Extensions/ComfyUI-Toggle-Pass
ComfyUI Extension

ComfyUI-Toggle-Pass

Toggle-Pass: Privacy toggle, dynamic LoRA slots, and other quality-of-life nodes for ComfyUI

By electricty00·Created 6 months ago·Updated 8 days ago· 0
electricty00/ComfyUI-Toggle-Pass
Nodes12
On cloudLocal install
CategoryToggle-Pass
Stars0
Updated8 days ago

Nodes (12)

Ref Image Encode

One prompt, up to ten reference images — this node is the whole multi-ref encode pipeline

Toggle-Pass
Ref Independent

Ten images, ten independent channels — when each reference needs its own prompt and latent

Toggle-Pass
Ref Latent Input

Skip the re-encode — feed pre-made latents into the DynamicRef conditioning

Toggle-Pass
Image Batcher

Split an image batch to disk in chunks, optionally as WebP

Toggle-Pass
一图多视角

One image, eight prompts, eight angles — the lazy multi-view generator

Toggle-Pass
Save/Load Image

Save an image and keep it in the graph — flip to Load and reuse the last save

Toggle-Pass
Toggle Empty Latent

Two latent sizes on one node — flip a switch to A/B test resolutions

Toggle-Pass
图片对比
Toggle-Pass
Toggle Load Image

LoadImage, with an eye icon to hide the preview when someone's watching

Toggle-Pass
Toggle Preview Image

PreviewImage that hides itself — temp-file preview with a privacy toggle

Toggle-Pass
采样器（一体）
Toggle-Pass
Toggle Unified Loader

UNet, CLIP, VAE and ten LoRAs in one node — the loader that declutters your graph

Toggle-Pass
Readme

ComfyUI-Toggle-Pass

English | 中文

<a id="english"></a>

English

Toggle-Pass node collection — toggle controls, image load/save/preview, privacy mask, dynamic multi-reference image encoding, unified model loader, and an all-in-one sampler.

Nodes

ToggleUnifiedLoader — Unified Model + LoRA Loader

All-in-one model loading node: UNet + CLIP + VAE + multiple LoRAs in a single node.

Loader mode (加载模式) — one node, two ways to load:

| Mode | What it does | Parameters shown | |---|---|---| | 分离组件 (UNet+CLIP+VAE) (default) | Pick UNet / CLIP / VAE separately | unet_name, clip_name, vae_name, clip_type | | Checkpoint 一体包 | Load an all-in-one checkpoint (same as the official CheckpointLoaderSimple): UNet + CLIP + VAE are extracted automatically by guessing the config | ckpt_name only |

  • The mode is a two-segment switch — UNet | Checkpoint, not a dropdown. Click the left half for separate components, the right half for an all-in-one checkpoint; the current side is highlighted
  • The switch sits on the node's top row, level with the 模型 / MODEL output slot, and its left edge lines up with the dropdown widgets below
  • The 加载模式 value is still stored and serialised normally, so existing workflows and API calls keep working — the switch only takes over how it is drawn and clicked
  • Under the Vue node renderer ("modern node design") the switch is drawn inside the combo widget instead
  • In Checkpoint 一体包 mode the separate model dropdowns are hidden, so the node stays clean
  • LoRA works in both modes — the LoRA groups are applied after loading, regardless of mode
  • The VAE comes from the checkpoint itself (same as the official simple loader)
  • Widget order — the model comes first: ckpt_name → unet_name → clip_name → vae_name → clip_type → 加载模式 → LoRA groups → buttons. In Checkpoint 一体包 mode the checkpoint dropdown is literally the top row
  • Old workflows load correctly: saved widget values are re-mapped by parameter name on load, so nothing gets scrambled. Missing values fall back to the default mode (separate components)

Inputs:

  • ckpt_name — checkpoint file from models/checkpoints (only in Checkpoint 一体包 mode)
  • unet_name — UNet model file
  • clip_name — CLIP text encoder file
  • vae_name — VAE model file
  • clip_type — CLIP type (auto-detect from UNet, or manually select: SD, SD3, FLUX, FLUX2, qwen_image, etc.)
    • Auto-detection recognises the Qwen-Image-2.1 UNet class (QwenImage21) and maps it to qwen_image. ⚠️ This is mandatory for 2.1: only CLIPType.QWEN_IMAGE loads the dedicated text encoder (Qwen3-VL 8B) that produces image_slots. Without it the generic Qwen3-VL encoder is used and reference images are silently dropped.
    • Manual override available: select qwen_image explicitly (recommended if you suspect auto-detection failed)
  • + Add LoRA button — Click to add LoRA slots one by one (up to 10)
  • - Remove LoRA button — Click to remove LoRA slots from the last group (up to 10)

LoRA Controls (added via button, up to 10 groups):

  • Select a LoRA file → one Strength slider appears automatically
  • Select "none" → the slider hides
  • All LoRAs are applied sequentially

One strength slider, on purpose. The CLIP side always follows the MODEL side, so the strength you set is exactly what takes effect.

LoRA status on the button — after a run the loader reports back what it actually did, right on the + Add LoRA button, so you never have to guess:

| Button text | Meaning | |---|---| | · 224p | the LoRA really was patched into the model — 224 patches (count produced by Python) | | · 192/224p | 192 of this LoRA's 224 modules landed; the remaining 32 have no target layer in the base checkpoint. Typical for repacked INT8 all-in-one checkpoints (e.g. img_mlp.gate_layer was fused into gate_up), not a node bug | | · ⚠️未写入 | nothing was patched — wrong architecture / incompatible file | | · ⚠️N不匹配 | N LoRAs matched zero weights (wrong base model) | | · ⚠️N跳过 | N LoRAs were skipped (file missing) | | · ⚠️N个强度0 | N selected LoRAs have strength 0 — they do nothing | | · ⚠️CLIP不符 | the text encoder that got built doesn't match the model (split mode: wrong CLIP file / clip type) — conditioning is silently useless |

The label is kept short on purpose (a long one would overflow a narrow node); hover the button to see the full per-LoRA breakdown (module coverage, CLIP check result, per-slot patch counts). The label is also cleared as soon as you add/remove/switch a LoRA, so a stale count from a previous run never lingers. Note this reports whether the patch was written, not whether it is visible in the picture — a quantized base, a reference-image-dominated edit, or a very subtle LoRA can all make the effect hard to see.

Outputs: MODEL, CLIP, VAE

Global broadcast (全局广播 switch, built in — no extra plugin needed):

Turn it on and the node's three outputs are automatically wired to every empty MODEL / CLIP / VAE input in the graph when you press Run. No dragging cables through half the canvas. Turn it off (default) and nothing changes — you wire everything yourself.

