那晚我在搜索引擎里反复刷同一个关键词OpenClaw无法安全验证。底下所有答案都指向同一件事——先打开PowerShell执行wsl --status看你的发行版是不是还停在WSL 1。这个看似跟AI八竿子打不着的错误成了我第一次把OpenClaw在Windows上跑起来的拦路虎。今天这篇想聊的不是单装OpenClaw而是把它和ComfyUI在本地桥接起来的一套完整玩法。OpenClaw负责理解指令、拆解任务ComfyUI负责真正把图生成出来中间用本地API做桥梁素材不出机全程可控。这套方案适合三类人想在本地搭一条不依赖云端图像服务的自动化流水线的AI玩家做参数化出图的工作室以及单纯想把大模型的“指挥能力”和ComfyUI的“绘图能力”焊在一起的折腾型选手。1. 为什么OpenClaw和ComfyUI天生该桥接1.1 一个会调度一个会作图先说清楚两个工具的分工。OpenClaw早先叫Clawdbot社区里现在还经常两个名字混着搜本质是一个个人AI代理框架它擅长的是“理解意图—拆解步骤—调用工具”比如查文件、执行命令、写代码、调外部接口。但你问它“生成一张图”它自己并不内置绘图模型它得把这一步交给一个“能画画的引擎”。很多人在热搜里问“OpenClaw只能用接入API的方式使用算力吗”答案是它的推理能力确实要挂在外部模型上可以是云端API也可以是本地Ollama起的模型而图像生成这块它压根不做这正好是ComfyUI的强项。ComfyUI则是图像生成圈子里公认的高自由度工作流工具节点式拖拽、任意连线、高度可定制SD系列、Flux、各种LoRA都能塞进来当零件用。它的短板也很明显它不会“思考”。你给它的是一张已经连好的工作流图它按流程跑不会因为你一句话改变参数。所以桥接的本质是把OpenClaw变成ComfyUI的“大脑”把ComfyUI变成OpenClaw的“画笔”。OpenClaw接收用户的自然语言描述解析出风格、主体、尺寸、负面提示词然后调用ComfyUI的HTTP API提交一份完整的工作流JSON出图后再把图片路径和推理参数带回给用户。1.2 桥接之后能做什么我搭完这套之后常用的几个场景是这样的让OpenClaw按需求批量出图比如“给这周的文章配10张封面风格统一为扁平插画尺寸1024x1024”它会自动循环生成而不是自己一张张手动在ComfyUI里点。把OpenClaw作为统一入口后面同时挂ComfyUI和本地大模型让它在同一个会话里完成“写一段产品文案→配一张产品概念图→把图文打包成可发布的Markdown”这类完整任务。在不改动ComfyUI工作流的前提下用OpenClaw动态替换提示词、种子、模型名等参数相当于给现成工作流加了一层“自然语言遥控器”。这些都是本地完成的素材不出本机。对做独立开发、内容创作、小团队自动化的人来说这种可控感比顺手调用云端图像API踏实得多。1.3 选本地桥接不等于什么都得本地推理这里澄清一个误区。本地桥接指的是“OpenClaw和ComfyUI都在你机器上跑走localhost通信”不意味着OpenClaw的对话模型必须也跑在本地。我在实际部署里OpenClaw的模型层经常接Ollama本地模型因为这台机器显存够但在另一台显存吃紧的机器上我就把模型层指向一个远程API地址而桥接层的ComfyUI仍然是本地的。这种灵活度恰恰是本地桥接方案比“全云”或“全本地”两个极端都更实用的原因。2. 部署前的环境工程WSL、Node.js与“安全验证”之谜2.1 先用一晚上搞懂那个“无法安全验证”的报错这是所有Windows用户入坑OpenClaw时几乎都会撞上的问题。搜索词里那段又长又怪的“sl2环境。请在powershell中运行wsl --status解决报告的问”其实就是社区里大家在互相提醒的同一个解决方案。当时我的情况是Node.js装了OpenClaw也下好了一启动直接给一句“无法安全验证”不说明白到底是证书问题、权限问题还是网络问题。后来排查的路径告诉我说这个错误出在OpenClaw启动时会去校验WSL组件的可执行环境而你的系统里WSL可能只是装了组件但从未初始化或者默认版本还停在WSL 1。校验不通过它就把启动流程中止了。解决步骤很简单在PowerShell里依次执行wsl --status wsl --update wsl --set-default-version 2第一行看当前状态第二行把WSL内核升到最新第三行强制后续发行版都用WSL 2。然后重启终端再执行wsl --status看到“默认版本2”就说明环境干净了。这个坑之所以那么多人踩是因为它跟AI部署完全不沾边报错文案又隐晦正常人根本想不到先去查WSL。2.2 Node版本和包管理器要一次到位OpenClaw本体是Node.js生态的对Node版本有要求。我个人的建议是别用系统自带的旧Node也别手动下载一个“看起来挺新”的版本直接用NVM管理方便切换。curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash nvm install 20 nvm use 20我踩过的坑是在Windows原生CMD里折腾半天OpenClaw装完启动报各种模块找不到。后来把整套环境搬进WSL发行版内部问题少了一半。所以如果你打算在Windows上认真用OpenClaw我的经验是——所有安装动作都放在WSL终端里做别混合着来。