ComfySearch：面向ComfyUI工作流的自主探索与推理

摘要

AI生成内容已从单体模型发展到模块化工作流，尤其是在ComfyUI等平台上，用户可以自定义复杂的创作流水线。然而，ComfyUI中组件数量庞大，加之在严格图约束下维持长程结构一致性的困难，常常导致通过率低和工作流质量有限。为克服这些局限，我们提出ComfySearch，一个Agentic框架，能够有效探索组件空间，并通过验证引导的工作流构建生成可用的ComfyUI流水线。实验表明，ComfySearch在复杂与创造性任务上显著优于现有方法，取得更高的可执行（通过）率、更高的解题率和更强的泛化能力。

ComfySearch：面向ComfyUI工作流的自主探索与推理配图 — 图 1：一次性（one-shot）工作流规划会一次性生成整张图，因而较为脆弱；而“推理即动作”生成（ComfySearch）则增量地构建并验证每次编辑，确保工作流稳健且可执行。