  • The real wires are made only while the prompt is being built and removed immediately afterwards, so they never get saved into your workflow
  • While the switch is on, the canvas draws a violet preview curve for every wire that will be created at run time, with a small dot at both ends landing exactly on the output/input slots. The curves are pure overlay — they create no real links, are not serializable, and disappear as soon as you switch it off
  • The curves pass behind the nodes: they are drawn on the background layer, so they show up in the empty space between nodes and are naturally hidden where they cross a node — titles and parameters stay readable (on a very tightly packed graph you will see less of the line, which is the intended trade-off)
  • It only fills empty inputs. Anything you connected by hand is left untouched — which is why "auto" and "manual" can coexist in the same graph
  • Covers MODEL / CLIP / VAE only (the node's three outputs)
  • If more than one loader has the switch on, the first one wins for each type and a warning is logged
  • The switch lives at the top of the node: directly below the UNet / Checkpoint pill, on its left half (a small pill labelled 广播 / "broadcast") — click it to toggle. It no longer takes up a full row at the bottom; the bottom now only holds the two LoRA buttons
  • Its size matches the pill: width = half of the pill, height identical to the pill (14px, edges aligned)
  • The switch state is stored in the node's properties, so it is not part of widgets_values — old workflows keep every parameter in its original position, and the switch simply defaults to off
  • Works alongside cg-use-everywhere (it does not touch that plugin's ue_convert flag)

Limitation: the broadcast happens on the front-end, so it applies when you press Run or export the API format from the UI. A raw POST /prompt with a hand-written API JSON never passes through the front-end, so no auto-wiring happens there — export the API format once and the JSON already has the links.

SaveLoadImage — Save/Load Toggle

Image save node with Save/Load mode toggle.

  • Save mode: Save image to output directory, output IMAGE and MASK
  • Load mode: Reuse the last saved image, skip saving
  • Click 👁 icon in the title bar to toggle privacy mask (hide/show image preview)

ToggleLoadImage — Load Image

Custom image loading node, same functionality as built-in LoadImage, with privacy mask support.

  • Click 👁 icon in the title bar to toggle privacy mask

TogglePreviewImage — Preview Image

Custom image preview node, saves to temp (not output), with privacy mask support.

  • Click 👁 icon in the title bar to toggle privacy mask

ToggleEmptyLatent — Toggle Empty Latent

Toggleable empty Latent generation node.

  • ON: Use width/height parameters
  • OFF: Use fallback_width/fallback_height parameters (useful for A/B size comparison)

DynamicRefIndependent — Multi-Reference Independent Encoding (Core Node)

Each reference image is independently VAE-encoded, outputting separate CONDITIONING and LATENT pairs. Ideal for scenarios where multiple images control style/content independently.

Inputs (dynamic, controlled by num_images):

  • clip — CLIP model
  • vae — VAE model
  • num_images — Number of reference images (1~10)
  • instruction — System prompt (leave empty for default)
  • image1 ~ imageN — Reference images
  • prompt1 ~ promptN — Per-image prompts (collapsible widgets inside node)

Model type: Flux2 / Qwen Layered / Qwen Image 2.1 / SD / SDXL

  • Selecting Qwen Image 2.1 reveals its own parameter group (see Qwen Image 2.1)
  • Selecting Qwen Layered reveals layers; latent output is layered ([1, 16, layers+1, h/8, w/8])
  • Selecting Flux2 / SD / SDXL only shows the classic 输出宽度/高度 (old behaviour, unchanged)

Outputs (dynamic, N×2):

  • cond_1, latent1, cond_2, latent2, ... cond_N, latentN

Usage:

  1. Drag in the node, default is 1 reference image
  2. Adjust num_images to desired count (1~10), input/output slots auto-adjust
  3. Connect each reference image and fill in corresponding prompts
  4. Connect cond_N to sampler's conditioning, latentN to VAE Encode's latent

DynamicRefImageEncode — Dynamic Reference Image Encoding

Single prompt control, dynamically add/remove reference image input slots.

Inputs: clip, num_images, prompt, image1 ~ imageN Outputs: CONDITIONING, LATENT (all images share the same conditioning, latents output separately)

Model type: Flux2 / Qwen Layered / Qwen Image 2.1 / SD / SDXL

  • Qwen Layered: Adds a layers parameter; latent output is a layered latent ([1, 16, layers+1, h/8, w/8]), directly connectable to Ksampler's latent input (replaces EmptyQwenImageLayeredLatentImage)
  • Qwen Image 2.1: Adds its own parameter group for editing + resolution control (see below)
  • Every model type only shows the parameters it actually uses — switching the dropdown hides the rest, so the node stays clean
  • When 匹配原图尺寸 = ON, uses the actual image size; when OFF, uses the 2.1 resolution parameters (or 输出宽度/高度 for other models)

DynamicRefLatentInput — Dynamic Latent Input

Dynamically add/remove LATENT input slots, for use with DynamicRef series.

ImageBatcher — Image Batcher

Dynamically add/remove IMAGE input slots, batch multiple images together.

ToggleImageCompare — 图片对比

Compare multiple "source" images against multiple "result" images by composing them into a single side-by-side sheet, previewed right inside the node.

Inputs: num_sources, num_results, source1~source10, result1~result10

  • num_sources / num_results — how many slots to show for each group (1~10), adjusted independently, so N sources + 1 result and N sources + N results are both supported
  • source1~source10 — the "before" / original images
  • result1~result10 — the "after" / generated images

In the node UI these are shown in Chinese: slots as 原图1~原图10 / 结果1~结果10, counters as 原图数 / 结果数, and the output as 对比图. The English keys above are kept unchanged so existing workflows keep loading.

Parameters

  • 排版 (layout) — 自动 (auto) / 成对并排 (paired) / 上下两排 (stacked) / 自动网格 (grid)
    • 自动 picks paired when the two groups have equal counts, otherwise stacked
  • 标签 (labels) — burn 原1 / 结1 … badges on each tile, or hide them

Outputs: comparison — one composed IMAGE (feed it into SaveLoadImage or a preview node)

Layout is decided by the images actually connected, not by how many slots you enabled, so you never have to touch the settings when the counts change. Images of different sizes are scaled to a common row height (aspect ratio preserved).

OneImageMultiPrompt — One Image Multiple Prompts

One reference image with multiple prompts, output separate conditionings (up to 8), sharing a single latent.

Inputs: clip, image, prompt数量, prompt1 ~ prompt8

  • prompt数量 — how many prompts to use (2~8); unused prompt boxes are hidden automatically
  • 模型类型 — Flux2 / Qwen Image 2.1 / SD / SDXL / Krea2. Selecting Qwen Image 2.1 adds the full resolution parameter group, so one photo can be rendered from multiple viewpoints / edits at once.

Outputs: cond_1 ~ cond_8, latent

ToggleSampler — All-in-one Sampler (采样器（一体）)

Collapses the official four-node chain into a single node:

RandomNoise + CFGGuider + KSamplerSelect + (BasicScheduler | ManualSigmas)  ->  SamplerCustomAdvanced

Inputs: 模型 (MODEL), 正面条件 / 负面条件 (CONDITIONING), Latent图像 (LATENT) Parameters: 采样方案, 采样器, 调度器, 步数, CFG, 降噪, 噪波随机种, 自定义Sigma表 Outputs: Latent, 降噪Latent

Model / conditioning / latent stay as sockets on purpose — the only thing that really differs between models is the sigma curve, so switching models never needs a new node. 采样方案 comes in three flavours:

| Scheme | What it does | Which parameters matter | |---|---|---| | 自动（按步数 + 调度器） | computes sigmas live — numerically identical to official BasicScheduler | 步数 + 调度器 | | Preset tables: Qwen-Image-2.1 turbo 8步, LTX-2 视频 8步（蒸馏）, LTX-2 视频 3步（低噪） | fixed distillation trajectory | none — the step count is baked into the table | | 自定义表 | hand-typed sigma list | 自定义Sigma表 |

A sigma table must be comma separated, strictly decreasing, end with 0, and N values = N-1 steps (9 values = 8 steps).

