# ComfyUI缺模型报错排查

从模型下拉、验证错误和真实文件目录逐级排查缺模型，不把节点缺失或架构错误当成同一种故障。

本地结构与素材核验，未执行 ComfyUI 前端导入或扩散/ESRGAN 推理。图像与原 JSON 来源见 provenance.json。所有工作流为 UI 格式 0.4，与 prompt-api.json 分开。权重不打包。

## 使用

1. python check.py
2. 查看 models.csv，按模型出处准备文件。
3. 用本地 ComfyUI 打开 workflow.json，重新选择 Loader 下拉和输入。
4. 自己完成真实小样，填写 acceptance.csv。

## 1. 保存报错与原始工作流

下载 error-log.txt 阅读教学样本，再把自己的完整错误另存。定位 Prompt outputs failed validation 和 ckpt_name 的上下文，记录 ComfyUI 版本；教学日志明确不是本站真实推理产生。

## 2. 辨认错误属于哪一层

Value not in list 指向 Loader 选项或字段值；Node type missing 指向节点安装；tensor shape 错误更可能是家族组合。先分层，再处理目录，不用一个“重装”覆盖所有原因。

## 3. 扫描实际模型目录

运行 python file_inventory.py /你的/ComfyUI/models，把输出写入自己的 inventory.json。检查 checkpoint 是否在正确类别、是否多了一层压缩包目录、是否真是权重文件。脚本只读扫描，不加载模型。

## 4. 检查共享路径是否生效

如果文件在另一磁盘，核对 extra_model_paths.yaml 及启动日志；相对目录需基于实际 base_path。确保运行的是正在检查的 ComfyUI 实例，而非旧端口或另一套安装。

## 5. 重新选择存在的下拉项

重启或按当前版本刷新模型列表，再回到 Load Checkpoint 下拉选择实际模型。工作流可能保留作者机器上的旧名，必须重新选值；不能只把文件随意改成旧名来绕过家族核对。

## 6. 校验后再做最小测试

先导出最终 JSON 并运行结构检查，再用单图小尺寸任务核对加载是否通过。若进入采样后出现 shape 或 OOM，则另按对应问题排查，记录本次已解决的层级。

## 7. 记录根因和修复材料

保留错误、目录快照、修复后的 Loader 值和版本。缺模型修复意味着程序读到相应文件，并不自动表示模型效果、性能或商业使用权限均已验证。


queue_client.py 默认只查询；--submit 明确触发本地真实推理。batch_manifest.py 仅生成计划，未提交。故障日志、history 响应和空验收栏是教材，不是本站成功实测。

## 官方来源

- https://docs.comfy.org/tutorials/basic/text-to-image
- https://github.com/Comfy-Org/ComfyUI
- https://docs.comfy.org/troubleshooting/model-issues
- https://www.douyin.com/video/7691594447310244330