Node版本、npm缓存、项目文件路径全部统一到Linux环境才能减少玄学错误。2.3 安装OpenClaw与首次启动OpenClaw的安装方式迭代得比较快不同版本差异大下面以我当前这台机器跑通的方式为例。理论上就是拉取项目的发布包或克隆仓库然后安装依赖并启动CLI。git clone openclaw项目地址 cd openclaw npm install npm start首次启动会让你配置模型接入方式这里我用的是Ollama本地模型先填本地API地址http://localhost:11434再填模型名比如qwen2.5:14b。如果不清楚当前版本怎么配直接看启动时打印的引导提示然后到配置文件里改就行。首次启动完成后OpenClaw会在本地起一个CLI会话。你问它“你现在能做什么”它会列出一堆能力。这时候还不能画图因为我们还没给它装“生图技能”也没把ComfyUI跑起来。接下来就进入下一环。3. ComfyUI本地工作流的API化从鼠标连图到接口出图3.1 装ComfyUI整合包省事源码更可控ComfyUI的安装方式社区里“秋叶ComfyUI整合包”的热度一直很高对纯新手确实友好下载解压就能用。但如果你要跟OpenClaw桥接我反而推荐用官方源码或便携包原因很简单整合包内置的Python环境和启动器是为手动操作优化的而我们需要的是稳定的main.py启动参数和可预测的API行为。我的做法是建一个干净的目录git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI python -m venv venv source venv/bin/activate pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124 pip install -r requirements.txtTorch版本的选择要根据显卡驱动来。40系及更新的N卡用cu124或cu121都行老卡可能要降到cu118这个坑后面单说。3.2 启动参数与端口约定ComfyUI默认监听127.0.0.1:8188但为了能让OpenClaw安全调用最好显式指定启动参数python main.py --listen 127.0.0.1 --port 8188 --enable-cors-header *--listen 127.0.0.1是只允许本机访问不暴露到局域网--enable-cors-header是给网页前端用的同时也让你未来的Skill脚本在跨域请求时不被拦。启动完打开浏览器访问http://127.0.0.1:8188看到画布就说明ComfyUI起来了。确认API可用直接在终端里curl一下curl http://127.0.0.1:8188/system_stats返回JSON里包含系统名称、设备信息、显存占用就说明API层是通的。这一步很重要很多人浏览器里拖动节点没问题但直接访问API时发现端口不对或者被防火墙拦截等到桥接脚本报错再来查就晚了。3.3 把可视化工作流翻译成出图APIComfyUI的核心API概念很简单/prompt接口接收一份“工作流JSON”里面定义了从加载模型、编码文本、采样、解码到保存图片的完整节点图。你在浏览器里连的每个节点最终都要转化成这份JSON格式。但这里有个门槛。ComfyUI界面里默认保存的“工作流”是带UI布局信息的API不能直接用命令行里真正提交的是“API格式”的JSON。好在ComfyUI自带转换功能在编辑界面点“保存(API格式)”或者在Workflow菜单里选“Export(API)”就能拿到可提交的JSON。如果你从零搭过工作流哪怕是最简单的文生图也能看到这些核心节点CheckpointLoaderSimple加载底模CLIPTextEncode把提示词文本编码成条件向量一个给正面一个给负面KSampler采样器决定步数、CFG、种子、采样器名称VAEDecode把潜在空间表示解码成像素图SaveImage保存到输出目录我对桥接层的设计思路是不要求OpenClaw动态组装这些节点而是我自己准备一份固定结构的API格式工作流模板比如就叫txt2img_api.json里面大部分字段写死只有提示词、负面提示词、尺寸、种子这四个字段在调用时由OpenClaw动态替换。这样既降低了出错的概率又保留了可操作空间。4. 桥接层核心给OpenClaw写一个生图Skill4.1 Skill的基本形态OpenClaw的能力扩展靠“技能Skill”机制。官方对这个功能的叫法和加载方式随版本变化我在自己的部署里习惯用一个目录代表一个技能里面放两个文件一个描述文件一个可执行脚本。描述文件告诉OpenClaw这个技能是干什么的、参数怎么解析可执行脚本负责真正发HTTP请求。下面这套写法不是唯一标准但思路可以通用脚本收到OpenClaw传来的参数列表组合成ComfyUI的API请求轮询history接口拿到图片输出。4.2 参数设计与优先级我给生图Skill设计的参数如下参数名含义示例subject主体描述“一片漂浮着岛屿的星空”style风格限定“吉卜力风格”negative_prompt负面提示词“模糊, 低质量, 多余手指”width/height出图尺寸1024 / 1024seed随机种子-1表示随机steps采样步数20为什么把“主体”和“风格”拆开而不是合并成一个长字符串因为在我实际测试中OpenClaw这类代理框架在拼接长提示词时经常会胡乱加逗号、重复叠形容词。