Parameters that a preset makes irrelevant are greyed out and locked: 步数 flips to the preset's real value (still readable, just not editable), and switching back to 自动 restores your own step count. 降噪 < 1.0 trims the tail of the table, so low-denoise refinement works with presets too.

For distilled turbo models use 采样器 = euler and CFG = 1.0.

<a id="qwen-image-21-support"></a>

Qwen Image 2.1 Support

DynamicRefImageEncode, DynamicRefIndependent and OneImageMultiPrompt all support Qwen-Image-2.1 image editing / multi-view generation. Select Qwen Image 2.1 in 模型类型 and these parameters appear:

| Parameter | Meaning | |---|---| | 宽高比 (Aspect ratio) | Preset ratios (1:1 / 3:2 / 16:9 / 21:9 ...), or 自定义（用输出宽度/高度） | | 百万像素 (Megapixels) | Total pixel budget, e.g. 1.0 ≈ 1024×1024, 2.6 ≈ 2016×1344. Range 0.1~16, do not fill 1024 here | | 倍数 (Multiple) | Alignment step, fixed ≥ 32 (16 will break shapes) | | 参考图分辨率 (Ref resolution) | How large the reference image is fed to the model (area target). 0 = keep original size | | 尺寸适配 (Ref fit mode) | 参考图保比例 (default, no distortion) / 参考图裁剪 / 参考图拉伸 |

Key rules learned from aligning with the official TextEncodeQwenImage21:

  • Output size and reference size are independent. qwen_image uses default_ref_method = "index", so the reference and the output live on separate RoPE planes and need not be the same shape. Changing 参考图分辨率 does not change the output size.
  • Instructions must go into the prompt text, not the instruction field. comfy/text_encoders/qwen_image21.py drops the system turn, so anything written into instruction is silently discarded for 2.1 — the node merges it into the user text automatically. The default Flux-era English instruction is ignored (it would pollute the prompt).
  • The latent output is all-zero. Feeding the reference image's real latent turns editing into img2img (nothing changes). The real latent only goes into reference_latents in the conditioning.
  • Images must be multiples of 32; RGBA reference images are composited on white for the vision tower.

Recommended setup for editing: 匹配原图尺寸 = OFF, 尺寸适配 = 参考图保比例, 百万像素 = 1.0, 倍数 = 32, 参考图分辨率 = 1024.

<a id="krea2-support"></a>

Krea2 Support

ToggleUnifiedLoader, DynamicRefImageEncode, DynamicRefIndependent and OneImageMultiPrompt all support Krea2. The loader detects Krea2 from the UNet automatically and picks CLIPType.KREA2 + the Krea2TEModel text encoder; the three encoding nodes just need 模型类型 = Krea2.

⚠️ VAE must match the model. This is the single most common failure — mixing them up does not fail at load time, it fails deep inside VAEDecode:

| Model | VAE file | latent | |---|---|---| | Qwen-Image 2.1 | qwen_image_2.1_vae_bf16.safetensors | 64 ch / 16x / RGBA | | Krea2 | qwen_image_vae.safetensors | 16 ch / 8x / RGB |

A wrong VAE is silently padded by fix_empty_latent_channels (16 → 64), sampling still finishes, and then decode dies with IndexError: tuple index out of range from the Wan 2.1 branch. The loader now compares latent_channels / latent_dimensions at load time and prints the exact file you should use instead.

Key rules learned from aligning with the official TextEncodeQwenImageEditPlus:

  • Reference latent size ≠ output size. Reference images are VAE-encoded at ~1 MP (multiples of 8), the vision tower gets a ~384 px thumbnail.
  • The VAE only takes RGB — alpha is dropped, not composited.
  • Vision placeholders must be written by hand. With an explicit llama_template the Qwen3-VL tokenizer does not auto-insert them, so the node emits Picture N: <|vision_start|><|image_pad|><|vision_end|>. Without it the reference image is completely invisible to the model.
  • reference_latents_method is mandatory. Krea2's default_ref_method is None, so references are silently ignored unless the method is set; the node always sets index_timestep_zero (same as the official style-reference template).
  • The latent output is all-zero (16 ch / 8x) — same "editing, not img2img" rule as 2.1.
  • Sigma curve: Krea2 turbo uses the 自动（按步数 + 调度器） scheme in 采样器（一体）. The Qwen-Image-2.1 turbo 8步 table is not interchangeable with it.

Canvas Menu Entry

All Toggle-Pass nodes are also reachable from the canvas menu (same place as KJNodes / rgthree entries):

🔄 Toggle-Pass  ▸
   ├ 采样器（一体）
   ├ Image Batcher
   ├ Multi Ref Latent Input
   ├ One Image Multi Prompt
   ├ Ref Image Encode
   ├ Ref Independent
   └ ...
  • The list is collected at runtime — new nodes show up automatically, no code change needed
  • Clicking an item spawns the node at your pointer position

Privacy Mask

SaveLoadImage, ToggleLoadImage, and TogglePreviewImage support privacy mask:

  • Title bar shows 👁 (show image) / 🫣 (hide image) icon
  • Click icon to toggle privacy state; when hidden, image preview area is blank
  • Privacy state is saved/restored with workflow, does not affect image generation

Example Workflows

Ready-to-load graphs live in example_workflows/ — drag a .json onto the canvas, or open it from the workflow menu.

| File | What it demonstrates | Extra deps | | --- | --- | --- | | All-in-One Demo.json | Every Toggle-Pass node in one graph: ToggleUnifiedLoader, ToggleSampler, ToggleLoadImage ×2, ToggleImageCompare, TogglePreviewImage, DynamicRefImageEncode, SaveLoadImage + VAEDecode. Best place to start — needs no third-party nodes. | — | | Graphic-Text Integration Editing.json | Text + single reference image editing through DynamicRefImageEncode, saved by SaveLoadImage. | — | | Batch Editing.json | Six input images batched into one reference set for batch editing. | RTXVideoSuperResolution | | Lazy Person's Multi-angle View.json | One image + OneImageMultiPrompt ("一图多视角") to generate several camera angles in one run. | CR Upscale Image |

The model filenames inside these graphs reflect the author's local setup. If a loader shows red after loading, point it at your own checkpoint / text encoder / VAE.

