Extensions/ComfyUI-LLM_Prompt_XML_Formatter
ComfyUI Extension

ComfyUI-LLM_Prompt_XML_Formatter

ComfyUI nodes for automatically generating XML-style prompts compatible with NewBie models using LLM APIs, with style customization and preset management capabilities.…

By SuzumiyaAkizuki·Created 8 months ago·Updated 25 days ago· 75
SuzumiyaAkizuki/ComfyUI-LLM_Prompt_XML_Formatter
Nodes3
On cloudLocal install
CategoryNewBie LLM Formatter
Stars75
Updated25 days ago

Nodes (3)

LLM Xml Prompt Formatter
NewBie LLM Formatter
Style Preset Saver
NewBie LLM Formatter
XML Style Injector
NewBie LLM Formatter
Readme

ComfyUI-NewBie-LLM-Formatter

ComfyUI License NewBie

利用大语言模型 API 将自然语言或图片自动转化为适用于 NewBie 模型的结构化 XML 提示词，或适用于 Anima 等其他模型的纯文本提示词。

<details open> <summary><h2 style="display:inline">重要更新：Agent 模式（v1.2.9 新增）</h2></summary>

传统模式下LLM 只能凭训练记忆生成标签，容易产生幻觉（编造不存在的标签）或遗漏关键属性。Agent 模式让 LLM 在生成提示词的过程中调用DanbooruSearchOnline的MCP服务，实时搜索 Danbooru 标签库，像人类一样查找、验证、补充标签，最终输出一套精确、完整的提示词。

具体行为

  • 自动搜索标签：根据你的描述，自动在 Danbooru 标签库中搜索匹配的发型、服装、表情、场景等标签。
  • 关联扩展：从搜索结果出发，沿标签共现图谱自动发现你可能没想到的补充标签。
  • 智能组装：将搜索到的标签按规范格式整理输出（NewBie 模式为 XML，Anima 模式为 ## Prompt + ## 中文解释）。
  • 尊重已有标签：如果你已经在输入中提供了标签，Agent 会直接信任并使用，不会重复搜索。

使用方法

在 LLM Xml Prompt Formatter 节点中找到 agent_effort 下拉框，选择努力等级：

| 等级 | 说明 | 适用场景 | |------|------|---------| | Close | 关闭 Agent，走传统单轮 LLM 调用 | 已有完整标签、追求速度 | | Low | 流水线模式：一次批量搜索 + LLM 直接组装1 轮完成 | 追求最快速度，场景不复杂 | | Medium | Agent 循环模式：多轮迭代搜索，最多 8 轮 | 日常使用，速度与质量平衡 | | High | Agent 循环模式：宽召回 + 深探索，最多 10 轮 | 复杂场景、多人物、追求极致精度 |

建议：日常使用选 Medium；输入已经是完整的标签串时选 Close（或 Low，会自动识别并 1 轮直出）；复杂场景选 High。

效率提示

  • 如果你已经有一组标签，直接在输入框粘贴（逗号分隔），Agent 会识别并跳过搜索，1 轮完成。
  • 混合输入（标签 + 自然语言描述）会只搜索自然语言部分涉及的维度，不会浪费轮次。
  • 控制台会显示 [Agent] 前缀的详细日志，可以观察每轮的搜索内容和 Token 消耗。
</details>

本插件的核心特性有：

  • Agent 智能搜索（v1.2.9 新增）：生成提示词时自动搜索 Danbooru 标签库，验证和补充标签，消除 LLM 幻觉。四级努力控制（Low / Medium / High），在速度与精度间灵活选择。

  • 双模式支持：NewBie 模式生成结构化 XML 提示词；Anima 模式生成 ## Prompt + ## 中文解释 格式提示词，两种模式可在节点内无缝切换。

  • 智能提示词转化：支持将简单的自然语言、Danbooru 标签串，完美转化为目标模型所需的提示词格式。

  • 多模态视觉反推：支持传入图片，利用多模态大模型直接反推生成高精度提示词。

  • 高鲁棒性与自动修复：内置 XML 语法解析与自动修复机制，外加 API 网络异常/格式异常自动重试逻辑（最高 3 次），确保工作流不中断。

  • 画风预设与管理：内置数十种高质量艺术家/画风预设，支持按 NewBie / Anima 区分、一键注入，并可从风格注入节点直接保存当前组合。

  • 深度思考与破限支持：适配主流 API 的"深度思考"模式（Deepseek、OpenRouter、Gemini、Anthropic、Kimi、MIMO、Vercel 等），内置 NSFW 提示词破限框架。

  • 项目 GitHub 地址：https://github.com/SuzumiyaAkizuki/ComfyUI-NewBie-LLM-Formatter

  • 项目 ComfyUI Registry 地址：https://registry.comfy.org/zh/nodes/NewBie-LLM-Formatter