拆成两个字段由脚本内部按固定模板拼回完整提示词生成的图反而更稳定。完整提示词的拼接规则我固定在脚本里基本形式是{subject}, {style}, masterpiece, best quality负面提示词固定为blurry, low quality, worst quality, deformed, extra fingers4.3 核心脚本一张图的完整调用链我这边跑通的脚本核心逻辑JavaScript版大概长这样。注意它不是标准答案但我实测可用。const API_BASE http://127.0.0.1:8188; async function generateImage(params, workflowTemplatePath) { const workflow JSON.parse(await fs.readFile(workflowTemplatePath, utf-8)); // 在模板中找到对应的节点输入并替换 for (const node of Object.values(workflow)) { if (node.class_type KSampler) { node.inputs.seed params.seed || Math.floor(Math.random() * 1e9); node.inputs.steps params.steps || 20; node.inputs.width params.width || 1024; node.inputs.height params.height || 1024; } if (node.class_type CLIPTextEncode) { if (node._meta node._meta.title Positive) { node.inputs.text ${params.subject}, ${params.style}, masterpiece, best quality; } if (node._meta node._meta.title Negative) { node.inputs.text params.negative_prompt || blurry, low quality, worst quality; } } } const res await fetch(${API_BASE}/prompt, { method: POST, headers: { Content-Type: application/json }, body: JSON.stringify({ prompt: workflow, client_id: openclaw-bridge }) }); const data await res.json(); const promptId data.prompt_id; // 轮询 history 直到拿到图片 for (let i 0; i 60; i) { await new Promise(r setTimeout(r, 1500)); const historyRes await fetch(${API_BASE}/history/${promptId}); const history await historyRes.json(); const entry history[promptId]; if (entry entry.outputs) { for (const nodeId of Object.keys(entry.outputs)) { const out entry.outputs[nodeId]; if (out.images out.images.length 0) { const img out.images[0]; return ${API_BASE}/view?filename${encodeURIComponent(img.filename)}subfolder${encodeURIComponent(img.subfolder)}type${img.type}; } } } } throw new Error(等待超时ComfyUI没有在预期时间内返回图片); }这段代码做的事情很直白加载模板JSON → 替换参数 → 提交到/prompt→ 轮询/history/{prompt_id}→ 拼出图片访问URL。为什么是轮询而不是直接等回调因为ComfyUI的API是异步的提交任务后立即返回一个prompt_id真正的图片渲染完成时间取决于模型大小、步数和显存快则几秒慢则几十秒。轮询间隔我设了1.5秒最多等90秒够用。4.4 把Skill挂进OpenClaw并做第一次调通脚本准备好后在OpenClaw的技能目录里新建一个文件夹比如comfyui-image-gen把脚本和skill.md描述文件放进去。描述文件的作用是让OpenClaw知道“什么时候该调用这个技能”。我的描述文件写得非常简单技能名称: comfyui-image-gen 触发条件: 当用户要求生成、绘制、创作一张图片时调用。 参数说明: - subject: 用户描述的图片主体内容 - style: 用户指定的画风或风格可省略 输出说明: 返回图片的本地访问URL。