WAS Node Suite是ComfyUI生态中一个功能覆盖极广的自定义节点包，由WASasquatch开发维护。它的定位并不是只解决某一个小问题，而是把图像处理、文本操作、数值计算、文件读写、条件判断甚至简单的脚本执行都塞进同一个工具箱里。对于想要在ComfyUI内完成复杂自动化任务的人来说，这个节点包可以省去大量在外部程序和ComfyUI之间来回切换的成本。它最大的特点是节点数量庞大，仅图像类节点就有几十个，文本类节点也有数十个，初次安装后很容易在节点列表中看花了眼。但只要理解它的模块组织方式，再配合几个典型工作流练习，很快就能把这套工具用起来。
一、安装与模块划分
安装WAS Node Suite最直接的方式是进入ComfyUI的custom_nodes目录，使用git克隆仓库，然后安装依赖。对于Windows用户，路径可能是C:\ComfyUI\custom_nodes，Linux或macOS用户则对应到自己的ComfyUI安装目录。克隆完成后，需要进入节点包目录执行pip安装命令。整个过程不复杂，但依赖项比较多，因此建议在ComfyUI已有的Python环境中操作，避免版本冲突。
cd ComfyUI/custom_nodes git clone https://github.com/WASasquatch/was-node-suite-comfyui cd was-node-suite-comfyui pip install -r requirements.txt
安装完成后重启ComfyUI，如果节点列表中没有出现WAS相关节点，可以先检查启动日志。日志中若出现ModuleNotFoundError，通常说明某个依赖没有正确安装，可以手动执行pip install命令补齐。也可以在was-node-suite-comfyui目录下找到requirements.txt查看具体依赖列表。部分系统上还需要安装ffmpeg，因为这关系到视频和音频相关节点的功能。日常只用图像和文本处理的话，ffmpeg并非必需，但建议一同装好，避免后续用到时再排查。
从模块划分上看，WAS Node Suite虽然节点数量多，但命名规律比较清晰。文本类节点多带有Text字样，例如Text String、Text Concatenate、Text File Reader；图像类节点则带有Image字样，例如Image Resize、Image Crop、Image Rotate；文件类节点通常带File或Load、Save字样，例如Load Image Batch、Save Image。还有一类Number节点用于数值加减乘除、随机数生成，可以和图像尺寸、文本长度等参数联动。理解这些前缀后，在节点搜索框里输入Image或者Text，就能快速过滤出对应的节点组，这是提高搭建效率的关键。
二、图像处理节点核心用法
图像处理是WAS Node Suite最常用的功能板块之一。其中Load Image Batch节点和Save Image节点经常作为批量任务的入口和出口。Load Image Batch可以从指定文件夹读取多张图片，支持通配符过滤文件名，例如输入*.png就能只加载该目录下所有PNG文件。Save Image节点则可以将处理后的图片按序号或原文件名保存到输出目录，适合批处理场景。与ComfyUI自带的Load Image单张加载不同，批处理节点能成倍减少手动操作。
常见的变换类节点包括Image Resize、Image Crop、Image Rotate、Image Flip。Image Resize可以按比例或指定宽高缩放，缩放模式有拉伸、填充、裁剪等多种选择。Image Crop支持按像素或百分比裁剪，对于去除图片边缘水印或留下中心主体非常实用。Image Rotate和Image Flip则处理旋转与镜像。把这些节点串起来，就能构成一条基础的图像预处理流水线，例如先加载批量图片，再统一缩放到512乘512，然后做中心裁剪，最后保存。
色彩和合成类节点同样值得关注。Image Levels可以用来调整图像的亮度、对比度和伽马值，适合在生成前对参考图做色调统一。Image Blend节点提供了多种混合模式，可以把两张图按不同算法叠加。Image Mask Composite则结合遮罩进行局部合成，在局部重绘或者多图拼接时很有帮助。对于需要批量添加文字水印的任务，可以配合文本节点和Image Draw Text节点，把版权信息、编号或日期直接绘制到图像上。掌握这些节点的参数后，批量图像处理就不再依赖外部脚本。