目录

效果展示

| Prompt | 使用模型 | 结果 | | :----------------------------------------------------------: | :-----------------------------: | :----------------------------------------------------------: | | 天海春香和菊地真在一起演出 | deepseek-v4-pro/anima-base-1.0 | | | 为我生成一个不良少女、辣妹的完整图像。要求如下：1. 必须含有皮项圈、露指手套、腰间系着夹克、高马尾这四个元素 2. 画面必须完整，有动作、背景等。动作要有动感。3. 画面以人物为主体，头胸部特写。其它特征自由发挥。 | deepseek-v4-pro/anima-base-1.0 | | | （见下文[1]） | deepseek-v4-pro/Newbie 0.1 | | | 《向山进发》中的雪村葵和《摇曳露营》中的志摩凛一起在富士山脚下露营。 | gemini-3.5-flash/anima-base-1.0 | |

[1]:1girl,white_hair,blue_eyes,medium_hair,high_ponytail,sidelocks,headset<br/>parted_lips<br/>small_breasts,white_serafuku,white_shirt,deep_blue_sailor_collar,short_sleeves,shirt_tucked_in,elbow_pads,fingerless_gloves,toned,tactical_school_uniform,utility_vest,red_neckerchief,high-waist_belt,nylon_belt,unit_patch,<br/>white_skirt,short_skirt,knee_pads<br/>在一片废弃的工厂里，上述人物分开双腿站立，她一条胳膊竖直向下，另一条胳膊抱着这条竖直向下的胳膊(hand on own arm)。她表情决绝、坚定。衣服上有血迹且残破、磨损，体现出战斗后的战损感。cowboy_shot.

安装和使用方法

方法一：命令行安装（推荐）

comfy node install NewBie-LLM-Formatter

方法二：手动安装

  1. 点击 GitHub 页面中绿色按钮 <> Code，点击 Download ZIP，下载压缩包。

    下载按钮

    压缩包

  2. 将解压后的文件夹放置在 ...\ComfyUI\custom_nodes\ 目录下。

    image-20251226145335813

  3. 进入文件夹，找到 LPF_config.json.example 文件，右键重命名，删掉 .example 后缀，使其变为 LPF_config.json。

    重命名前

    image-20251226145521692

  4. 使用记事本或文本编辑器打开 LPF_config.json，按照下方配置文件说明填写对应字段。

    填写前后对比

  5. 重启 ComfyUI，即可使用。

配置文件说明

插件的所有配置均集中在 LPF_config.json 中。以下是各字段的完整说明：

| 字段 | 类型 | 说明 | |------|------|------| | api_key | string | LLM 的 API Key。强烈建议在此处填写，而非在节点 UI 中输入，否则 API Key 会随工作流原图泄露。 | | api_url | string | API 服务的主机地址，例如 https://openrouter.ai/api/v1。 | | model_list | array | 可用模型名称列表，将显示在节点的下拉框中。 | | system_prompt | string | NewBie 模式发送给 LLM 的系统提示词，内置了基本的格式化指令和破限命令。可自行修改以调整 LLM 的行为。 | | gemini_jailbreaker | string | 针对非 Gemini 官方平台的 Gemini 模型的增强提示词，会拼接在 system_prompt 之前。仅在使用非官方 Gemini API 中转时生效。 | | fewshot_user | string | NewBie模式Few-shot 注入功能：此字段为注入的一轮对话中「用户」的内容。与 fewshot_assistant 同时填写时生效。 | | fewshot_assistant | string | NewBie模式Few-shot 注入功能：此字段为注入的一轮对话中「AI」的回复内容。可用于增强模型在特定方面的输出能力。 | | gemma_prompt | string | 拼接在 NewBie 模式 XML 输出前的固定引导词，用于指导 NewBie 模型（Gemma3 4B）理解提示词格式。通常无需修改。Anima 模式下不使用此字段。 | | system_prompt_anima | string | Anima 模式发送给 LLM 的系统提示词。指导模型输出 ## Prompt（标签块 + 英文自然语言段落）+ ## 中文解释（分点设计说明）的 Markdown 标题结构。 | | fewshot_user_anima | string | Anima模式Few-shot 注入功能。示例用户输入应包含标签 + 自然语言描述。与 fewshot_assistant_anima 同时填写时生效。 | | fewshot_assistant_anima | string | Anima模式Few-shot 注入功能。示例 AI 回复应为 ## Prompt（标签块 + 英文 NL）+ ## 中文解释 格式。 | | artists_anima | string | Anima模式参考画师列表，指导LLM选择合适的画师。可以在这个视频或者这个链接中下载对应的内容。为保护作者的知识产权，这里不提供对应的文本。 | | styles | object | 预设风格提示词集合，供 XML Style Injector 节点使用。每个预设可标记适用模式（NewBie / Anima / Both），也可通过 Style Preset Saver 节点或直接编辑此文件来添加。 |

Anima 模式提示词格式

system_prompt_anima 要求 LLM 输出 ## Prompt + ## 中文解释 的 Markdown 标题结构：

## Prompt
[标签块：Danbooru 风格 tag，逗号分隔，单行]
[自然语言段落：2~3 句英文，描述构图、光线、氛围、背景]

## 中文解释
[分点说明该提示词的设计逻辑和标签选择理由]

Agent 模式下遵循同样的输出格式。普通模式（非 Agent）下也使用此格式，xml_out 返回 ## Prompt 下的内容，text_out 返回 ## 中文解释 下的内容。

