt_data) print("任务已提交，响应：", result)

运行这段代码后，你会在 ComfyUI 界面看到新的生成任务正在执行。

5.3 获取生成结果

任务提交后，我们需要获取生成的图片。可以通过/history接口查询。

import time import json def get_history(prompt_id): """根据任务ID获取历史记录""" url = f"{SERVER_ADDRESS}/api/v1/history/{prompt_id}" while True: resp = requests.get(url) if resp.status_code == 200: history = resp.json() if prompt_id in history and history[prompt_id].get("outputs"): return history[prompt_id] time.sleep(1) # 每秒检查一次 # 使用示例 prompt_id = result['prompt_id'] print(f"等待任务 {prompt_id} 完成...") final_output = get_history(prompt_id) print("生成完成，输出信息：", final_output)

5.4 完整自动化脚本（推荐使用）

import requests import json import time import uuid class ComfyUIClient: def __init__(self, server_address="http://localhost:7860"): self.server_address = server_address def load_workflow(self, file_path): with open(file_path, 'r', encoding='utf-8') as f: return json.load(f) def update_prompt_text(self, workflow, new_text): """更新提示词节点""" for node in workflow.values(): if node.get("class_type") == "CLIPTextEncode": if "text" in node["inputs"]: node["inputs"]["text"] = new_text return workflow def queue_prompt(self, prompt): resp = requests.post(f"{self.server_address}/api/v1/prompt", json={"prompt": prompt}) return resp.json() def get_history(self, prompt_id): while True: resp = requests.get(f"{self.server_address}/api/v1/history/{prompt_id}") if resp.status_code == 200: history = resp.json() if prompt_id in history and history[prompt_id].get("outputs"): return history[prompt_id] time.sleep(1) def generate_image(self, workflow_file, prompt_text): workflow = self.load_workflow(workflow_file) workflow = self.update_prompt_text(workflow, prompt_text) result = self.queue_prompt(workflow) prompt_id = result['prompt_id'] print(f"✅ 任务 {prompt_id} 已提交") output = self.get_history(prompt_id) # 提取图片路径或URL for node_id, node_output in output["outputs"].items(): if "images" in node_output: for img in node_output["images"]: print(f"🎨 图片已生成: {img['filename']} (保存在 {img['subfolder']})") return img return None # 使用示例 client = ComfyUIClient("http://你的服务器IP:7860") image_info = client.generate_image( workflow_file="qwen_workflow.json", prompt_text="a futuristic city at night, neon lights, raining, cinematic" )

6. 实用技巧与常见问题

6.1 如何批量生成不同图片？

只需在一个循环中调用generate_image方法即可：

prompts = [ "a red apple on a wooden table", "a blue car driving on highway", "a cat sitting on window sill" ] for prompt in prompts: client.generate_image("qwen_workflow.json", prompt) time.sleep(2)

6.2 如何修改图像尺寸？

在工作流 JSON 中找到采样器节点（如KSampler），修改其width和height参数：

"6": { "inputs": { "width": 1024, "height": 1024, "batch_size": 1 }, "class_type": "EmptyLatentImage" }

你可以在 Python 中动态修改这些值：

def set_resolution(workflow, width, height): for node in workflow.values(): if node.get("class_type") == "EmptyLatentImage": node["inputs"]["width"] = width node["inputs"]["height"] = height return workflow

6.3 常见问题排查

问题	可能原因	解决方法
连接被拒绝	IP或端口错误、防火墙阻挡	检查服务器IP和端口，开放7860端口
提示词不生效	节点ID错误或未正确更新	确认CLIPTextEncode节点ID，打印JSON验证
模型未加载	ckpt_name不匹配	检查`CheckpointLoaderSimple`中的模型文件名
无返回结果	任务卡住或超时	查看ComfyUI日志，确认GPU资源充足

7. 总结：从手动操作到程序化控制

通过本文的实践，你应该已经掌握了如何：

理解 ComfyUI 的 API 工作机制
导出并修改工作流 JSON
使用 Python 自动提交生成任务
获取生成结果并集成到自己的项目中

这不仅仅是“调个接口”那么简单，而是将 AI 图像生成能力真正变成你应用的一部分。无论是做内容批量生产、设计辅助工具，还是构建AI产品原型，这套方法都能大幅提升效率。

下一步，你可以尝试：

将生成结果自动上传到云存储
添加图像质量过滤机制
构建Web前端让用户输入提示词
结合数据库记录每次生成的历史

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。

Qwen-Image-2512-ComfyUI代码实例：Python调用API指南