一套面向 AI 编程助手的 ComfyUI + Anima 二次元生图技能包。当前主线是 v2mini：去掉多层代理式路由，只保留 Anima 生图所需的核心约束、Danbooru tag 精确校验和 ComfyUI 执行链路，让 AI 和人类把更多注意力留给画面本身。

v2mini 的新核心是“情境因果 → 三层 prompt → 精确执行”：先让模型根据角色、画师、场景和用户意图形成有故事感的画面瞬间，再拆成 hard_tags、soft_phrases、nltags_block，由 danbooru-tags 只确认真正的 Danbooru 硬锚点，最后交给 ComfyUI workflow 执行。

🌐 English Version

• 返璞归真：v2mini 不再依赖 master / composition-director / random-gen 多层链路，默认从 comfyui-animatool 进入生图。
• 把创作权还给模型和用户：skill 不替代审美、构图常识和角色理解；只保留 Anima 工作流中容易丢失或容易出错的硬边界。
• 情境因果优先：先确定事件起因、角色反应、环境参与和可见后果，再补齐画面八维信息。
• 三层 prompt 组装：hard_tags 放确认过的硬锚点，soft_phrases 放模型审美短语，nltags_block 放空间、动作归属、光影、景深和因果后果。
• 不可丢事实：Anima prompt 顺序、三层分离、双 LoRA 质量前缀、负向动态组装、workflow args、seed 行为、submit 非阻塞和 PowerShell JSON 编码。
• 硬锚点精确校验：角色、作品、画师、服装、道具等 hard anchors 由 danbooru-tags 先做 exact / prefix 验证；模糊结果只作候选，不冒充 confirmed tag。
• 执行层纯粹：comfyui-manager 只执行准备好的 workflow 和 args，不写 prompt、不选画师、不决定构图。
• 按需参考：失败模式、画师风格研究等内容留在 references，只有遇到对应问题才读取。

本项目的 Skills 为 AI 编程代理（AI Coding Agent） 设计，任何能执行 Shell 命令的 AI 助手均可使用：

💡 推荐使用 Snow — 目前国内体验最好的 AI 编程代理。

v2mini 采用三段式链路：

这条链路不做多代理分工，不创建 route contract，不把用户需求拆成过度流程。模型先理解画面和故事因果，skill 只兜住 Anima、Danbooru 和 ComfyUI 的硬规则。

comfyui-good-anima/
├── README.md
├── README_EN.md
├── comfyui-animatool/
│   ├── SKILL.md                # Anima 生图唯一入口：情境因果、三层 prompt、args
│   └── references/
│       ├── artist-style-research.md # 只在研究画师风格时读取
│       └── failure-patterns.md      # 只在出图失败/畸形/归属混乱时读取
├── danbooru-tags/
│   ├── SKILL.md                # Danbooru tag 检索与校验
│   ├── bin/danbooru-tags.exe   # Rust CLI（预编译）
│   ├── anima-1.0.csv           # Anima 标签主索引
│   ├── Anima-preview.csv       # 预览版 tag 数据
│   ├── Anima-preview-alternate.csv
│   ├── tags_index.json         # JSON 索引
│   ├── tags_index.sqlite       # SQLite 高速索引
│   ├── *.py                    # 索引构建脚本
│   └── rust-cli/               # danbooru-tags Rust 源码
├── comfyui-manager/
│   ├── SKILL.md                # ComfyUI 执行与运维
│   ├── workspace/              # workflow JSON + 执行脚本
│   │   ├── config.json
│   │   ├── run_workflow_args.js
│   │   ├── cache_anima_outputs.js
│   │   └── data/               # 工作流定义 + local/ 导入映射
├── samples/                    # 示例图
├── legacy/v1/                  # V1 归档版本，仅历史参考，保留在 git
├── legacy/V3/                  # V3 本地封存版本，不纳入 git
└── LICENSE