Few-shot 注入的请求体结构

开发者笔记：few-shot技术是一种提示词工程，旨在通过在提示中提供少量输入-输出示例，让大语言模型快速理解任务模式并生成符合预期的回答。出于某些原因，我无法提供few-shot的示例内容。但是，你可以利用某些方面能力更强的LLM（比如grok）生成一轮示例对话，并填入few-shot注入词中，之后改用其它通用能力更强的LLM（比如gemini）。

当 fewshot_user 和 fewshot_assistant 均不为空时，请求体结构如下：

messages = [
    {"role": "system",    "content": system_prompt},
    {"role": "user",      "content": fewshot_user},       # 注入的示例用户输入
    {"role": "assistant", "content": fewshot_assistant},  # 注入的示例 AI 回复
    {"role": "user",      "content": 用户在节点中输入的内容}
]

API 配置优先级

配置文件中的值 优先于 节点 UI 中填写的值。具体逻辑如下：

  1. 程序首先读取 LPF_config.json 中的 api_key 和 api_url；
  2. 若配置文件中存在有效值，则使用配置文件的值，节点 UI 中的输入不会生效；
  3. 若配置文件中无有效值，则回退使用节点 UI 中的输入。

⚠️ 安全提示：在节点 UI 中填写的 API Key 会被保存在工作流文件中，分享工作流原图即导致 API Key 泄露。强烈建议始终使用配置文件进行配置。

节点说明

ComfyUI-NewBie-LLM-Formatter 提供三个节点：

1. LLM Xml Prompt Formatter

功能： 调用 LLM API，将用户输入的自然语言或标签集格式化为提示词，根据所选模式输出 XML 格式（NewBie）或纯文本格式（Anima）。

输入参数：

| 参数 | 类型 | 说明 | |------|------|------| | image | IMAGE（可选） | 输入图片，传输给多模态 LLM 进行提示词反推。注意：这是让 LLM 反推提示词，而非图生图。 | | api_key | STRING | API Key。若配置文件中已有有效值，此处输入不生效。 | | api_url | STRING | API 主机地址。若配置文件中已有有效值，此处输入不生效。 | | model_name | STRING/下拉框 | 模型名称。若配置文件中的 model_list 有效，显示为下拉框；否则显示为文本输入框。 | | mode | 下拉框 | NewBie（默认）或 Anima。决定使用哪套 system prompt 以及输出解析方式。 | | thinking | BOOLEAN | 深度思考模式开关。true 时模型进行深度思考，思考过程输出到控制台。推荐设置为 false。 Agent 模式下此开关被强制关闭。 | | agent_effort | 下拉框 | [v1.2.9 新增] Agent 努力等级。Close（默认）= 关闭 Agent，走普通模式；Low = 流水线模式（单轮批量搜索 + LLM 组装，不走 Agent 循环，最快）；Medium = Agent 循环模式（full_scene 预设，平衡召回质量与收敛速度，最多 8 轮）；High = Agent 循环模式（concept_explore 宽召回预设 + 默认携带 wiki 释义，最多 10 轮，最深入）。 | | force_full_agent_run | BOOLEAN | 强制本次 Agent 从头生成，不复用上一轮结果。通常保持关闭；当你觉得上一轮缓存影响了本次修改时，再临时打开。 | | user_text | STRING | 待转换的自然语言描述或标签集。 |

输出参数：

| 参数 | 说明 | |------|------| | xml_out | NewBie 模式：清洗并修复后的 XML 格式提示词。Anima 模式：## Prompt 标题下的内容（标签块 + 英文自然语言段落）。 | | text_out | NewBie 模式：LLM 输出的 XML 代码块以外的额外说明信息。Anima 模式：## 中文解释 标题下的分点设计说明。 |

两种模式的行为差异：

| 行为 | NewBie 模式 | Anima 模式 | |------|------------|-----------| | 使用的 system prompt | system_prompt | system_prompt_anima | | gemma_prompt 前缀 | 拼接到输出前 | 不使用 | | 输出解析 | 提取 XML 代码块，校验并修复格式 | 提取 ## Prompt 和 ## 中文解释 两个 Markdown 标题段 | | XML 自动修复 | 启用 | 不启用 | | Agent 模式 | 多轮工具搜索 → XML 输出 | 多轮工具搜索 → ## Prompt + ## 中文解释 输出 |

增量修订与复用：

  • 相同输入直接复用：同一节点内，如果本次输入与上次完全一致，会直接返回上次结果，不再次调用 LLM。
  • 仅标点/空白变化不重跑：只调整逗号、空格、换行等不影响语义的内容时，也会直接复用。
  • 小幅修改走增量修订：当新旧提示词整体仍足够相似时，Agent 会把上一轮提示词、上一轮输出和本轮完整提示词一起交给模型，让模型对比后做最小化修订。当前相似度门槛为 0.55。
  • 连续修改更稳：Agent 会根据连续修改状态自动调整调度策略，避免长期局部修订带来的累积偏移。
  • 需要彻底重做时可手动强制：打开 force_full_agent_run 后，本次运行会忽略上一轮结果，从头生成。

内置鲁棒性机制：

  • 自动重试：遇到网络抖动或 API 报错时，最多自动重试 3 次。
  • XML 自动修复（仅 NewBie 模式）：使用 lxml 库对 LLM 输出的 XML 进行格式校验；若检测到格式错误，会自动修复并在控制台打印差异对比。
  • Agent 自动降级：Agent 模式下 MCP 服务不可用时，自动回退为普通模式，不阻塞工作流。
  • Agent 死循环检测：自动检测重复工具调用，超过 3 次强制退出循环。