Notes

  • When num_images changes, input/output slots auto-adjust, existing connections are not broken
  • Switching pages and back, nodes auto-restore to correct slot count
  • Requires Qwen2.5-VL or compatible CLIP model; Qwen-Image-2.1 requires Qwen3-VL 8B + qwen_image clip type
  • Default instruction is for Qwen-Image-Edit models, modify as needed
  • Only parameters relevant to the selected 模型类型 are shown; the rest are hidden
  • Illegal widget values (e.g. 倍数 = NaN) fall back to safe defaults on load. After upgrading, restart ComfyUI and hard-refresh (Ctrl+F5) once, then save your workflow
  • ⚠️ Modern node design (Vue nodes) breaks widget.hidden and custom drawing — with it enabled every parameter stays visible and the privacy icon disappears. Turn it off in ComfyUI settings.
  • ⚠️ On quantized checkpoints (INT8/FP8) a LoRA still takes effect, but it comes out "blurrier": ComfyUI dequantizes → patches → re-quantizes with stochastic rounding, so the delta keeps its magnitude (~115%) while its direction picks up noise (cosine 0.4–0.7). Pose/structure LoRAs stay visible, very subtle style LoRAs may not. This is upstream behavior — official LoraLoader is identical (A/B with the same seed gave pixel-identical output, meanAbsDiff = 0.00)
  • The loader reports how many patches each LoRA actually wrote plus module coverage (192/224p) — see the button labels above. A missing fraction usually means the checkpoint was repacked and those layers don't exist in it, not that the LoRA failed to load
  • ⚠️ CLIP check (split mode): after loading, the loader verifies the text-encoder class it actually built (e.g. QwenImage21TEModel_ vs a wrong QwenImageTEModel_ / Flux2TEModel_). A mismatched CLIP file still runs silently but makes the conditioning useless; the button then shows ⚠️CLIP不符 and the log prints the expected class + what to do
  • ⚠️ VAE check (split mode): the loader also compares latent channels / dimensions against the model. A mismatched VAE never fails at load time — it dies later inside VAEDecode (IndexError: tuple index out of range), so the loader now warns immediately and names the file to use
  • Hiding/collapsing a LoRA group reclaims the node height, so the node never stays as a long empty box
  • Selection box on canvas follows the mouse again: ComfyUI 1.57.x clamps the drag-selection rectangle to .graph-canvas-panel, which only covers the lower part of the canvas — dragging in the upper half pushed the box's top edge down (and squashed its height to 0), so the box seemed to appear "somewhere else". js/selection_rect_fix.js rewrites that box's position from the real mouse points. Disable it with localStorage.setItem("tp_selrect_fix", "off") in the browser console + refresh
  • Python changes require a ComfyUI restart; pure JS changes only need Ctrl+F5

<a id="中文"></a>

中文

Toggle-Pass 系列节点——开关控制、图片加载/保存/预览、隐私遮罩、多参考图动态编码、统一模型加载、一体化采样器。

节点说明

ToggleUnifiedLoader — 统一模型 + LoRA 加载器

一体化模型加载节点：UNet + CLIP + VAE + 多 LoRA 整合到一个节点中。

加载模式（加载模式）— 一个节点，两种加载方式：

| 模式 | 作用 | 显示的参数 | |---|---|---| | 分离组件 (UNet+CLIP+VAE)（默认） | UNet / CLIP / VAE 分别指定 | unet_name、clip_name、vae_name、clip_type | | Checkpoint 一体包 | 加载一体化 checkpoint（等同官方 CheckpointLoaderSimple）：自动猜配置，UNet + CLIP + VAE 一次出齐 | 只显示 ckpt_name |

  • 加载模式做成了一个两段式开关 UNet | Checkpoint（不再是下拉框）：点左半是分离组件、点右半是一体包， 当前档高亮。开关位于节点顶部第一行，与输出插槽 模型 / MODEL 同一行，左端与下方所有下拉框的 左边缘对齐
  • 底层 加载模式 的值照常保存与序列化，旧工作流与 API 调用完全不受影响 —— 开关只是接管了绘制与点击
  • 「现代节点设计」（Vue 节点渲染）下，开关会改为画在下拉框内部
  • 选 Checkpoint 一体包 时，分离的三个模型下拉会自动隐藏，界面不眼花
  • 两种模式都能加 LoRA —— LoRA 组在加载完成后统一应用
  • VAE 用一体包自带的（与官方简易版一致）
  • 参数顺序：模型在最前 —— ckpt_name → unet_name → clip_name → vae_name → clip_type → 加载模式 → LoRA 组 → 按钮。一体包模式下第一行就是 checkpoint 下拉框
  • 旧工作流能正常加载：加载时会按参数名把保存的值对回去，不会串位
  • 缺失的值仍然回退到默认模式（分离组件）

输入：

  • ckpt_name — models/checkpoints 里的 checkpoint 文件（只在「Checkpoint 一体包」模式下显示）
  • unet_name — UNet 模型文件
  • clip_name — CLIP 文本编码器文件
  • vae_name — VAE 模型文件
  • clip_type — CLIP 类型（支持 auto 从 UNet 自动检测，也可手动选择：SD、SD3、FLUX、FLUX2、qwen_image 等）
    • 自动检测能识别 Qwen-Image-2.1 的 UNet 类名（QwenImage21）并映射到 qwen_image
    • ⚠️ 这是 2.1 的必备条件：只有 CLIPType.QWEN_IMAGE 才能加载 2.1 专用文本编码器（Qwen3-VL 8B）， 它会生成 image_slots；否则会退回通用 Qwen3-VL 编码器，参考图被静默丢弃
    • 也支持手动指定：怀疑自动检测没生效时直接选 qwen_image
  • + 添加 LoRA 按钮 — 点击逐个添加 LoRA 槽位（最多 10 组）
  • - 移除 LoRA 按钮 — 点击从最后一组开始移除（最多 10 组）

LoRA 控件（通过按钮添加，最多 10 组）：

  • 选择 LoRA 文件 → 自动展开一个「强度」滑块
  • 选择 "none" → 自动隐藏滑块
  • 多个 LoRA 按顺序依次应用

只有一个强度滑块是有意为之：CLIP 侧始终跟随 MODEL 侧，保证「看到的强度 = 实际生效强度」。

跑完之后按钮上直接告诉你 LoRA 到底写没写进去（后端回传，不用再猜）：

| 按钮文案 | 含义 | |---|---| | · 224p | LoRA 确实写进了模型，共 224 个 patch（数字是 Python 侧统计的真实值） | | · 192/224p | 这份 LoRA 的 224 个模块里只落下 192 个，剩下 32 个在当前底座上没有对应层。典型于被 repack 过的 INT8 一体包（如 img_mlp.gate_layer 被融进 gate_up），不是节点的问题 | | · ⚠️未写入 | 一个 patch 都没挂上 —— 架构不匹配 / 文件不对 | | · ⚠️N不匹配 | N 个 LoRA 的键名跟底座完全对不上（拿错底座的 LoRA） | | · ⚠️N跳过 | N 个 LoRA 被跳过（文件找不到） | | · ⚠️N个强度0 | 有 N 个已选 LoRA 强度是 0 —— 等于没加 | | · ⚠️CLIP不符 | 建出的文本编码器与模型不配套（分体模式下换错 CLIP 文件 / 选错 clip 类型）—— 提示词会被错误编码，跑得通但什么都不生效 |

按钮文案故意写得很短（太长会溢出窄节点），鼠标悬停在按钮上能看到每个 LoRA 的完整明细 （模块覆盖率、CLIP 校验结果、每个槽位实际写入的 patch 数）； 另外只要增删/切换 LoRA，上一次运行的数字会立刻清掉，不会留一个过期读数误导你。 注意它反映的是「patch 有没有写进去」，不等于「画面上一定看得出来」——量化底座、参考图主导的编辑、过于细微的 LoRA，都会让效果不明显。

输出：MODEL、CLIP、VAE

全局广播（节点自带开关，不需要装任何额外插件）：

打开后，点「运行」时会把这三个输出自动接到图里所有空着的 MODEL / CLIP / VAE 输入上， 不用再横跨半张画布拉线。关掉（默认）就完全保持原样，自己连线。