• 当前主线只维护 v2mini：comfyui-animatool、danbooru-tags、comfyui-manager。
• legacy/v1/ 作为早期硬约束链路归档，可用于对照规则退化，不作为运行入口。
• legacy/V3/ 作为本地封存版本保留，不提交到 git，不作为安装路径或技能根目录。
• 新规则优先进入三大核心 skill；失败排查和画师研究只放入 comfyui-animatool/references/。

danbooru-tags 是本项目中最关键的检索基础设施。它是一个 Rust 编写的命令行工具，负责对 Anima 官方标签索引（anima-1.0.csv） 进行高速检索和锚点校验。

Anima 模型是在 Danbooru 标签系统上训练的，想要精确控制生成内容，就必须使用 Danbooru 体系内的有效标签。但 Danbooru 有数百万个标签，人工记忆和拼写几乎不可能。danbooru-tags 解决了以下痛点：

anima-1.0.csv (官方索引)
       ↓
 build_index.py + sqlite_index.py (构建索引)
       ↓
tags_index.sqlite (高速本地索引)
       ↓
 bin/danbooru-tags.exe (Rust CLI)
       ↓
 AI 助手用 --group / --random / --batch-file 检索
 获得 confirmed_tags / candidate_tags 用于 prompt 组装

没有 danbooru-tags，整个生图流程就变成了"盲写 prompt，撞大运出图"，完全失去了精确控制的能力。

以下是由 ComfyUI Good Anima + Anima base v1.0 生成的示例图片（画师：rella）：

作品	描述
	东方 project — 小野塚小町与四季映姫，花映塚主题
	东方 project — 宫古芳香与霍青蛾，神灵庙主题
	东方 project — 八云紫与八云蓝，妖妖梦主题

使用 Sage Attention 模式启动可获得最佳性能（需 ANIMA_BOOSTER 节点支持）：

python main.py --use-sage-attention

注意： 默认采样器使用 dpmpp_2m_sde_gpu + beta57 scheduler。beta57 调度器来自 RES4LYF 节点包，需额外安装。

模型来源：circlestone-labs/Anima — CircleStone Labs 与 Comfy Org 联合发布。训练数据截止 2025 年 9 月。

默认工作流使用双美学 LoRA，masterpiece-v51 LoRA 基于 PonyV7 美学评分训练，必须使用以下前缀：

masterpiece, very aesthetic, best quality, score_9, score_8, highres, absurdres, newest, year 2025, nsfw

备选 — 裸模型（无 LoRA，仅对比测试）：

masterpiece, best quality, score_7, safe

⚠️ 质量前缀与 LoRA 栈绑定。将 score_7 替换到 LoRA 工作流会降低 masterpiece-v51 效果。HuggingFace 页面描述的是裸模型，本项目使用的是增强工作流。

默认工作流依赖 FLSamplerV4 + RES4LYF 自定义节点：

若 RES4LYF 不可用，降级为 beta 或 ddim_uniform。裸模型使用 er_sde + simple（按官方文档）。

在 ComfyUI custom_nodes/ 目录中安装：

快速安装（PowerShell）：

cd ComfyUI/custom_nodes
git clone https://github.com/BlackSnowSkill/ANIMA_BOOSTER.git
git clone https://github.com/BlackSnowSkill/ComfyUI-BSS_FLSampler.git
git clone https://github.com/daraskme/comfy_anima_tea_cache.git
git clone https://github.com/ClownsharkBatwing/RES4LYF.git
git clone https://github.com/Comfy-Org/Nvidia_RTX_Nodes_ComfyUI.git

安装后重启 ComfyUI，验证：comfyui-skill deps check local/anima-txt2img-aesthetic-lora

这是整个链路中最重要的组件。 没有它，AI 编程助手（Snow / Codex）无法与本地 ComfyUI 通信和执行工作流。

pip install comfyui-skill-cli

安装后，AI 助手可通过 comfyui-skill 命令查询模型列表、导入工作流、执行生图和管理队列。

git clone https://github.com/comfyanonymous/ComfyUI
cd ComfyUI
pip install comfyui-skill-cli