推荐模型（计价参考 OpenRouter，均关闭思考模式）：

| 模型名称 | 平均每次成本/美元 | NSFW 效果 | 输出质量 | 备注 | |----------|-----------------|-----------|----------|------| | deepseek/deepseek-v3.2 | ~0.0008 | 均衡 | 均衡 | 综合性价比高 | | google/gemini-3-flash-preview | ~0.0035 | 较好（G 向需技巧） | 最好 | NewBie 训练打标模型之一 | | x-ai/grok-4.1-fast | ~0.0007 | 最好 | 较好 | NewBie 训练打标模型之一 | | xiaomi/mimo-v2-flash | ~0.0004 | 较好 | 一般 | — | | cognitivecomputations/dolphin-mistral-24b-venice-edition:free | 免费 | 官方宣称无审查 | 较差 | — |

思考模式说明： 目前适配了 OpenRouter、DeepSeek、Google AI、Anthropic 官方、Kimi、小米 MIMO 和 Vercel AI Gateway 平台。其他平台请通过模型名称控制（如用 deepseek-chat 代替 deepseek-reasoner）。

免费额度提示： 在 DeepSeek 开放平台 注册后可获赠 10 元免费额度，大约可使用 1000 次。

<details open> <summary>NewBie 模式节点示例输入输出</summary>

纯文本示例输入：

A:(loli,(blonde hair:1.2),hair between eyes,short hair,ahoge,twintails,short tail,short_kimono,white socks,Frilled socks,converse,sash,red_sash,sidelocks,low twintails, fingerless gloves, haori,shorts under skirt,hairclip,leg belt)

B:(white hair,high ponytail,white serafuku,short sleeves,short skirt,shirt tucked in,knee pads,elbow pads,fingerless gloves,white legwear,kneehighs,high-top hiking sneakers,sidelocks,shorts under skirt,)

在一个科幻风格的指挥所中，画面左侧，A担任一场战役的指挥官。她戴着耳麦，正在指挥战役。指挥所里有全息显示的显示屏和地图。画面右侧，B穿着战术马甲、戴着头盔、拿着狙击步枪，正在执行作战任务。这两个场景的画面要有机地融合在一起，动漫风格、油画风格。

xml_out 示例输出：

You are an assistant designed to generate high-quality anime images with the highest degree of image-text alignment based on xml format textual prompts. <Prompt Start>

<img>
 <character_1>
 <n>A</n>
 <gender>1girl</gender>
 <appearance>loli, blonde_hair:1.2, hair_between_eyes, short_hair, ahoge, twintails, short_tail, sidelocks, low_twintails, hairclip</appearance>
 <clothing>short_kimono, white_socks, frilled_socks, converse, sash, red_sash, fingerless_gloves, haori, shorts_under_skirt, leg_belt</clothing>
 <expression>serious, focused</expression>
 <action>wearing_headset, commanding, pointing_at_hologram</action>
 <position>left_side</position>
 </character_1>

 <character_2>
 <n>B</n>
 <gender>1girl</gender>
 <appearance>white_hair, high_ponytail, sidelocks</appearance>
 <clothing>white_serafuku, short_sleeves, short_skirt, shirt_tucked_in, knee_pads, elbow_pads, fingerless_gloves, white_legwear, kneehighs, high-top_hiking_sneakers, shorts_under_skirt, tactical_vest, helmet</clothing>
 <expression>determined, focused</expression>
 <action>holding_sniper_rifle, aiming, in_combat_stance</action>
 <position>right_side</position>
 </character_2>

 <general_tags>
 <count>2girls</count>
 <style>oil painting, anime_style, realistic_shading</style>
 <background>sci-fi_command_center, holographic_displays, tactical_map, futuristic_technology</background>
 <atmosphere>tense, strategic</atmosphere>
 <quality>very_aesthetic, masterpiece, no_text</quality>
 <resolution>max_high_resolution</resolution>
 <artist>rella, maccha_(mochancc), tidsean, wlop, ciloranko, atdan, year_2024</artist>
 <objects>headset, sniper_rifle, tactical_gear, holograms</objects>
 </general_tags>

 <caption>In a futuristic sci-fi command center filled with holographic displays and tactical maps, two girls are depicted in different roles...</caption>
</img>
</details> <details open> <summary>Anima 模式节点示例输入输出</summary>

示例输入：

A：1girl,white_hair,blue_eyes, medium_hair, high_ponytail, small_breasts, sidelocks,serafuku,deep_blue_skirt, white_shirt, deep_blue_sailor_collar,  short_sleeves, short_skirt, shirt_tucked_in,elbow_pads, fingerless_gloves, shorts_under_skirt,toned, tactical_school_uniform,red_neckerchief,utility belt