然后回到OpenClaw会话直接对它说“帮我生成一张图海上日出吉卜力风格尺寸1024x1024。”如果配置没问题你会看到OpenClaw触发技能、调用脚本、然后告诉你图片在哪个地址。第一次调通的那一刻你会觉得之前所有的WSL折腾都是值得的。5. 跑通之后的真实排障清单5.1 高频错误与解决方案桥接链路跑起来之后出错的环节其实不少。我把常见问题整理成了一张对照表都是自己踩过或者帮朋友排查过的现象可能原因解决思路OpenClaw报技能调用超时ComfyUI没启动或端口不对先手动curl/system_stats确认API通提交/prompt返回400工作流JSON格式不对在ComfyUI里重新导出API格式JSON别用手改的可视化配置图片生成一半显存爆了模型尺寸/分辨率超过显卡上限降低分辨率或换更小的模型或开启--lowvram提示词里的中文变成乱码编码问题脚本提交JSON时统一用UTF-8编码fetch不要手动加编码头图片返回了一个地址但打不开ComfyUI监听的是0.0.0.0或公网IP浏览器的访问地址不对用--listen 127.0.0.1配合localhost访问OpenClaw反复说“无法安全验证”WSL环境又回到了1.x回到PowerShell执行wsl --status和wsl --set-default-version 25.2 环境诊断的顺序很重要排障最忌讳东一榔头西一棒子。我自己的固定诊断顺序是WSL状态 → Node版本 → OpenClaw配置 → ComfyUI状态 → 网络连通性。很多人桥接脚本写好了结果OpenClaw死活不触发技能一查是Node版本太低导致技能加载失败也有人直接跳到最后一步查网络折腾半天才发现ComfyUI压根没启动。记住本地桥接涉及两层服务任何一个没起来整条链都是死的。5.3 让ComfyUI稳定地“活”在后台ComfyUI在终端前台跑关掉终端就断了这对桥接来说太脆弱。我的做法是用进程守护工具把它托管起来。Linux/WSL环境可以用systemd服务或者更轻量的pm2npm install -g pm2 pm2 start python main.py --listen 127.0.0.1 --port 8188 --enable-cors-header \*\ --name comfyui pm2 save pm2 startup之后开机自动启动、崩溃自动重启都不用手管了。OpenClaw侧也一样用守护进程跑着整个桥接层就成了一个常驻服务。6. 进阶优化从“会出图”到“出好图”6.1 模型选型与显存预算桥接已经通畅接下来要考虑的是用什么模型出图。我做了一张参考表标出了不同档位显卡的合理选择显卡档位推荐模型分辨率建议备注8GB显存SD 1.5 / SDXL低步数512x512 ~ 768x768速度能接受LoRA空间充足12GB显存SDXL / SD3-medium1024x1024日常最优解16GB及以上SDXL 多个LoRA / Flux量化版本1024x1024以上可尝试更高步数和精细风格显存不足时ComfyUI有三个保命参数--lowvram、--novram、--cpu。前两个让模型权重在显存和内存之间辗转腾挪速度慢一点但能跑第三个纯粹拼CPU只建议应急用。6.2 让OpenClaw的“脑子”也完全本地化前面提到过OpenClaw的对话模型可以接Ollama这一步在桥接架构下尤其重要。当你的ComfyUI、OpenClaw、Ollama全部在本机跑通后整条链路就是一台完全离线、不依赖任何云端API的“自然语言图像生成机”。配置方式不复杂。Ollama默认在localhost:11434提供OpenAI兼容接口在OpenClaw的模型配置里填入Base URL: http://localhost:11434/v1 Model: qwen2.5:14b选Qwen这类对中文理解好的模型能明显提升提示词解析的准确性。我发现一个规律模型能力越强拆解 “subject” 和 “style” 的成功率越高最终出图风格越贴近描述。6.3 低算力和移动端的延伸思路搜索词里有很多人关心“OpenClaw安卓部署”“Termux安装OpenClaw手机版”“RK3588部署YOLOv8”这类低算力场景。我的观点是桥接架构天然适合做“瘦客户端”。OpenClaw可以装到手机Termux端作为随身语音/文字指令入口ComfyUI则跑在内网一台有显卡的机器上。只要把ComfyUI的监听地址从127.0.0.1改成内网IP比如0.0.0.0:8188再把Skill脚本里的API_BASE指向那台机器的内网地址手机上的OpenClaw一样能指挥内网的ComfyUI出图。低算力设备上的核心不是跑大模型而是“连对服务”。我在这套桥接方案里最直接的体会是它把OpenClaw的调度能力和ComfyUI的绘画能力真正拧成了一股绳而本地部署带来的掌控感——素材不出本机、每一步都能看到日志、出图质量自己说了算——是云端方案给不了的。最后再分享一个能让日常使用更顺手的小改动在OpenClaw的Skill脚本里每生成一张图顺手把图片URL和对应的完整提示词追加到一个本地manifest.md文件里。时间久了这个文件就成了你的灵感库想做类似风格的时候直接翻记录比在ComfyUI里找半天历史输出要高效得多。 