COMFYUI_GOOD_ANIMA_SKILLS_DIR 必须指向安装后的 skills 根目录，目录下应直接包含：

comfyui-animatool/
danbooru-tags/
comfyui-manager/

[System.Environment]::SetEnvironmentVariable(
    "COMFYUI_GOOD_ANIMA_SKILLS_DIR",
    "C:\Users\12971\skills",
    "User"
)
$env:COMFYUI_GOOD_ANIMA_SKILLS_DIR = "C:\Users\12971\skills"

如果你的 skills 安装在其他位置，把路径替换为自己的 skills 根目录。不要指向 legacy/v1、legacy/V3 或其他实验副本。

按上方表格将模型文件放入对应目录，克隆自定义节点，然后启动 ComfyUI。

cd comfyui-good-anima/comfyui-manager/workspace
comfyui-skill workflow import data/anima-txt2img-aesthetic-lora.json --check-deps --json
comfyui-skill workflow import data/anima-txt2img-aesthetic-lora-artist-mixer.json --check-deps --json
comfyui-skill workflow import data/anima-txt2img-base.json --check-deps --json

AI 助手触发 comfyui-animatool 后会输出 workflow_id 和扁平 args JSON，再交给 comfyui-manager：

cd comfyui-good-anima/comfyui-manager/workspace
node ./run_workflow_args.js submit local/anima-txt2img-aesthetic-lora ./args_anima.json

run_workflow_args.js 会通过 argv 安全传递 JSON args。省略 seed 时脚本会自动生成随机 seed 并写回 args。 submit 非阻塞返回 prompt_id；需要等图或查看结果时再显式查询状态。

直接描述你想生成什么：

"生成天使心跳的立华奏"           → 标准生图链路
"来个随机画师出图"               → danbooru-tags 随机候选 → animatool 组装
"融合 wlop 和 sakimichan 的画风" → Artist Mixer workflow
"出 10 张不同姿势"               → 多 prompt 或 batch_size 变体

v2mini 不强迫用户先写完整提示词。用户说想法，AI 形成画面；skill 负责确保 tag、nltags、args 和 workflow 不跑偏。

用户意图
    │
    ▼
comfyui-animatool
    │
    ├── 视觉简报
    │     └── 主体 / 场景容器 / 动作关系 / 镜头 / 画布 / 光影 / nltags
    │
    ├── danbooru-tags
    │     └── 角色 / 作品 / 画师 / 服装 / 道具 / 姿势 hard anchors 校验
    │
    ├── prompt 组装
    │     ├── tag_block：质量、年代、安全、角色、作品、画师、外观、道具
    │     ├── nltags_block：位置、关系、接触、视线、遮挡、光源、景深
    │     └── prompt_11 = tag_block + nltags_block
    │
    ├── 负向动态组装
    │     └── 按脸、手、脚、多人、透视、持物、动态动作风险追加
    │
    ▼
comfyui-manager
    │
    ├── validate
    ├── submit
    └── run / cache（仅用户要求时）

核心原则：不要把普通创作判断写死；只把会导致 Anima 或 workflow 明确失败的边界写死。

danbooru-tags/ 目录中包含以下 Python 脚本，仅用于首次初始化标签索引，日常生图不需要运行：

首次初始化：

cd comfyui-good-anima/danbooru-tags
python build_index.py
python sqlite_index.py

仓库已包含预构建的 tags_index.sqlite 和 tags_index.json，大多数情况下跳过此步也可直接使用。

danbooru-tags/bin/danbooru-tags.exe 是本项目的核心标签检索工具，已预编译为 Windows 可执行文件，无需安装 Rust 或编译即可使用。

• ✅ 直接使用 — .exe 已包含在 bin/ 目录，clone 后立即可用
• ✅ 源码已包含 — danbooru-tags/rust-cli/ 包含 Rust 源码与 Cargo.toml
• ✅ 构建产物不提交 — rust-cli/target/ 保持忽略，只提交源码、Cargo.toml 和 Cargo.lock