上述人物的上半身特写(upper_body, close-up)，从正面视角注视着观众(straight-on, facing_viewer)。她骄傲地挺胸抬头(confident, proud,arched_back)、并在眼睛上方比出“V”字手势的姿势(v_over_eye)，另一只手叉腰(hand_on_own_hip)。她戴着耳麦和战术头盔(fast helmet, headset)，全身（胸部、大腿）戴着攀岩时用的全身安全带(full body harness,chest harness,leg loops,waist belt)。她的头发和衣服被风吹动(wind_lift)。背景是充满活力的抽象构图，由多彩的玻璃碎片、蓝色和紫色调以及图形元素组成，保持了酷炫且时尚的氛围。

要求人物是萌系画风，可爱一点。

xml_out 示例输出（## Prompt 部分）：

## Prompt
masterpiece, best quality, score_7, safe, @kantoku, @tiv, @mika pikazo, @anmi, 1girl, white hair, blue eyes, medium hair, high ponytail, small breasts, sidelocks, serafuku, white shirt, deep blue skirt, deep blue sailor collar, short sleeves, short skirt, shirt tucked in, red neckerchief, utility belt, shorts under skirt, elbow pads, fingerless gloves, toned, tactical school uniform, fast helmet, headset, full body harness, chest harness, leg loops, waist belt, upper body, close-up, straight-on, facing viewer, confident, proud, arched back, v over eye, hand on hip, wind lift, abstract background, glass shards, blue theme, purple theme, graphic background
An adorable girl with white hair and striking blue eyes poses confidently in her tactical sailor uniform, standing with an arched back and one hand on her hip while making a cute V sign over her eye. Her high ponytail and white shirt flutter in the wind, and she wears a FAST helmet, headset, and complex full-body climbing harness over her outfit. The background is a stylish abstract composition of vibrant blue and purple glass shards with modern graphic elements.

text_out 示例输出（## 中文解释 部分）：

## 中文解释
- 标签结构：质量锚点(masterpiece, best quality, score_7, safe) → 画师(@kantoku, @tiv, @mika pikazo, @anmi) → 主体(1girl) → 角色特征(white hair, blue eyes, ...) → 服装(serafuku, ...) → 装备(fast helmet, full body harness, ...) → 构图(upper body, close-up) → 姿势表情(confident, v over eye, hand on hip) → 背景(abstract background, glass shards)。
- 自然语言描述了角色的自信姿态、V 字手势、战术装备细节和抽象背景氛围，补充了标签无法精确表达的空间关系和画面张力。
- 翻译：一位白发蓝眸的可爱女孩穿着战术水手服，挺起胸膛一手叉腰，在眼前比出 V 字手势，骄傲地直视观众。高马尾和衬衫在风中飘动，佩戴战术头盔和全身攀爬安全带。背景是蓝紫色玻璃碎片组成的时尚抽象构图。
</details>

2. XML Style Injector

功能： 将画师和风格信息注入到提示词中，支持 NewBie（XML）和 Anima（纯文本）两种模式。

输入参数：

| 参数 | 类型 | 说明 | |------|------|------| | xml_input | STRING | 待处理的提示词文本。NewBie 模式下应为含 <img> 标签的 XML；Anima 模式下应为换行分隔的纯文本。 | | mode | 下拉框 | NewBie 或 Anima，需与 LLM Xml Prompt Formatter 节点的模式保持一致。 | | preset | 下拉框 | 选择预设风格提示词集合，内容来自 LPF_config.json 的 styles 字段。新预设会显示 [NewBie]、[Anima] 或 [Both] 前缀；旧工作流中的原名称仍然可用。 | | artist_add | STRING（可选） | 额外的画师标签，将拼接在预设画师列表之前。 | | style_add | STRING（可选） | 额外的风格标签，将拼接在预设风格列表之前。 |

输出参数：

| 参数 | 说明 | |------|------| | xml_output | 注入风格后的提示词。 | | style_save_metadata | 保存专用输出，包含本次实际使用的模式、原始画师列表和风格文本，可直接连接到 Style Preset Saver。 |

style_save_metadata 不会改变图像提示词本身，只是方便把当前组合保存成新预设，格式类似：

<mode>NewBie</mode>
<artist>...</artist>
<style>...</style>

NewBie 模式行为：

查找 XML 中的 <artist> 和 <style> 标签并替换为选定预设的内容。若 XML 中不存在对应标签，节点会尝试在 <general_tags> 容器下创建。若对应字段为空，则不修改原标签内容。

Anima 模式行为：

开发者笔记：适用于NewBie模型的画风串不一定适用于Anima模型。虽然我做了Anima模式的适配，但是我强烈不建议你使用。

Anima 模式下的画师和风格注入逻辑：

  • 画师注入位置：注入到第一行（质量词行）之后。若第二行已是独立的画师行（整行均为 @xxx 格式），则整行替换；否则先清除第一行中内嵌的 @xxx 标记，再在其后插入新画师行。
  • 风格注入位置：追加到整个提示词的最末尾。
  • 空字段行为：若 artist_add 和预设画师均为空，则不修改画师内容；若风格字段均为空，则不追加风格，保持原内容不变（与 NewBie 模式对齐）。

Anima 模式画师格式：

输入的画师字符串在注入前会经过以下清洗步骤：

  1. 删除方括号、大括号、圆括号：[ciloranko] → ciloranko
  2. 删除 artist: 前缀（大小写不敏感）：artist:rella → rella
  3. 删除冒号权重（:1.2、:0.93 等），再删除所有剩余冒号
  4. 删除独立的数字/小数（不紧邻字母或下划线的数字）：wlop 1.1 → wlop；year_2024 中的 2024 紧邻下划线，保留
  5. 将名称内部空格替换为下划线：some artist → some_artist
  6. 为每个名称添加 @ 前缀：rella → @rella

