用 Gradio Workflow 重造 AUTOMATIC1111：73 个节点拼出 11 条 AI 图像视频流水线

采集助手AI 前沿2026-09-161 阅读

一句话结论

AUTOMATIC1111 的整套功能可以用一张 Gradio Workflow 节点画布重建出来，而且更好用：Hugging Face 官方用 73 个节点、11 条媒体流水线复刻了 stable-diffusion-webui 的文生图、高清修复、图生图、提示词矩阵、检测擦除、ControlNet 预处理器、抠图、PNG 信息读写、图生视频全家桶。

核心差异有三点：本地 Python 函数和云端模型在同一张画布混排；每个输出节点自动变成 REST API 和 MCP 工具；开发者不需要自己的 GPU 就能跑完整流水线，整个 Space 可以直接复制改造。

Workflow1111 是什么

在上一篇 Gradio 文章里，团队搭了五个小型 gr.Workflow 图，并预告了用它重建 AUTOMATIC1111 stable-diffusion-webui 会是什么样。这篇就是兑现：Workflow1111 把 A1111 的大部分功能集重建为一张工作画布。

Workflow1111 是一张由 11 条媒体流水线、73 个节点构成的节点图，串起了当前最强的各类模型：文生图、高清修复、图生图、提示词矩阵网格、VLM 反推提示词、检测生成擦除蒙版、ControlNet 风格预处理器、背景移除、PNG 信息存储、图生视频。

运行方式有两种：用 Hugging Face 账号登录或提供 access token 直接跑，模型调用消耗你自己账号的额度；或者点 Duplicate 把整个 Space 复制下来，从 11 条流水线里挑一条改成自己的版本。

四类算子构成全部流水线

所有媒体流水线都由四种算子搭成：fn 是 Python 函数，model 是经 InferenceClient 调用的模型，space 是另一个 Gradio Space，dataset 是 Hub 数据集的一行。画布上每个节点包装一个算子，算子的输入输出就是连线用的端口。这个统一抽象贯穿全部 11 条流水线，也是理解后面所有例子的钥匙。

文生图主线：提示词构建到 PNG 元数据一条龙

核心流水线复刻了 A1111 的 txt2img 标签页：负向提示词、步数、CFG、种子、宽高，外加选择 checkpoint 的 model_id 字段。提示词先经过一个提示词构建 fn 节点——追加选定的风格预设并清理文本——再进入通过 Inference Providers 调用 checkpoint 的 model 节点。出口处还有一个后处理 fn 节点，把生成参数写进 PNG 的元数据，供后面的 PNG Info 流水线回读。A1111 用户熟悉的”参数随图走”体验原样保留。

高清修复与图生图：同一个 Kontext 节点两种用法

A1111 的高清修复是先放大 txt2img 输出、再跑第二轮去噪。这里改成两节点绕行：文生图结果送进 FLUX.1-Kontext model 节点，附上细化指令（“增强精细细节和微纹理，保持构图不变”），返回一张更清晰更大的图。

同一个 Kontext 节点兼任图生图标签页：上传图片、描述想要的修改，就得到编辑后的成品。

让 LLM 写提示词

输入粗糙提示词”风暴中的灯塔”，这条流水线把它交给 Qwen3-4B model 节点，一个小 fn 节点把回复转成干净的标签列表（上限 40 个）——“stormy sea, wet rocks, dramatic composition, low angle shot, volumetric lighting, ominous tone”。输出可以接到任何扩散模型节点直接出图。

与 ComfyUI 不同，这里没有自定义节点的概念——LLM 和扩散模型就是同一张画布上的普通 model 算子，连接它们不需要写任何胶水。

让 VLM 反推提示词

类似 A1111 的 Interrogate 按钮，但由 VLM 代替 CLIP 执行：Qwen2.5-VL 看一张夜市照片，写出可能生成它的提示词；同时一个 ViT 分类节点读同一张图，返回标签：餐厅 51.9%、烟草店 15.6%、玩具店 9.1%。

两个节点共用同一个图片输入，gr.Workflow 自动并行执行，两个答案大约在单个模型的用时内同时返回。

检测到擦除蒙版

A1111 要求手动涂抹擦除蒙版，这条流水线改用检测器自动生成：DETR 在街景照片里找出六个目标（三个人、一条狗、一辆自行车、一辆汽车），然后流程分两支——一支把检测框画在原图上，另一支把检测框转成蒙版，喂给下游的 inpaint 流水线。