提交前建议执行以下检查：

# Rust CLI
Push-Location ".\danbooru-tags\rust-cli"
cargo test
Pop-Location

# Skill 元数据
$env:PYTHONUTF8="1"
python "C:\Users\12971\skills\.system\skill-creator\scripts\quick_validate.py" ".\comfyui-animatool"
python "C:\Users\12971\skills\.system\skill-creator\scripts\quick_validate.py" ".\danbooru-tags"
python "C:\Users\12971\skills\.system\skill-creator\scripts\quick_validate.py" ".\comfyui-manager"

# 工作流执行脚本语法
node --check ".\comfyui-manager\workspace\run_workflow_args.js"

comfyui-skill-cli 升级后，先执行：

comfyui-skill deps check local/anima-txt2img-aesthetic-lora
node ".\comfyui-manager\workspace\run_workflow_args.js" validate local/anima-txt2img-aesthetic-lora ".\comfyui-manager\workspace\args_sample.json"

将 args_sample.json 替换为实际准备好的 args 文件。确认 validate / submit 行为正常后再进入正式生图。

• 模型：circlestone-labs/Anima — 官方模型页
• ComfyUI：comfyanonymous/ComfyUI
• ComfyUI Manager：ltdrdata/ComfyUI-Manager
• ComfyUI Skill CLI：HuangYuChuh/ComfyUI_Skill_CLI — pip install comfyui-skill-cli (PyPI)
• Danbooru：danbooru.donmai.us — 标签系统

GPLv3 — 详见 LICENSE 文件。

特别感谢 HuangYuChuh 开发的 ComfyUI_Skill_CLI。

这个 CLI 工具是本项目能够运转的核心基石。它提供了一套优雅简洁的命令行接口，让 AI 编程助手无需直接处理 ComfyUI 的 HTTP API 调用、无需手动拼接 prompt JSON、无需操心队列管理和模型路径适配，就能像操作本地工具一样自然地与 ComfyUI 交互。没有这个项目，我们的 AI Agent Skills 就无法落地执行，整个工作流也就失去了最后一环。

感谢 BlackSnowSkill 开发的 ANIMA_BOOSTER 和 ComfyUI-BSS_FLSampler。ANIMA_BOOSTER 提供了 AnimaBoosterLoader 节点，让模型加载与 Sage Attention 加速成为可能；它的 AnimaArtistPack 和 AnimaArtistCrossAttn 节点更是画师多风格融合的关键。FLSampler 则为采样过程带来了 Foveated Latent Sampling 技术，在提升细节清晰度的同时对模型进行二次增噪和加速优化。没有这些节点，Anima 模型的潜力就无法被充分释放。

感谢 Comfy-Org 维护的 Nvidia_RTX_Nodes_ComfyUI（老黄的 RTX VSR 节点）。它让图片放大变得极快且高质量，在保持画质的同时大幅缩短了放大耗时，是出图流程中不可或缺的一环。

感谢 KBlueLeaf 及 Anima 团队训练的 Anima base v1.0 模型。Anima 为二次元 AI 生图领域带来了一颗升起的新星，它在角色一致性、画风还原和构图理解上的出色表现，让本地 AI 绘图达到了前所未有的高度。

感谢 CircleStone Labs & Comfy Org 团队在 DiT 架构和 Danbooru 标签系统上的深耕，为社区提供了一个真正可用、可控、可本地部署的二次元生成模型。

感谢 CivitAI 社区贡献的 LoRA 模型作者们：

• anima-highres-aesthetic-boost — 高分辨率下的美学增强，让细节更加丰富自然
• aesthetic-quality-modifiers-masterpiece — 杰作品质修饰器，让整体画面完成度大幅提升

这两款美学 LoRA 是让 Anima 生图从"能看"走向"完善"的关键。

感谢 ClownsharkBatwing 的 RES4LYF 节点包提供的 beta57 调度器，为本项目的默认采样配置提供了稳定且高质量的选择。

感谢 Perplexity Agents Team — Skills 设计方法论参考。 感谢 NextLevelBuilder — ui-ux-pro-max 蓝本参考。

衷心感谢以上所有开源作者和社区贡献者为 AI 创作生态做出的贡献。 ❤️