示例：[ciloranko], maccha_(mochancc), (tidsean:1.2), wlop 1.1, year_2024 → @ciloranko, @maccha_mochancc, @tidsean, @wlop, @year_2024

配置文件内置数十个预设风格串，可在此链接查看例图。

3. Style Preset Saver

功能： 从当前提示词或风格注入节点的保存输出中提取画师、风格和适用模式，并将其保存为新的风格预设到 LPF_config.json 中，方便后续在 XML Style Injector 中调用。

输入参数：

| 参数 | 类型 | 说明 | |------|------|------| | text_input | STRING | 输入包含 <artist>、<style>，以及可选 <mode> 的文本；可直接连接风格注入节点的 style_save_metadata 输出。 | | preset_name | STRING | 新预设的名称。若名称为空或与已有预设重名，节点将放弃保存。 | | save_trigger | BOOLEAN | 保存开关。仅当显示 Save as Styles 时才会执行保存操作；显示 Do Not Save 时仅提取不保存。 |

输出参数：

| 参数 | 说明 | |------|------| | extracted_tags | 从输入中提取到的风格标签预览。若输入包含模式信息，会显示为 <mode>...</mode>\n<artist>...</artist>\n<style>...</style>；无论是否保存均会输出。 |

注意： 旧版只包含 <artist> / <style> 的保存输入仍然可用；新版从风格注入节点保存时会同时带上模式信息，便于在预设列表中区分 NewBie、Anima 或通用风格。

依赖

请参考项目中的 requirements.txt，主要依赖包括：

  • openai：用于调用 LLM API（兼容 OpenAI 格式的接口）
  • lxml：用于 XML 解析、校验与自动修复

参考工作流

示例工作流保存在项目的 NewBie_LLM_Formatter_example.json 中。

加载方法： 右键另存为 → 打开 ComfyUI → 按 <kbd>Ctrl</kbd>+<kbd>O</kbd> → 选择此文件。

此工作流是一个完整、成熟的工作流，包含了其他辅助节点，并附有详细注释。

更新说明

<details open> <summary>展开/折叠更新历史</summary>

2026年07月11日 v1.3.4

让 Agent 的运行过程更透明，画师理解和图片迭代更可靠，风格预设保存更顺手。

  • Agent 过程可视化：节点内新增 Agent 运行面板，可以直接看到当前轮次、搜索方向、工具调用状态和关键结果摘要，复杂提示词生成不再只能看控制台日志。
  • 画师理解更准确：当你明确提到某位画师或画师 tag 时，Agent 会更有针对性地理解其常见风格参考；需要推荐画师时，也会更重视画面风格而不是只按主体标签匹配。
  • 图片迭代更可靠：带图反推后继续修改时，Agent 能更好地区分「同一张图的小改」和「换图后的重新生成」，减少误用上一轮结果的情况。
  • 连续修改更稳：优化了 Agent 调度逻辑，长时间连续微调提示词时更不容易积累偏差。
  • 风格预设更清楚：风格下拉列表会按 NewBie / Anima / 通用类型展示更合适的预设，旧工作流中的原预设名称仍然兼容。
  • 风格保存更安心：Style Preset Saver 运行后会自动回到 Do Not Save，减少下一次工作流运行时误重复保存的情况。

2026年06月26日 v1.3.3

让 Agent 的迭代修改更可控，风格预设的保存和选择更清晰，旧工作流继续可用。

  • 改提示词更稳：在上一轮结果基础上继续修改时，Agent 会更认真地对比「修改前」和「修改后」的完整描述，减少只改一半、误改无关标签、或把新增要求放错位置的情况。
  • 复杂小改动也能续写：对相似度很高但同时改了多个细节的提示词，插件会尽量继续复用上一轮结果，而不是轻易从头重跑；中文书名号、括号等内容也更不容易被截断。
  • 可一键强制重跑 Agent：新增 force_full_agent_run 开关。需要彻底摆脱上一轮缓存影响时，可以临时打开它，让本次生成从头开始。
  • 减少空响应中断：部分 API 网关返回内容位置不一致时，Agent 现在更容易正确读到结果，复杂改写也更少因为空响应而失败。
  • 风格预设更容易区分：风格下拉项会显示 [NewBie]、[Anima] 或 [Both]，便于区分预设适用的模型类型；旧工作流里保存的原预设名称仍然兼容。
  • 风格保存更顺手：风格注入节点现在会额外输出一份可直接连接到 Style Preset Saver 的保存信息，可以把当前实际使用的画师和风格组合快速存成新预设。
  • 预设模式会被保存：Style Preset Saver 会记录预设属于 NewBie、Anima 还是通用类型，后续整理大量风格时更清楚。