  • 这些线只在提交的那一刻真实存在，提交完立刻拆掉 —— 不会被存进工作流
  • 开关打开时，画布上会用紫色曲线画出「运行时会自动接上的每一条线」，起点/终点各有一个小圆点， 精确落在输出口和输入口上。曲线只是视觉预览：不创建真实连线、不参与序列化，关掉开关立刻消失
  • 曲线从节点背后穿过：画在节点下层，节点之间的空白处正常显示，穿过节点的地方被节点自然遮住， 所以永远不会盖住节点标题和参数（节点排得密时可见部分会少一些，这是刻意的取舍）
  • 只补空位：凡是已经手连的输入一律不动，所以「自动」和「手动」可以在同一张图里混用
  • 只覆盖 MODEL / CLIP / VAE（也就是本节点的三个输出）
  • 如果图里有多个加载器都开了广播，同一类型只取第一个，并在控制台给出提示
  • 开关在节点顶部：就在 加载模式 那个 UNet / Checkpoint 胶囊的正下方、左半边（一个小胶囊， 左边写「广播」）—— 点一下切换。它不再占用节点底部一整行，底部只剩 LoRA 那两个按钮
  • 开关状态存在节点的 properties 里，不占 widgets_values —— 旧工作流的每一项参数位置都不变， 开关默认关闭
  • 与 cg-use-everywhere 共存，不碰它那套 ue_convert 标记

限制：广播发生在前端，所以「界面里点运行」和「从界面导出 API 格式」都算数； 但直接 POST /prompt 提交手写的 API JSON 不经过前端，就不会自动接线 —— 需要的话在界面里导出一次 API 格式，导出的 JSON 里线已经带好了。

SaveLoadImage — 保存/加载切换

图片保存节点，支持 Save/Load 模式切换。

  • Save 模式：保存图片到 output 目录，同时输出 IMAGE 和 MASK
  • Load 模式：直接复用上次保存的图片，跳过保存流程
  • 点击标题栏 👁 图标可切换隐私遮罩（隐藏/显示图片预览）

ToggleLoadImage — 加载图片

自定义加载图像节点，和原生 LoadImage 功能一致，额外支持隐私遮罩。

  • 点击标题栏 👁 图标可切换隐私遮罩（隐藏/显示图片预览）

TogglePreviewImage — 预览图片

自定义预览图像节点，不保存到 output 目录（保存到 temp），支持隐私遮罩。

  • 点击标题栏 👁 图标可切换隐私遮罩（隐藏/显示图片预览）

ToggleEmptyLatent — 开关空 Latent

可切换的空 Latent 生成节点。

  • ON：使用 width/height 参数生成
  • OFF：使用 fallback_width/fallback_height 参数（可用于 A/B 尺寸对比）

DynamicRefIndependent — 多参考图独立编码（核心节点）

每张参考图独立 VAE 编码，输出各自独立的 CONDITIONING 和 LATENT，适合多图各自控制风格/内容的场景。

输入（动态，由 num_images 控制）：

  • clip — CLIP 模型
  • vae — VAE 模型
  • num_images — 参考图数量（1~10）
  • instruction — 系统提示词（可留空使用默认）
  • image1 ~ imageN — 参考图
  • prompt1 ~ promptN — 每张图对应的提示词（控件在节点内，可折叠）

模型类型：Flux2 / Qwen Layered / Qwen Image 2.1 / SD / SDXL

  • 选择 Qwen Image 2.1 会展开 2.1 专属参数组（见 Qwen Image 2.1 支持）
  • 选择 Qwen Layered 会展开「图层数」
  • 每种模型只显示自己用得上的参数，其余自动隐藏，界面不会眼花

输出（动态，N×2 个）：

  • cond_1, latent1, cond_2, latent2, ... cond_N, latentN

用法：

  1. 拖入节点，默认 1 张参考图
  2. 调整 num_images 到需要的数量（1~10），输入槽和输出槽自动增减
  3. 每张图连接自己的参考图，填写对应 prompt
  4. cond_N 连到 sampler 的 conditioning，latentN 连到 VAE Encode 的 latent（供参考图编码使用）

DynamicRefImageEncode — 动态参考图编码

单张 prompt 控制，动态增删参考图输入槽。

输入：clip, num_images, prompt, image1 ~ imageN 输出：CONDITIONING, LATENT（所有图共享同一份 conditioning，分别输出 latent）

模型类型：Flux2 / Qwen Layered / Qwen Image 2.1 / SD / SDXL

  • Qwen Layered：增加「图层数」参数；输出的 latent 为分层格式（[1, 16, layers+1, h/8, w/8]），可直接接到 K采样器的 latent 输入（省掉 EmptyQwenImageLayeredLatentImage 节点）
  • Qwen Image 2.1：增加 2.1 专属的分辨率参数组（详见下方小节）
  • 每个模型类型只显示自己需要的参数，切换下拉框即自动隐藏其余的
  • 「匹配原图尺寸」= ON 时，使用图片实际尺寸；= OFF 时，2.1 走分辨率参数组，其他模型仍用「输出宽度/高度」（旧行为不变）

DynamicRefLatentInput — 动态 Latent 输入

动态增删 LATENT 输入槽，配合 DynamicRef 系列使用。

ImageBatcher — 图像批处理

动态增删 IMAGE 输入槽，将多张图打包成批次。

ToggleImageCompare — 图片对比

把多张「原图」与多张「结果」拼成一张对比图，节点内直接预览。

输入：num_sources、num_results、source1~source10、result1~result10

  • num_sources / num_results — 每组显示几个槽（1~10），两组各自独立， 所以 N 张原图 + 1 张结果 和 N 张原图 + N 张结果 都支持
  • source1~source10 — 原图（before）
  • result1~result10 — 结果（after）

节点上显示为 原图1~原图10 / 结果1~结果10、原图数 / 结果数、输出 对比图； 上面这些英文 key 保持不变，为了兼容已保存的工作流。

参数

  • 排版 — 自动 / 成对并排 / 上下两排 / 自动网格
    • 自动：两组数量相等时用「成对并排」，不等时用「上下两排」
  • 标签 — 在每张图上烧 原1 / 结1 … 角标，或隐藏

输出：comparison —— 一张合成图（可直接接 SaveLoadImage 或预览节点）

排版按实际接上的图算，而不是你开了几个槽，所以数量变了也不用改设置。尺寸不一样的图会 按行统一高度缩放（保持宽高比）。

OneImageMultiPrompt — 单图多提示词（一图多视角）

一张参考图对应多个提示词，分别输出各自的 conditioning（最多 8 组），共享同一个 latent。

输入：clip、image、prompt数量、prompt1 ~ prompt8

  • prompt数量 — 用几个提示词（2~8），多余的 prompt 框会自动隐藏
  • 模型类型 — Flux2 / Qwen Image 2.1 / SD / SDXL / Krea2。选 Qwen Image 2.1 会展开完整的分辨率参数组， 适合「一张图出多个视角 / 多种编辑」。

输出：cond_1 ~ cond_8、latent

ToggleSampler — 采样器（一体）

把官方四件套收进一个节点：

随机噪波 + CFG引导器 + K采样器选择 + (基础调度器 | 手动Sigmas)  ->  SamplerCustomAdvanced

输入：模型（MODEL）、正面条件 / 负面条件（CONDITIONING）、Latent图像（LATENT） 参数：采样方案、采样器、调度器、步数、CFG、降噪、噪波随机种、自定义Sigma表 输出：Latent、降噪Latent