长河君 · 2026/10/15 9:33:18 · 阅读 1.2k OpenClaw与ComfyUI本地桥接：从WSL环境到API出图完整指南
那晚我在搜索引擎里反复刷同一个关键词OpenClaw无法安全验证。底下所有答案都指向同一件事——先打开PowerShell执行wsl --status看你的发行版是不是还停在WSL 1。这个看似跟AI八竿子打不着的错误成了我第一次把OpenClaw在Windows上跑起来的拦路虎。今天这篇想聊的不是单装OpenClaw而是把它和ComfyUI在本地桥接起来的一套完整玩法。OpenClaw负责理解指令、拆解任务ComfyUI负责真正把图生成出来中间用本地API做桥梁素材不出机全程可控。这套方案适合三类人想在本地搭一条不依赖云端图像服务的自动化流水线的AI玩家做参数化出图的工作室以及单纯想把大模型的“指挥能力”和ComfyUI的“绘图能力”焊在一起的折腾型选手。1. 为什么OpenClaw和ComfyUI天生该桥接1.1 一个会调度一个会作图先说清楚两个工具的分工。OpenClaw早先叫Clawdbot社区里现在还经常两个名字混着搜本质是一个个人AI代理框架它擅长的是“理解意图—拆解步骤—调用工具”比如查文件、执行命令、写代码、调外部接口。但你问它“生成一张图”它自己并不内置绘图模型它得把这一步交给一个“能画画的引擎”。很多人在热搜里问“OpenClaw只能用接入API的方式使用算力吗”答案是它的推理能力确实要挂在外部模型上可以是云端API也可以是本地Ollama起的模型而图像生成这块它压根不做这正好是ComfyUI的强项。ComfyUI则是图像生成圈子里公认的高自由度工作流工具节点式拖拽、任意连线、高度可定制SD系列、Flux、各种LoRA都能塞进来当零件用。它的短板也很明显它不会“思考”。你给它的是一张已经连好的工作流图它按流程跑不会因为你一句话改变参数。所以桥接的本质是把OpenClaw变成ComfyUI的“大脑”把ComfyUI变成OpenClaw的“画笔”。OpenClaw接收用户的自然语言描述解析出风格、主体、尺寸、负面提示词然后调用ComfyUI的HTTP API提交一份完整的工作流JSON出图后再把图片路径和推理参数带回给用户。1.2 桥接之后能做什么我搭完这套之后常用的几个场景是这样的让OpenClaw按需求批量出图比如“给这周的文章配10张封面风格统一为扁平插画尺寸1024x1024”它会自动循环生成而不是自己一张张手动在ComfyUI里点。把OpenClaw作为统一入口后面同时挂ComfyUI和本地大模型让它在同一个会话里完成“写一段产品文案→配一张产品概念图→把图文打包成可发布的Markdown”这类完整任务。在不改动ComfyUI工作流的前提下用OpenClaw动态替换提示词、种子、模型名等参数相当于给现成工作流加了一层“自然语言遥控器”。这些都是本地完成的素材不出本机。对做独立开发、内容创作、小团队自动化的人来说这种可控感比顺手调用云端图像API踏实得多。1.3 选本地桥接不等于什么都得本地推理这里澄清一个误区。本地桥接指的是“OpenClaw和ComfyUI都在你机器上跑走localhost通信”不意味着OpenClaw的对话模型必须也跑在本地。我在实际部署里OpenClaw的模型层经常接Ollama本地模型因为这台机器显存够但在另一台显存吃紧的机器上我就把模型层指向一个远程API地址而桥接层的ComfyUI仍然是本地的。这种灵活度恰恰是本地桥接方案比“全云”或“全本地”两个极端都更实用的原因。2. 部署前的环境工程WSL、Node.js与“安全验证”之谜2.1 先用一晚上搞懂那个“无法安全验证”的报错这是所有Windows用户入坑OpenClaw时几乎都会撞上的问题。搜索词里那段又长又怪的“sl2环境。请在powershell中运行wsl --status解决报告的问”其实就是社区里大家在互相提醒的同一个解决方案。当时我的情况是Node.js装了OpenClaw也下好了一启动直接给一句“无法安全验证”不说明白到底是证书问题、权限问题还是网络问题。后来排查的路径告诉我说这个错误出在OpenClaw启动时会去校验WSL组件的可执行环境而你的系统里WSL可能只是装了组件但从未初始化或者默认版本还停在WSL 1。校验不通过它就把启动流程中止了。解决步骤很简单在PowerShell里依次执行wsl --status wsl --update wsl --set-default-version 2第一行看当前状态第二行把WSL内核升到最新第三行强制后续发行版都用WSL 2。然后重启终端再执行wsl --status看到“默认版本2”就说明环境干净了。这个坑之所以那么多人踩是因为它跟AI部署完全不沾边报错文案又隐晦正常人根本想不到先去查WSL。2.2 Node版本和包管理器要一次到位OpenClaw本体是Node.js生态的对Node版本有要求。我个人的建议是别用系统自带的旧Node也别手动下载一个“看起来挺新”的版本直接用NVM管理方便切换。curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash nvm install 20 nvm use 20我踩过的坑是在Windows原生CMD里折腾半天OpenClaw装完启动报各种模块找不到。后来把整套环境搬进WSL发行版内部问题少了一半。