画框和蒙版生成都用 Pillow 和 NumPy 在本地完成，只有检测调用离开本机。这个分工是整张画布的缩影：重的模型调用走云端，轻的图像处理留在本地。

提示词矩阵与并行生成

复刻 A1111 提示词矩阵：基础提示词”一棵孤零零的橡树”，由 fn 节点与四个后缀（日出时、雷暴中、银河下、秋雾里）组合，每个变体进入自己的文生图节点，最后一个节点把四张结果拼成一张对比图。

gr.Workflow 没有循环算子，所以四个文生图节点并排放在画布上。因为依赖深度相同，它们并行执行，四张图同时开始生成。

放大与抠图：本地与云端双路

对应 A1111 的 Extras 标签页，两个放大器节点走不同路线：第一个是 fn 节点里的本地 Lanczos 重采样，不需要网络调用，Pillow 多快它多快；第二个是 AuraSR ×4，画布上第一个 space 节点——调用 Hub 上的 Space，把结果当普通节点输出用。

背景移除同理：BRIA RMBG-2.0 也是一个 space 节点，整个模型住在自己的 Space 里，画布只负责调用进来。

ControlNet 预处理器：纯 NumPy 实现

Canny、线稿、素描、亮度深度图、色调分离——这些通常来自 A1111 的 ControlNet 扩展的预处理器，在这里每个都是一个纯 NumPy 写的 fn 节点，背后没有任何模型。在预载的建筑立面示例照片上，每个预处理器在 CPU 上约半秒完成。

整个应用 36 个算子节点里 32 个是 fn 节点，其中 22 个完全进程内运行、零网络调用——约三分之二的画布在断网时照常工作。它们是普通 Python 函数，不需要画布、服务器或 GPU 就能直接单测。

PNG Info 与图生视频：一次上传多点复用

PNG Info 流水线复刻 A1111 同名标签页：文生图流水线的后处理节点把生成参数写进 PNG 的 parameters 文本块，这条流水线把提示词、负向提示词、步数、CFG、种子、图片尺寸、模型全部读回来。

PNG Info 读取的图片节点同时馈给一个 Wan 2.2 I2V A14B 节点做图生视频——演示里一只睡着的狐狸醒来开始活动。没有第二个上传框，因为一个参考节点可以喂给任意多的下游流水线：单次上传，元数据被读取、图片被动画化，同画布完成。

自有 GPU 也能接

到目前为止所有模型调用都走别人的硬件——Inference Providers 或 Space——所以搭建和运行 Workflow1111 这样的应用不需要自己的 GPU。

但 fn 节点就是 Python，同样可以加载本地模型跑自己的 GPU。FastVideo 的 fastvideo-fasth3-preview 就是一个这样做的 gr.Workflow 应用：跑 FastH3（MiniMax-H3 的四步蒸馏版），在 ZeroGPU 上生成带音轨的视频。

ZeroGPU 在函数需要时分配 GPU、调用结束就释放，gr.Workflow 对此一无所知，照常调用 fn 节点。这套机制也不限于 Spaces：把 bind= 指向加载本地 checkpoint 的函数，在自己机器上 .launch()，Workflow1111 画布就能驱动自己的 GPU。

每个输出节点都是 API

画布上每个输出节点自动变成 REST 端点，无需手写路由。Workflow1111 暴露九个端点：/image、/edited_image、/generated_prompt、/recovered_prompt、/detected_objects、/x_y_grid、/upscaled_local、/annotator_map、/png_info，用 gradio_client 带 OAuth token 直接调用。

同一批端点还是 MCP 工具：启动时加 mcp_server=True，把 Claude Code、Cursor 或任何 MCP 客户端指向服务器 URL 即可。

这样智能体就能把”生成图片、反推提示词、跑检测”当作大任务里的步骤直接调用，零胶水代码。每个调用方在请求头里带自己的 X-HF-Token，Space 本身不保存任何令牌。

与 ComfyUI 怎么选

AUTOMATIC1111 给了功能清单，但 Gradio Workflow 真正的对标物是 ComfyUI——两者都是节点图，而很多想搭建和交付的东西，gr.Workflow 覆盖同样的地面。

官方列出的核心差异：节点可以是你不拥有的硬件，经 Inference Providers、任意 Space、任意 API 或数据集运行；每个输出自动变成类型化 REST 端点；访客可以用自己的身份运行工作流——开 OAuth 分享公开 URL，任何人登录即用、无需安装；扩散模型、LLM、VLM、检测器、视频模型可以在同一画布混排；需要定制时写个 Python 函数就行，Python 能做的它都能做。

最终产物是一个人们能在浏览器打开、登录、立即使用、还能从代码调用的多模型流水线。

三步起步

Workflow1111 有 73 个节点，但起点只有三行：定义函数、bind= 变节点、.launch() 开画布编辑。画布就绪后 gradio deploy 一行命令整体部署到 Space，完整细节在 gr.Workflow 官方指南里，包括 JSON 模式和全部算子类型。

想直接改现成的，打开 Workflow1111 点 Duplicate，从 11 条流水线里挑一条动刀——删节点、换模型、重接线。想从小开始，上一篇文章里有五个一分钟就能跑通的工作流。

原文信息

阅读原文

原文链接：https://www.jxxy.net/ai/articles/hf-workflow1111-rebuild-a1111/

← 返回文章列表