2026年06月16日 v1.3.2

大幅优化迭代修改提示词时的性能，提升 Agent 搜索效率与稳定性，修复若干输出问题。

  • 迭代修改提速：同一会话内，在上一次结果的基础上微调提示词时（如改发色、换画风、增删某个标签、调整权重等），插件会自动识别本次改动的范围，只重做变化的部分、复用其余结果，大幅减少等待时间和 Token 消耗，不必每次从头生成。
  • 完全相同自动复用：若本次输入与上次完全一致，或仅有标点、空格上的差异，则直接返回上次结果，零等待、零消耗。
  • 工作流模式同享提速：上面的迭代提速与零调用复用同样适用于 Low（工作流/流水线）模式——在工作流模式下微调提示词时，只对改动的部分做一次轻量搜索并修订，其余结果直接复用，无需重跑整条流水线。
  • 更可靠地信任已有标签：即使你提供的标签和自然语言描述混在一起，插件现在也能更准确地识别它们，不再重复搜索已经给定的内容，节省轮次。
  • 减少无效搜索：当继续搜索收益变低时，Agent 会及时收敛输出，不再浪费轮次重复检索相同内容，降低耗时与成本。
  • 标签搜索更稳定：优化标签搜索服务的连接方式，更稳定地使用主服务器，减少因偶发连接问题回退到备用服务器的情况。
  • 修复 Anima 输出：修复极少数情况下「中文解释」内容被错误混入提示词输出的问题。
  • Anima画师风格融合：优化风格注入节点

2026年06月13日 v1.3.1

增强 ComfyUI 集成体验，新增画师推荐工具，完善 Anima 输出规范。

  • 进度条显示：LLM 处理和 Agent 模式现在会显示进度条，可直观观察处理进度。
  • 中断支持：处理过程中支持随时中断，不会卡死工作流。
  • Gemini 模型兼容性修复：修复使用 Gemini 模型（通过 OpenRouter 等网关）时出现 400 错误的问题。
  • Agent 轮次预算提醒：Agent 循环中会为LLM显示剩余可用轮次，便于合理规划搜索策略。
  • 新增画师推荐工具：Agent 模式下可根据标签自动推荐适合的画师。
  • Anima 输出规范增强：新增标签互斥检查规则和自检清单，避免矛盾标签组合，提升输出质量。
  • 输出格式优化：自动清理 LLM 输出中的代码块标记，输出更干净。
  • 标签格式扩展：支持更多权重格式（如 1.2::tag::、((tag)) 等），兼容性更强。

2026年05月25日 v1.3.0

适配 MCP 服务端 v2 API，引入 search_mode 预设策略，修复关联推荐失效问题。

  • MCP API 升级（search_mode 预设）：search_tags 参数从 6 个底层参数（use_segmentation / top_k / limit / popularity_weight / group_mode / max_per_group）统一为 search_mode 预设策略，四种预设覆盖全部场景：full_scene（场景→提示词）、concept_explore（宽召回探索）、subject_describe（主体匹配）、precise_lookup（拼写纠错）。服务端管理最优参数组合，客户端无需调参。
  • High 模式增强：High effort 级别默认开启 include_wiki，Agent 在深度探索时可获取每个标签的英文 Wiki 释义，判断更有依据。LLM 可按需通过显式传参关闭。
  • 工具响应透传：execute_search_tags / execute_get_related_tags 不再对 MCP 返回做客户端二次解析和重组，直接透传原始 JSON 给 LLM。消除了客户端字段名与服务端不同步导致的解析 bug，且 LLM 能获取完整的原始数据（prompt、keywords、hint、cooc_score、sources 等），信息零丢失。
  • 修复：get_related_tags 因服务端字段名变更后客户端 key 不匹配（查 tags 实为 results）导致关联推荐永远返回空结果的 bug。
  • Effort 配置重构：_EFFORT_CONFIG 从硬编码 top_k/limit 截断改为 search_mode 预设映射（Low/Medium → full_scene，High → concept_explore），LLM 可通过工具参数按需覆盖，不再受 effort 级别硬性约束。
  • 系统提示词更新：Agent 工具使用规则（规则 5）更新为四种 search_mode 策略的使用指南。

2026年05月17日 v1.2.9 [exp]

此版本引入了 Agent 模式，支持自动调用 Danbooru 标签搜索工具生成精确提示词。

  • 新增 Agent 模式：LLM Xml Prompt Formatter 节点新增 agent_effort 下拉框（Close / Low / Medium / High），启用后自动调用 Danbooru 标签搜索工具进行多轮检索。

    • 四级努力控制：Low（流水线模式，单轮批量搜索+LLM 组装，最快）、Medium（Agent 循环，最多 8 轮，均衡）、High（Agent 循环，最多 10 轮，最深入）。
    • NewBie / Anima 双模式兼容：Agent 模式可与两种模式组合使用，输出格式不变。
    • Anima 输出格式升级：Anima 模式下统一采用 ## Prompt + ## 中文解释 Markdown 标题结构。
    • Anima 多人物防串扰：新增多人场景下的特征分离策略，减少角色间发型/服装/体型混淆。
    • Anima 提示词规范修正：标签分隔符改为空格（与 Anima 官方规范一致），画师使用 @ 前缀，支持 (tag:权重) 语法。
    • MCP 工具集成：通过 Streamable HTTP 协议调用远程 DanbooruSearch MCP Server（HF Space + MS 双端点自动切换）。
    • 控制台 Log 输出：Agent 调用过程（查询重写、每轮工具调用、Token 消耗）均有 [Agent] 前缀 Log 输出。
    • 自动降级与容错：MCP 服务不可用时自动回退普通模式；重复工具调用自动检测退出；Agent 异常自动降级。
    • 轮次效率优化：纯标签输入 1 轮直出；标签+自然语言混合输入自动划定搜索边界；支持单轮多工具并行调用。
    • 提示词缓存：跨 ComfyUI 会话持久化，相似输入自动复用历史标签结果。
    • 强制关闭思考：Agent 模式下关闭深度思考，节省 Token。