模型 / 条件 / Latent 故意保留成插槽——真正随模型变的只有 sigma 曲线，所以换模型不用换节点。 采样方案 分三类：

| 方案 | 作用 | 生效参数 | |---|---|---| | 自动（按步数 + 调度器） | 现场算 sigma，与官方 BasicScheduler 数值完全一致 | 步数 + 调度器 | | 预置表：Qwen-Image-2.1 turbo 8步、LTX-2 视频 8步（蒸馏）、LTX-2 视频 3步（低噪） | 蒸馏模型专用的固定轨迹 | 无——步数已写进表里 | | 自定义表 | 手填一串 sigma | 自定义Sigma表 |

sigma 表规则：逗号分隔、严格递减、末值必须是 0、N 个点 = N-1 步（9 个点 = 8 步）。

选了预置表之后失效的参数会自动变灰并锁住：步数 会跳到该表真实的步数（看得见但改不动）， 切回 自动 会还回你自己设的步数。降噪 < 1.0 会裁掉表的尾部，所以预置表也能做低降噪细化。

蒸馏 turbo 模型推荐 采样器 = euler、CFG = 1.0。

<a id="qwen-image-21-支持"></a>

Qwen Image 2.1 支持

DynamicRefImageEncode（Ref Image Encode）、DynamicRefIndependent（Ref Independent）、 OneImageMultiPrompt（一图多视角）均已支持 Qwen-Image-2.1 图像编辑 / 多视角生成。 把「模型类型」选成 Qwen Image 2.1，会展开下面这组参数：

| 参数 | 含义 | |---|---| | 宽高比 | 预设比例（1:1 / 3:2 / 16:9 / 21:9 …），或 自定义（用输出宽度/高度） | | 百万像素 | 总像素预算：1.0 ≈ 1024×1024，2.6 ≈ 2016×1344。范围 0.1~16，别在这里填 1024 | | 倍数 | 对齐步长，硬下限 32（填 16 会算出非法形状，例如 5024×3344） | | 参考图分辨率 | 参考图喂给模型前被缩到多大（面积基准）；0 = 保持原尺寸 | | 尺寸适配 | 参考图保比例（默认，不变形）/ 参考图裁剪 / 参考图拉伸 |

对齐官方 TextEncodeQwenImage21 时总结出的几条关键规则：

  • 出图尺寸和参考图尺寸互不影响。 qwen_image 用的是 default_ref_method = "index"， 参考图和输出各占独立的位置平面，不需要同形。改「参考图分辨率」不会让出图变大变小。
  • 指令要写进提示词文本，不能写在 instruction 里。 comfy/text_encoders/qwen_image21.py 会丢弃 system 段，写进 instruction 的内容在 2.1 下会被静默丢弃； 节点已自动把它并进 user 段（Flux 时代那句默认英文 instruction 会被忽略，免得污染提示词）。
  • latent 输出是全零。 如果把参考图的真实 latent 当采样起点，编辑就会退化成 img2img（内容完全不变）； 真实 latent 只进 conditioning 的 reference_latents。
  • 图片必须是 32 的倍数；带 alpha 的参考图会先合成到白底再送进视觉塔。

推荐设置（2.1 图像编辑）：匹配原图尺寸 = OFF、尺寸适配 = 参考图保比例、 百万像素 = 1.0、倍数 = 32、参考图分辨率 = 1024。

<a id="krea2-支持"></a>

Krea2 支持

ToggleUnifiedLoader（统一加载器）、DynamicRefImageEncode（Ref Image Encode）、 DynamicRefIndependent（Ref Independent）、OneImageMultiPrompt（一图多视角）均已支持 Krea2。 加载器会从 UNet 自动认出 Krea2，直接配 CLIPType.KREA2 + Krea2TEModel 文本编码器； 三个编码节点只要把「模型类型」选成 Krea2 即可。

⚠️ VAE 必须和模型配套。 这是最常见的翻车点——配错不会在加载时报错，而是在 VAEDecode 深处炸：

| 模型 | VAE 文件 | latent | |---|---|---| | Qwen-Image 2.1 | qwen_image_2.1_vae_bf16.safetensors | 64 通道 / 16x / RGBA | | Krea2 | qwen_image_vae.safetensors | 16 通道 / 8x / RGB |

配错时 fix_empty_latent_channels 会静默把 16 通道补成 64，采样照样跑完， 然后解码落进 Wan 2.1 分支报 IndexError: tuple index out of range。 现在加载器会在加载时比对 latent_channels / latent_dimensions，直接把该换哪个文件打到日志里。

对齐官方 TextEncodeQwenImageEditPlus 后总结的几条规则：

  • 参考图尺寸和出图尺寸无关。 参考图按约 1 MP（对齐 8 倍数）编码进 VAE， 视觉塔只吃约 384 px 的缩略图。
  • VAE 只吃 RGB —— alpha 是丢掉，不是合成。
  • 视觉占位符必须手写。 传了显式 llama_template 时 Qwen3-VL 的 tokenizer 不会自动插占位符， 节点会自己拼 Picture N: <|vision_start|><|image_pad|><|vision_end|>； 漏了就相当于参考图对模型完全不可见。
  • reference_latents_method 必须显式给。 Krea2 的 default_ref_method 是 None， 不设方法时参考图会被静默忽略（不报错，只是没效果）；节点固定设为 index_timestep_zero （与官方风格参考模板一致）。
  • latent 输出是全零（16 通道 / 8x）——和 2.1 一样是「编辑而不是 img2img」。
  • sigma 曲线： Krea2 turbo 在 采样器（一体） 里用 自动（按步数 + 调度器） 方案， Qwen-Image-2.1 turbo 8步 那张表不能套过来用。

画布菜单入口

本插件全部节点也能从画布菜单里直接添加（和 KJNodes / rgthree 的入口在同一处）：

🔄 Toggle-Pass  ▸
   ├ 采样器（一体）
   ├ Image Batcher
   ├ Multi Ref Latent Input
   ├ One Image Multi Prompt
   ├ Ref Image Encode
   ├ Ref Independent
   └ ...
  • 列表是运行时自动收集的，以后新增节点自动出现，不用改代码
  • 点击任意一项，节点落在鼠标所在位置

隐私遮罩功能

SaveLoadImage、ToggleLoadImage、TogglePreviewImage 三个节点均支持隐私遮罩：

  • 标题栏右侧显示 👁（显示图片）/ 🫣（隐藏图片）图标
  • 点击图标切换隐私状态，隐藏时图片预览区域留空
  • 隐私状态随工作流自动保存/恢复，不影响生图流程

示例工作流

现成的图都在 example_workflows/ 里，把 .json 拖到画布上就能打开。

| 文件 | 演示什么 | 额外依赖 | | --- | --- | --- | | All-in-One Demo.json | 一个图里放齐本插件全部节点：ToggleUnifiedLoader、ToggleSampler、ToggleLoadImage ×2、ToggleImageCompare、TogglePreviewImage、DynamicRefImageEncode、SaveLoadImage + VAEDecode。想快速上手就从这张开始 —— 不需要任何第三方节点。 | 无 | | Graphic-Text Integration Editing.json | 单张参考图的「文字 + 参考图」编辑，用 DynamicRefImageEncode 编码、SaveLoadImage 保存。 | 无 | | Batch Editing.json | 六张输入图经批处理组成一组参考图，做批量编辑。 | RTXVideoSuperResolution | | Lazy Person's Multi-angle View.json | 一张图 + OneImageMultiPrompt（一图多视角），一次生成多个机位。 | CR Upscale Image |