所以如果你打算在Windows上认真用OpenClaw我的经验是——所有安装动作都放在WSL终端里做别混合着来。Node版本、npm缓存、项目文件路径全部统一到Linux环境才能减少玄学错误。2.3 安装OpenClaw与首次启动OpenClaw的安装方式迭代得比较快不同版本差异大下面以我当前这台机器跑通的方式为例。理论上就是拉取项目的发布包或克隆仓库然后安装依赖并启动CLI。git clone openclaw项目地址 cd openclaw npm install npm start首次启动会让你配置模型接入方式这里我用的是Ollama本地模型先填本地API地址http://localhost:11434再填模型名比如qwen2.5:14b。如果不清楚当前版本怎么配直接看启动时打印的引导提示然后到配置文件里改就行。首次启动完成后OpenClaw会在本地起一个CLI会话。你问它“你现在能做什么”它会列出一堆能力。这时候还不能画图因为我们还没给它装“生图技能”也没把ComfyUI跑起来。接下来就进入下一环。3. ComfyUI本地工作流的API化从鼠标连图到接口出图3.1 装ComfyUI整合包省事源码更可控ComfyUI的安装方式社区里“秋叶ComfyUI整合包”的热度一直很高对纯新手确实友好下载解压就能用。但如果你要跟OpenClaw桥接我反而推荐用官方源码或便携包原因很简单整合包内置的Python环境和启动器是为手动操作优化的而我们需要的是稳定的main.py启动参数和可预测的API行为。我的做法是建一个干净的目录git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI python -m venv venv source venv/bin/activate pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124 pip install -r requirements.txtTorch版本的选择要根据显卡驱动来。40系及更新的N卡用cu124或cu121都行老卡可能要降到cu118这个坑后面单说。3.2 启动参数与端口约定ComfyUI默认监听127.0.0.1:8188但为了能让OpenClaw安全调用最好显式指定启动参数python main.py --listen 127.0.0.1 --port 8188 --enable-cors-header *--listen 127.0.0.1是只允许本机访问不暴露到局域网--enable-cors-header是给网页前端用的同时也让你未来的Skill脚本在跨域请求时不被拦。启动完打开浏览器访问http://127.0.0.1:8188看到画布就说明ComfyUI起来了。确认API可用直接在终端里curl一下curl http://127.0.0.1:8188/system_stats返回JSON里包含系统名称、设备信息、显存占用就说明API层是通的。这一步很重要很多人浏览器里拖动节点没问题但直接访问API时发现端口不对或者被防火墙拦截等到桥接脚本报错再来查就晚了。3.3 把可视化工作流翻译成出图APIComfyUI的核心API概念很简单/prompt接口接收一份“工作流JSON”里面定义了从加载模型、编码文本、采样、解码到保存图片的完整节点图。你在浏览器里连的每个节点最终都要转化成这份JSON格式。但这里有个门槛。ComfyUI界面里默认保存的“工作流”是带UI布局信息的API不能直接用命令行里真正提交的是“API格式”的JSON。好在ComfyUI自带转换功能在编辑界面点“保存(API格式)”或者在Workflow菜单里选“Export(API)”就能拿到可提交的JSON。如果你从零搭过工作流哪怕是最简单的文生图也能看到这些核心节点CheckpointLoaderSimple加载底模CLIPTextEncode把提示词文本编码成条件向量一个给正面一个给负面KSampler采样器决定步数、CFG、种子、采样器名称VAEDecode把潜在空间表示解码成像素图SaveImage保存到输出目录我对桥接层的设计思路是不要求OpenClaw动态组装这些节点而是我自己准备一份固定结构的API格式工作流模板比如就叫txt2img_api.json里面大部分字段写死只有提示词、负面提示词、尺寸、种子这四个字段在调用时由OpenClaw动态替换。这样既降低了出错的概率又保留了可操作空间。4. 桥接层核心给OpenClaw写一个生图Skill4.1 Skill的基本形态OpenClaw的能力扩展靠“技能Skill”机制。官方对这个功能的叫法和加载方式随版本变化我在自己的部署里习惯用一个目录代表一个技能里面放两个文件一个描述文件一个可执行脚本。描述文件告诉OpenClaw这个技能是干什么的、参数怎么解析可执行脚本负责真正发HTTP请求。下面这套写法不是唯一标准但思路可以通用脚本收到OpenClaw传来的参数列表组合成ComfyUI的API请求轮询history接口拿到图片输出。4.2 参数设计与优先级我给生图Skill设计的参数如下参数名含义示例subject主体描述“一片漂浮着岛屿的星空”style风格限定“吉卜力风格”negative_prompt负面提示词“模糊, 低质量, 多余手指”width/height出图尺寸1024 / 1024seed随机种子-1表示随机steps采样步数20为什么把“主体”和“风格”拆开而不是合并成一个长字符串因为在我实际测试中OpenClaw这类代理框架在拼接长提示词时经常会胡乱加逗号、重复叠形容词。