  • 修复：v1.9.9 初版中 NewBie 模式缺少 else 分支导致崩溃、变量名截断等问题均已修复。

  • 新增依赖 httpx（用于 MCP Streamable HTTP 通信）。

2026年04月08日 v1.2.5 [exp]

此版本是实验性版本，未经大量测试用例测试，可能存在BUG。

  • 新增 Anima 模式，支持生成适用于 Anima 模型的纯文本提示词（质量词 + 标签 + 自然语言描述）。
    • LLM Xml Prompt Formatter 和 XML Style Injector 均新增 mode 单选控件（NewBie / Anima）。
    • Anima 模式使用独立的 anima_system_prompt 配置字段；不使用 gemma_prompt 前缀；跳过 XML 解析，直接按行分离中英文。
    • Anima 模式风格注入：画师以 @画师名 格式注入到质量词行之后，风格串追加到末尾；若对应字段为空则不修改原内容。
    • Anima 模式画师字符串清洗：自动去除括号、artist: 前缀、冒号权重及独立数字、将空格替换为下划线。
  • 新增 Anthropic、Kimi、Vercel AI Gateway 三个平台的深度思考控制支持。
  • 更新了很多预设风格串。

2026年03月17日 v1.2.3

  • 增加了 LLM 输出异常时的自动重试逻辑（最多重试 3 次），遇到网络抖动或 API 报错时更加稳健。
  • 在配置文件中预留了 few-shot 上下文注入接口（fewshot_user / fewshot_assistant 字段）。详见配置文件说明。

2026年02月25日 v1.2.2

  • 新增了大量预设风格串。可在此链接查看内置预设风格串的例图。

2026年02月22日 v1.2.1

  • 修复了 system prompt 中的若干问题；新增部分预设风格串。

2026年02月10日 ComfyUI-DanbooruSearcher

  • 发布了新项目 ComfyUI-DanbooruSearcher，用于模糊搜索 Danbooru 标签，可与本插件配合使用以提升输出标签质量。

2026年02月06日 v1.2.0

  • 大幅重构代码，优化各项逻辑。

2026年02月01日 v1.1.9

  • 大幅重构代码，优化各项逻辑。

2026年01月30日 v1.1.8

  • 新增思考模式对小米 MIMO 平台的支持。
  • 优化示例配置文件；更新预设风格。

2026年01月12日 v1.1.7

  • 大幅提升非 Gemini 官方平台下 Gemini 模型的 NSFW 生成能力。若仍然失败（多见于 G 向），可尝试在敏感词中插入字符以破坏 token（如 blood → blo···od）。

    开发者注：不同 API 中转平台的破限效果存在差异，其中 OpenRouter 效果最佳。Gemini 官方平台在加入强力破限词后反而可能导致无输出，故官方平台不做破限适配。

  • 优化思考模式开关逻辑，支持 Gemini 官方平台；对不支持的平台不再报错，仅打印警告。

  • 更新示例工作流。

2026年01月08日 v1.1.6

  • Style Preset Saver 新增 extracted_tags 输出流，可在保存前预览将要保存的风格提示词组。
  • 修复若干 bug，优化用户引导信息。

2026年01月07日 v1.1.5

  • 新增 Style Preset Saver 节点，支持将自定义风格提示词组保存到配置文件。
  • LLM Xml Prompt Formatter 新增思考模式开关按钮；思考内容将在控制台输出。
  • LLM Xml Prompt Formatter 在控制台输出每次请求消耗的 token 数量。
  • 更新更多预设风格提示词组；更新 README，增加 LLM 评测表格。

2026年01月03日 v1.1.0

  • 更新更多预设风格提示词组。
  • 新增 requirements.txt，支持自动安装依赖。

2025年12月26日 v1.0.7

  • LLM Xml Prompt Formatter 新增可选图片输入流，支持多模态 LLM 进行图片提示词反推。
  • 优化 system prompt，减少 token 消耗。

2025年12月24日 v1.0.5

  • 修改提示词结构，LLM 输出严格遵循 XML 格式。
  • LLM 输出后进行 XML 格式检查与自动修复（基于 lxml），降低格式错误率。
  • 将原先的正则表达式匹配法改为 XML 解析方式进行数据清洗和标签注入，增强程序鲁棒性。
  • 新增依赖 lxml。

2025年12月22日 v1.0.0

  • 统一文件结构：所有节点配置集中到 LPF_config.json。
  • 修复分享工作流原图时暴露 API Key 的问题。
  • 新增 JSON 文件编辑小工具。
  • 优化默认 system prompt，节约 token。
  • 新增 LLM 输出清洗流程，增强程序鲁棒性。
</details>

其他

NewBie 模型官方用户群：1019424838