这些图里的模型文件名是作者本机的配置。加载后如果有加载器变红，在对应节点里改成你自己的 checkpoint / 文本编码器 / VAE 即可。

注意事项

  • num_images 调整时，输入/输出槽会自动增减，已有连线不会被断开
  • 切换页面再回来，节点会自动恢复到正确的槽位数量
  • 需要 Qwen2.5-VL 或兼容的 CLIP 模型；用 Qwen-Image-2.1 时需要 Qwen3-VL 8B + qwen_image 类型的 clip
  • 默认 instruction 适用于 Qwen-Image-Edit 类模型，可按需修改（2.1 下会自动并进提示词文本）
  • 界面只显示当前「模型类型」用得上的参数，其余自动隐藏
  • 非法的参数值（如 倍数 = NaN、百万像素 = 1024）在加载时会自动回退到安全默认值。 升级后请重启 ComfyUI + 强刷一次（Ctrl+F5），然后保存工作流即可固化
  • ⚠️ 「现代节点设计（Vue 节点）」会导致 widget.hidden 与自定义绘制失效 —— 开启后所有参数都会展开、 隐私开关图标也会消失。请在 ComfyUI 设置里关掉它
  • ⚠️ 量化底座（INT8/FP8）上 LoRA 依然生效，只是更"糊"：ComfyUI 走「反量化 → 叠加 patch → 再量化回 int8」，但用的是随机舍入 + 重算 scale，增量幅度能保留约 113%~120%，代价是方向带噪声 （余弦 0.4~0.7）。姿态/结构类 LoRA 看得出来，特别细微的风格类可能看不出来。 这是上游行为，官方 LoraLoader 一模一样（同 seed A/B 实测：本节点与 CheckpointLoaderSimple + LoraLoader 输出逐像素完全一致，meanAbsDiff = 0.00）
  • 加载器会把每个 LoRA 实际写入了多少 patch 以及模块覆盖率（192/224p）回传到按钮上 （见上面那张表）。覆盖率不满一般是底座被 repack、那几层不存在，而不是 LoRA 没加载
  • ⚠️ 分体模式的 CLIP 校验：加载完 CLIP 后会比对实际建出的文本编码器类名与模型是否配套 （正确类名如 QwenImage21TEModel_ / QwenImageTEModel_ / Flux2TEModel_，日志会打印）。 不配套时按钮显示 ⚠️CLIP不符，日志会给出预期类名和处理建议 —— 否则这种情况会「跑得通但什么都不生效」，极难自查
  • ⚠️ 分体模式的 VAE 校验：加载器还会比对 latent 通道数 / 维度与模型是否配套。 配错的 VAE 在加载时不报错，一路跑到 VAEDecode 才炸（IndexError: tuple index out of range）， 所以现在加载时就直接提示，并告诉该换哪个 VAE 文件
  • 隐藏/收起 LoRA 组后会自动回收节点高度，节点不会留成一大条空框
  • 画布拖框现在会跟着鼠标走：ComfyUI 1.57.x 会把拖拽选择框裁剪到 .graph-canvas-panel （实测这个容器只覆盖画布中下部），在画布上半部分拖框时框的顶边被强行下压、高度被压成 0， 表现就是「鼠标在左上角拉、框却出现在中间/下面」。js/selection_rect_fix.js 按真实鼠标点 重写框的位置，只改显示、不动画布状态。要关掉：浏览器控制台执行 localStorage.setItem("tp_selrect_fix", "off") 后刷新
  • Python 改动需要重启 ComfyUI，纯 JS 改动只需 Ctrl+F5

更新日志 / Changelog

按时间记录新增 / 变更的功能，以及怎么用。

2026-10-25

  • 新增示例工作流 example_workflows/All-in-One Demo.json：一个图里放齐本插件全部交互节点 （ToggleUnifiedLoader / ToggleSampler / ToggleLoadImage ×2 / ToggleImageCompare / TogglePreviewImage / DynamicRefImageEncode / SaveLoadImage + VAEDecode）， 不依赖任何第三方节点，拖进画布即可跑通；原 Toggle-Pass-Test.json 已改名为它
  • README 新增「示例工作流」小节（中英双语）：列出 example_workflows/ 里 4 个示例分别演示什么、 各自需要哪些额外依赖 —— 此前 README 对示例目录零引用，用户不知道这些文件存在

2026-10-24

  • 「全局广播」开关搬到节点顶部：从 widget 列表末尾那整行，移到 加载模式 的 UNet / Checkpoint 胶囊正下方、左半边，缩成一个小胶囊（左写「广播」，右侧是开关轨道）
    • 尺寸与胶囊对齐：宽度 = 胶囊的一半，高度与胶囊完全相同（都是 14px，上下边沿齐平）
    • 外观与节点其它控件同语言：淡色托底 + 细轨道 + 白滑块，开启时转高亮蓝（和 UNet 选中态呼应）， 鼠标悬停时托底提亮并浮出一道细描边
    • 改法是「原生 toggle 保留但隐藏 + 自绘」：widget 对象、名字、properties 存储、serialize:false 全部原样不动 —— widgets_values 一项都不动，旧工作流零影响
    • 顺带节点底部少了一整行，只剩「添加 / 移除 LoRA」两个按钮
    • 纯前端改动，不用重启 ComfyUI，Ctrl+F5 即可
  • 修复画布拖框「框不在鼠标那里」：ComfyUI 1.57.x 会把选择框裁剪到 .graph-canvas-panel （实测该容器只覆盖画布中下部 [64,488,...]），在画布上半部分拖框时框的顶边被强行压到 488、 高度被压成 0，看起来像「鼠标在左上角拉、框跑到中间」。新增 js/selection_rect_fix.js 按真实鼠标点重写框的位置，纯显示层修正，不改画布状态
    • 关闭方法：控制台 localStorage.setItem("tp_selrect_fix", "off") 后刷新
  • 预览曲线改为从节点背后穿过：曲线画在背景层（节点下层），节点之间的空白处正常显示， 穿过节点的地方被节点自然遮住 —— 不会再盖住节点标题和参数。节点排得密时可见部分会少一些，属正常

2026-10-23

  • 新增 ToggleUnifiedLoader 的「全局广播」开关（节点自带，不依赖 cg-use-everywhere）
    • 打开后点「运行」自动把 MODEL / CLIP / VAE 接到图里所有空着的同类型输入上， 提交完立刻拆线，不会被存进工作流
    • 开关打开期间，画布上用紫色曲线画出「运行时会自动接上的线」，两端带小圆点， 方便一眼核对接去哪（曲线只是预览，不建真实连线、不参与保存）
    • 曲线从节点背后穿过（画在节点下层）：空白处可见，节点上一根线都不落 —— 不挡标题和参数
    • 只补空位，手连的一根都不动；关掉就是完全手动
    • 开关状态存在节点 properties 里，不占 widgets_values，旧工作流参数位置一项不变
    • 与 cg-use-everywhere 共存（不动它的 ue_convert）
    • 纯前端改动，不用重启 ComfyUI，Ctrl+F5 即可
  • 采样器（一体） 初始宽度改为 300（高度不变），「自动（按步数 + 调度器）」这类长值不再被截断