拆成两个字段由脚本内部按固定模板拼回完整提示词生成的图反而更稳定。完整提示词的拼接规则我固定在脚本里基本形式是{subject}, {style}, masterpiece, best quality负面提示词固定为blurry, low quality, worst quality, deformed, extra fingers4.3 核心脚本一张图的完整调用链我这边跑通的脚本核心逻辑JavaScript版大概长这样。注意它不是标准答案但我实测可用。const API_BASE http://127.0.0.1:8188; async function generateImage(params, workflowTemplatePath) { const workflow JSON.parse(await fs.readFile(workflowTemplatePath, utf-8)); // 在模板中找到对应的节点输入并替换 for (const node of Object.values(workflow)) { if (node.class_type KSampler) { node.inputs.seed params.seed || Math.floor(Math.random() * 1e9); node.inputs.steps params.steps || 20; node.inputs.width params.width || 1024; node.inputs.height params.height || 1024; } if (node.class_type CLIPTextEncode) { if (node._meta node._meta.title Positive) { node.inputs.text ${params.subject}, ${params.style}, masterpiece, best quality; } if (node._meta node._meta.title Negative) { node.inputs.text params.negative_prompt || blurry, low quality, worst quality; } } } const res await fetch(${API_BASE}/prompt, { method: POST, headers: { Content-Type: application/json }, body: JSON.stringify({ prompt: workflow, client_id: openclaw-bridge }) }); const data await res.json(); const promptId data.prompt_id; // 轮询 history 直到拿到图片 for (let i 0; i 60; i) { await new Promise(r setTimeout(r, 1500)); const historyRes await fetch(${API_BASE}/history/${promptId}); const history await historyRes.json(); const entry history[promptId]; if (entry entry.outputs) { for (const nodeId of Object.keys(entry.outputs)) { const out entry.outputs[nodeId]; if (out.images out.images.length 0) { const img out.images[0]; return ${API_BASE}/view?filename${encodeURIComponent(img.filename)}subfolder${encodeURIComponent(img.subfolder)}type${img.type}; } } } } throw new Error(等待超时ComfyUI没有在预期时间内返回图片); }这段代码做的事情很直白加载模板JSON → 替换参数 → 提交到/prompt→ 轮询/history/{prompt_id}→ 拼出图片访问URL。为什么是轮询而不是直接等回调因为ComfyUI的API是异步的提交任务后立即返回一个prompt_id真正的图片渲染完成时间取决于模型大小、步数和显存快则几秒慢则几十秒。轮询间隔我设了1.5秒最多等90秒够用。4.4 把Skill挂进OpenClaw并做第一次调通脚本准备好后在OpenClaw的技能目录里新建一个文件夹比如comfyui-image-gen把脚本和skill.md描述文件放进去。描述文件的作用是让OpenClaw知道“什么时候该调用这个技能”。我的描述文件写得非常简单技能名称: comfyui-image-gen 触发条件: 当用户要求生成、绘制、创作一张图片时调用。 参数说明: - subject: 用户描述的图片主体内容 - style: 用户指定的画风或风格可省略 输出说明: 返回图片的本地访问URL。