三、文本操作与动态提示词
文本操作是WAS Node Suite的另一大核心，也是很多人把它和ComfyUI默认节点区分开来的原因。Text String节点用来创建一个固定文本，Text Concatenate节点可以把多个文本按顺序拼接，Text File Reader则从txt文件读取内容。更有意思的是Text Random Line节点，它会从输入的多行文本中随机选择一行输出，这种随机性正好可以用来构造动态提示词。
在生成图像的工作流中，提示词通常由固定部分和变化部分组成。固定部分描述主体、风格、质量词，变化部分则可以是镜头角度、光线、场景元素。使用WAS的文本节点，可以先把变化部分写成多行文本文件，每行一个候选词，然后用Text Random Line节点每次随机取一行。接着用Text Concatenate把固定前缀和随机后缀拼接起来，再传给CLIP Text Encode节点。这样一来，同一套工作流每次运行都会得到不同的提示词组合，适合做批量出图测试。
Text Dictionary节点也是文本处理里的实用工具。它可以定义一个键值对字典，例如把portrait映射为肖像、landscape映射为风景。使用时只需要输入键名，节点就会输出对应的值。这样做的好处是当需要修改某个风格词时，只需更新字典节点，不用逐个修改工作流中的文本。对于包含几十个提示词模板的大型工作流，这种集中管理方式能明显减少维护成本。此外还有Text Parse Arguments节点，可以从一段带参数的文本中提取指定字段，适合更复杂的自动化场景。
四、实战工作流与排错建议
一个典型的批量图像处理工作流可以这样搭建：先用Load Image Batch节点从输入目录读取图片，然后连接Image Resize做统一缩放，再接一个Image Levels做对比度调整，最后用Save Image节点输出到指定目录。如果需要在每张图上添加文件名，可以借助文本节点配合Image Draw Text节点。整个过程不需要写代码，但节点数量较多，建议分块搭建并逐段测试，确认每一段输出正常后再继续连接后续节点。
配合Python脚本可以进一步增强批量处理能力。例如要生成一个包含目录下所有图片文件名的列表，供Text File Reader节点读取，可以在ComfyUI外部执行以下脚本：
import os
image_dir = r"C:\ComfyUI\input\batch"
output_list = r"C:\ComfyUI\input\image_list.txt"
with open(output_list, "w", encoding="utf-8") as f:
for name in os.listdir(image_dir):
if name.lower().endswith((".png", ".jpg", ".jpeg")):
f.write(name + "\n")
排错方面，遇到节点显示为红色或执行时报错，首先查看ComfyUI控制台日志。常见问题包括依赖缺失、Python版本不匹配、路径不存在。Windows用户在填写路径时要注意反斜杠必须保留，例如C:\ComfyUI\custom_nodes\was-node-suite-comfyui，不能写成C:\ComfyUIcustom_nodes，也不要误用正斜杠替代盘符后的反斜杠。某些节点要求输入为绝对路径，此时相对路径可能无法正确解析文件。还有一类问题是文件编码，读取中文txt时如果出现乱码，需要确保文件保存为UTF-8编码。
如果节点能正常执行但结果不符合预期，建议从数据流中间插入Preview Image或Text节点检查输出。图像处理问题多数源自节点顺序错误或参数设置不当，比如缩放模式选成拉伸导致比例变形。文本拼接问题则常见于遗漏分隔符，导致两个词直接连在一起。遇到这种情况，在Text Concatenate节点中加入空格或换行即可。总体来说，WAS Node Suite的模块化设计让排查路径比较清晰，只要熟悉了各节点的输入输出类型，大部分问题都能快速定位。
ComfyUIWAS Node Suite图像处理修改时间：2026-10-06 12:35:27