2026-10-21

  • 新增 采样器（一体）（ToggleSampler） —— 把官方「随机噪波 + CFG引导器 + K采样器选择 + 基础调度器/手动Sigmas → SamplerCustomAdvanced」四件套收进一个节点。
    • 模型 / 条件 / Latent 仍是插槽，换模型不用换节点
    • 采样方案 三档：自动（= 官方 BasicScheduler，数值等价）、预置表（Qwen-Image-2.1 turbo 8步、 LTX-2 视频 8步/3步）、自定义表（手填 sigma，接新模型不用改代码）
    • 选预置表时 步数 / 调度器 会变灰并锁住，步数 显示该表真实步数；切回 自动 自动还原你原来设的步数
    • sigma 表规则：逗号分隔、严格递减、末值必须是 0、N 个点 = N-1 步
  • 新增 Krea2 支持 —— ToggleUnifiedLoader、DynamicRefImageEncode、DynamicRefIndependent、 OneImageMultiPrompt 全都能跑 Krea2
    • 加载器从 UNet 自动识别 Krea2 → CLIPType.KREA2 + Krea2TEModel，无需手选 clip 类型
    • 三个编码节点的「模型类型」新增 Krea2：参考图按约 1 MP 编码、VAE 只吃 RGB、 自动补视觉占位符、自动设 reference_latents_method = index_timestep_zero、输出全零 16 通道 latent
  • 加载器改进
    • CLIP 类型改为由模型类推导，不再二次读取 UNet 去猜（省一次 6.9 GB 读取，也不会再静默失败）
    • 新增 VAE 匹配检查：加载时比对 latent 通道 / 维度，配错直接提示该换哪个 VAE 文件 （否则会在 VAEDecode 报 IndexError: tuple index out of range，很难自查）

2026-10-10

  • 新增 ToggleImageCompare 图片对比节点 —— 把多张原图与多张结果拼成一张对比图，节点内直接预览。 两组动态输入（原图 source1~10、结果 result1~10）各自独立增减，N 原图 + 1 结果 与 N 原图 + N 结果 都支持；排版 自动 会按数量自动在「成对并排」和「上下两排」之间选， 另有「自动网格」；可给每张图烧 原1 / 结1 角标。
    • 怎么用：把原图接到 source*、结果接到 result*，输出直接给 SaveLoadImage 或预览节点； 排版按实际接上的图算，数量变了不用改设置。
  • 加载模式开关（外观与交互定型） —— ToggleUnifiedLoader 的 加载模式 在下拉框基础上改成 两段式开关 UNet | Checkpoint：点左半 = 分离组件、点右半 = 一体包，当前档用蓝色滑块高亮， 另一半悬停时有淡色反馈。 位置在节点顶部第一行，与输出插槽 模型 / MODEL 同一行；左端与下方所有下拉框的左边缘对齐， 宽度固定、两档同宽（切档不跳动），右侧给插槽文字留出安全距离。
    • 怎么用：直接点开关左半 / 右半切换，不再弹出下拉菜单；当前档一眼可见。
    • 底层 加载模式 参数照常保存与序列化，旧工作流与 API 调用零影响 —— 开关只接管绘制与点击， 没有新增或删除任何参数。
  • 开关交互修复：① 点击分界与绘制统一为同一套几何（此前节点较宽时点中段会切错档、点开关右侧空白会误切）； ② 挂在节点上的绘制 / 点击钩子改为链式调用，不再覆盖别的插件挂的同名钩子； ③ 鼠标移出开关后悬停高亮不再残留。

2026-10-09

  • 加载模式开关上线：UNet（分离组件）/ Checkpoint（一体包）两段切换，替代原来的下拉框。
  • 模型参数置顶：ckpt_name / unet_name / clip_name / vae_name / clip_type 排到参数列表最前， 一体包模式下一眼就能看到 checkpoint 行。旧工作流加载时按参数名自动迁移，不受顺序变化影响。
  • LoRA 状态提示：按钮回传每个 LoRA 实际写入的 patch 数与模块覆盖率（如 192/224p）； 分体模式下还会比对 CLIP 实例类名与模型是否配套，不匹配时显示 ⚠️CLIP不符。

2026-10-08

  • 一体包加载模式：ToggleUnifiedLoader 融合 Checkpoint 加载器，新增 加载模式 参数 —— 分离组件 (UNet+CLIP+VAE)（默认）/ Checkpoint 一体包，两种模式都能挂 LoRA。
  • LoRA 强度合并为一个滑块：model 与 clip 两个强度合并显示，CLIP 侧自动跟随 MODEL 侧 —— 界面上看到的强度就是实际生效的强度。
  • LoRA 诊断：按钮显示已启用的 LoRA 数量与「强度为 0」告警；控制台打印每个 LoRA 最终挂上了多少 patch。
  • 修复：LoRA 组全部移除后节点自动回收高度（不再留一大条空框）；「- 移除 LoRA」不再把强度清成 0。

2026-10-03

  • 修复画布菜单新建节点的落点：改为鼠标所在位置（原来是画布可视中心）。

2026-09-25

  • 画布菜单入口「🔄 Toggle-Pass」：在画布右键菜单里即可添加本插件的节点，节点列表运行时自动收集。
    • 怎么用：画布空白处右键 → 菜单里选 🔄 Toggle-Pass。
  • OneImageMultiPrompt 支持 Qwen Image 2.1；prompt数量 自动收起多余的 prompt 输入框。

2026-09-24

  • DynamicRefImageEncode / DynamicRefIndependent 支持 Qwen Image 2.1。
  • 分辨率控制：新增 宽高比 + 百万像素 + 倍数，以及 参考图分辨率、尺寸适配。
  • 修复 CLIP 类型检测（此前 Qwen Image 2.1 的专用文本编码器无法加载，参考图会被静默丢弃）。
  • 界面按「模型类型」自动显隐参数；旧工作流的错位脏值自动归位；倍数 下限由 16 提到 32。

2026-05-12

  • DynamicRefImageEncode 新增 Qwen Layered 模型类型：选中后显示「图层数」，输出分层 latent。
  • ToggleUnifiedLoader 新增「- 移除 LoRA」按钮（从最后一组开始移除）。

2026-05-10

  • 新增 ToggleUnifiedLoader（统一模型 + LoRA 加载器）：把 UNet / CLIP / VAE / 多 LoRA 整合到单一节点， 最多 10 组 LoRA 槽位（选了才显示），支持自动检测 CLIP 类型。

2026-05-08

  • 新增节点：SaveLoadImage（保存/加载切换）、ToggleLoadImage、TogglePreviewImage、ToggleEmptyLatent。
  • 新增隐私遮罩（👁 / 🫣 切换，适用于图片类节点）。
  • 新增 DynamicRef 系列：DynamicRefIndependent、DynamicRefImageEncode、DynamicRefLatentInput、 ImageBatcher、OneImageMultiPrompt。

安装 / Installation

Place this folder under ComfyUI/custom_nodes/ and restart ComfyUI.

把本文件夹放到 ComfyUI/custom_nodes/ 目录下，重启 ComfyUI 即可。