然后回到OpenClaw会话直接对它说“帮我生成一张图海上日出吉卜力风格尺寸1024x1024。”如果配置没问题你会看到OpenClaw触发技能、调用脚本、然后告诉你图片在哪个地址。第一次调通的那一刻你会觉得之前所有的WSL折腾都是值得的。5. 跑通之后的真实排障清单5.1 高频错误与解决方案桥接链路跑起来之后出错的环节其实不少。我把常见问题整理成了一张对照表都是自己踩过或者帮朋友排查过的现象可能原因解决思路OpenClaw报技能调用超时ComfyUI没启动或端口不对先手动curl/system_stats确认API通提交/prompt返回400工作流JSON格式不对在ComfyUI里重新导出API格式JSON别用手改的可视化配置图片生成一半显存爆了模型尺寸/分辨率超过显卡上限降低分辨率或换更小的模型或开启--lowvram提示词里的中文变成乱码编码问题脚本提交JSON时统一用UTF-8编码fetch不要手动加编码头图片返回了一个地址但打不开ComfyUI监听的是0.0.0.0或公网IP浏览器的访问地址不对用--listen 127.0.0.1配合localhost访问OpenClaw反复说“无法安全验证”WSL环境又回到了1.x回到PowerShell执行wsl --status和wsl --set-default-version 25.2 环境诊断的顺序很重要排障最忌讳东一榔头西一棒子。我自己的固定诊断顺序是WSL状态 → Node版本 → OpenClaw配置 → ComfyUI状态 → 网络连通性。很多人桥接脚本写好了结果OpenClaw死活不触发技能一查是Node版本太低导致技能加载失败也有人直接跳到最后一步查网络折腾半天才发现ComfyUI压根没启动。记住本地桥接涉及两层服务任何一个没起来整条链都是死的。5.3 让ComfyUI稳定地“活”在后台ComfyUI在终端前台跑关掉终端就断了这对桥接来说太脆弱。我的做法是用进程守护工具把它托管起来。Linux/WSL环境可以用systemd服务或者更轻量的pm2npm install -g pm2 pm2 start python main.py --listen 127.0.0.1 --port 8188 --enable-cors-header \*\ --name comfyui pm2 save pm2 startup之后开机自动启动、崩溃自动重启都不用手管了。OpenClaw侧也一样用守护进程跑着整个桥接层就成了一个常驻服务。6. 进阶优化从“会出图”到“出好图”6.1 模型选型与显存预算桥接已经通畅接下来要考虑的是用什么模型出图。我做了一张参考表标出了不同档位显卡的合理选择显卡档位推荐模型分辨率建议备注8GB显存SD 1.5 / SDXL低步数512x512 ~ 768x768速度能接受LoRA空间充足12GB显存SDXL / SD3-medium1024x1024日常最优解16GB及以上SDXL 多个LoRA / Flux量化版本1024x1024以上可尝试更高步数和精细风格显存不足时ComfyUI有三个保命参数--lowvram、--novram、--cpu。前两个让模型权重在显存和内存之间辗转腾挪速度慢一点但能跑第三个纯粹拼CPU只建议应急用。6.2 让OpenClaw的“脑子”也完全本地化前面提到过OpenClaw的对话模型可以接Ollama这一步在桥接架构下尤其重要。当你的ComfyUI、OpenClaw、Ollama全部在本机跑通后整条链路就是一台完全离线、不依赖任何云端API的“自然语言图像生成机”。配置方式不复杂。Ollama默认在localhost:11434提供OpenAI兼容接口在OpenClaw的模型配置里填入Base URL: http://localhost:11434/v1 Model: qwen2.5:14b选Qwen这类对中文理解好的模型能明显提升提示词解析的准确性。我发现一个规律模型能力越强拆解 “subject” 和 “style” 的成功率越高最终出图风格越贴近描述。6.3 低算力和移动端的延伸思路搜索词里有很多人关心“OpenClaw安卓部署”“Termux安装OpenClaw手机版”“RK3588部署YOLOv8”这类低算力场景。我的观点是桥接架构天然适合做“瘦客户端”。OpenClaw可以装到手机Termux端作为随身语音/文字指令入口ComfyUI则跑在内网一台有显卡的机器上。只要把ComfyUI的监听地址从127.0.0.1改成内网IP比如0.0.0.0:8188再把Skill脚本里的API_BASE指向那台机器的内网地址手机上的OpenClaw一样能指挥内网的ComfyUI出图。低算力设备上的核心不是跑大模型而是“连对服务”。我在这套桥接方案里最直接的体会是它把OpenClaw的调度能力和ComfyUI的绘画能力真正拧成了一股绳而本地部署带来的掌控感——素材不出本机、每一步都能看到日志、出图质量自己说了算——是云端方案给不了的。最后再分享一个能让日常使用更顺手的小改动在OpenClaw的Skill脚本里每生成一张图顺手把图片URL和对应的完整提示词追加到一个本地manifest.md文件里。时间久了这个文件就成了你的灵感库想做类似风格的时候直接翻记录比在ComfyUI里找半天历史输出要高效得多。