本页将带你一步步完成自定义节点的创建过程。 我们的示例将接收一批图片，并返回其中一张图片。最初，这个节点会返回平均颜色最亮的图片；随后我们会扩展它，支持多种选择标准，最后还会添加一些客户端代码。 本页假设你对 Python 或 Javascript 的了解很少。 完成本教程后，可以深入了解 后端代码 和 前端代码。

​
编写基础节点

​
前置条件

​
环境搭建

cd ComfyUI/custom_nodes
comfy node scaffold
回答几个问题后，你会得到一个新的目录。 
 ~  % comfy node scaffold
You've downloaded .cookiecutters/cookiecutter-comfy-extension before. Is it okay to delete and re-download it? [y/n] (y): y
  [1/9] full_name (): Comfy
  [2/9] email (you@gmail.com): me@comfy.org
  [3/9] github_username (your_github_username): comfy
  [4/9] project_name (My Custom Nodepack): FirstComfyNode
  [5/9] project_slug (firstcomfynode): 
  [6/9] project_short_description (A collection of custom nodes for ComfyUI): 
  [7/9] version (0.0.1): 
  [8/9] Select open_source_license
    1 - GNU General Public License v3
    2 - MIT license
    3 - BSD license
    4 - ISC license
    5 - Apache Software License 2.0
    6 - Not open source
    Choose from [1/2/3/4/5/6] (1): 1
  [9/9] include_web_directory_for_custom_javascript [y/n] (n): y
Initialized empty Git repository in firstcomfynode/.git/
✓ Custom node project created successfully!

​
定义节点

将以下代码添加到 src/nodes.py 末尾：
src/nodes.py
class ImageSelector:
    CATEGORY = "example"
    @classmethod    
    def INPUT_TYPES(s):
        return { "required":  { "images": ("IMAGE",), } }
    RETURN_TYPES = ("IMAGE",)
    FUNCTION = "choose_image"
自定义节点的基本结构详见这里。
自定义节点通过 Python 类定义，必须包含以下四项：CATEGORY（指定新节点在添加节点菜单中的位置）、INPUT_TYPES（类方法，定义节点输入，详见后文）、RETURN_TYPES（定义节点输出）、FUNCTION（节点执行时调用的函数名）。
注意输入和输出的数据类型都是 IMAGE（单数），即使我们期望接收一批图片并只返回一张。在 Comfy 中，IMAGE 代表图片批量，单张图片视为批量大小为 1。

​
主函数

主函数 choose_image 会收到在 INPUT_TYPES 中定义的命名参数，并返回一个与 RETURN_TYPES 匹配的 tuple。由于我们处理的是图片，图片在内部以 torch.Tensor 存储， 
import torch
然后将函数添加到你的类中。图片的数据类型是形状为 [B,H,W,C] 的 torch.Tensor，其中 B 是批量大小，C 是通道数（RGB 为 3）。遍历该张量会得到 B 个形状为 [H,W,C] 的张量。.flatten() 方法将其变为一维张量，长度为 H*W*C，torch.mean() 求均值，.item() 将单值张量转为 Python 浮点数。 
def choose_image(self, images):
    brightness = list(torch.mean(image.flatten()).item() for image in images)
    brightest = brightness.index(max(brightness))
    result = images[brightest].unsqueeze(0)
    return (result,)
最后两行说明：
  • images[brightest] 返回形状为 [H,W,C] 的张量。unsqueeze 用于在第 0 维插入一个长度为 1 的维度，得到 [B,H,W,C]，其中 B=1，即单张图片。
  • return (result,) 末尾的逗号很重要，确保返回的是元组。

​
注册节点

要让 Comfy 识别新节点，必须在包级别可用。修改 src/nodes.py 末尾的 NODE_CLASS_MAPPINGS 变量。你需要重启 ComfyUI 才能看到更改。
src/nodes.py

NODE_CLASS_MAPPINGS = {
    "Example" : Example,
    "Image Selector" : ImageSelector,
}

# 可选：你可以在 `NODE_DISPLAY_NAME_MAPPINGS` 字典中重命名节点。
NODE_DISPLAY_NAME_MAPPINGS = {
    "Example": "Example Node",
    "Image Selector": "Image Selector",
}
关于 ComfyUI 如何发现和加载自定义节点的详细说明，请参见节点生命周期文档。

​
添加选项

这个节点可能有点无聊，所以我们可以加一些选项；比如一个小部件，让你选择最亮、最红、最绿或最蓝的图片。将你的 INPUT_TYPES 修改为： 
@classmethod    
def INPUT_TYPES(s):
    return { "required":  { "images": ("IMAGE",), 
                            "mode": (["brightest", "reddest", "greenest", "bluest"],)} }
然后更新主函数。我们用一个很简单的“最红”定义，即像素的平均 R 值除以三色平均值。所以： 
def choose_image(self, images, mode):
    batch_size = images.shape[0]
    brightness = list(torch.mean(image.flatten()).item() for image in images)
    if (mode=="brightest"):
        scores = brightness
    else:
        channel = 0 if mode=="reddest" else (1 if mode=="greenest" else 2)
        absolute = list(torch.mean(image[:,:,channel].flatten()).item() for image in images)
        scores = list( absolute[i]/(brightness[i]+1e-8) for i in range(batch_size) )
    best = scores.index(max(scores))
    result = images[best].unsqueeze(0)
    return (result,)

​
调整 UI

也许我们想要一些可视化反馈，所以让我们发送一条文本消息进行显示。

​
从服务器发送消息

只需在 Python 代码中添加两行： 
from server import PromptServer
在 choose_image 方法末尾添加一行，将消息发送到前端（send_sync 需要一个唯一的消息类型和一个字典）： 
PromptServer.instance.send_sync("example.imageselector.textmessage", {"message":f"Picked image {best+1}"})
return (result,)

​
编写客户端扩展

要为客户端添加 Javascript，在你的自定义节点目录下创建 web/js 子目录，并在 __init__.py 末尾导出 WEB_DIRECTORY： 
WEB_DIRECTORY = "./web/js"
__all__ = ['NODE_CLASS_MAPPINGS', 'WEB_DIRECTORY']
客户端扩展以 .js 文件保存在 web/js 子目录下，所以创建 image_selector/web/js/imageSelector.js，内容如下。（更多内容见 客户端开发） 
app.registerExtension({
	name: "example.imageselector",
    async setup() {
        function messageHandler(event) { alert(event.detail.message); }
        app.api.addEventListener("example.imageselector.textmessage", messageHandler);
    },
})
我们所做的就是注册一个扩展，并在 setup() 方法中为我们发送的消息类型添加监听器。它会读取我们发送的字典（存储在 event.detail 中）。 停止 Comfy 服务器，重新启动，刷新网页，运行你的工作流。

​
完整示例

完整示例见这里。你可以下载示例工作流 JSON 文件 或在下方查看：
Image Selector Workflow