2026-09-10 — views
使用 Gradio 工作流节点重建 AUTOMATIC1111 功能
为什么值得读 开发者可以利用 Gradio 的算子模型创建复杂、模块化的 AI 管线，而无需自定义路由代码，从而实现多阶段媒体工作流的快速原型开发。
Yuvraj Sharma 和 Abubakar Abid 展示了 Workflow1111，这是一个 Gradio 画布，通过七十三个工作流节点复制了 AUTOMATIC1111 的核心媒体处理管线。
面向媒体管线的图结构方法
Yuvraj Sharma 和 Abubakar Abid 推出了 Workflow1111 项目，该项目将 AUTOMATIC1111 的 stable-diffusion-webui 的功能集重构为单个 Gradio Workflow 画布。该图由十一个媒体管线组成，包含七十三个工作流节点。该系统集成了用于文本到图像生成、高分辨率修复、图像到图像编辑、提示词矩阵、视觉语言模型查询、基于检测的修复蒙版、ControlNet 风格标注器、背景移除、PNG 元数据存储以及图像到视频转换的最新模型。
核心算子与节点类型
画布上的所有媒体管线均由四种算子类型构建：Python 函数 (fn)、通过 InferenceClient 调用的模型、其他 Gradio Spaces 以及 Hub 数据集行。每个节点封装一个算子，将其输入和输出作为端口以进行边缘连接。这种结构允许开发者无缝混合本地处理与远程模型调用。例如，虽然某些节点需要网络调用，但其他节点完全在进程内运行，确保即使互联网连接丢失，画布上约三分之二的功能仍能正常运行。
关键管线实现
文本到图像管线模仿了 AUTOMATIC1111 的 txt2img 选项卡，处理负面提示词、步数、CFG 和种子。一个提示词构建函数在将文本传递给模型节点之前，会附加风格预设并清理文本。高分辨率修复实现为使用 FLUX.1-Kontext 模型增强细节并放大图像的两节点旁路。图像到图像功能共享此 Kontext 节点，允许用户上传图像并描述所需的更改。
高级功能包括使用 Qwen3-4B 将粗略想法转换为标签列表的 LLM 辅助提示词生成器，以及使用 Qwen2.5-VL 从图像生成提示词的 VLM 查询器。检测管线使用 DETR 识别对象，并使用 Pillow 和 NumPy 在本地生成交织蒙版。由于 Gradio Workflow 缺乏循环算子，提示词矩阵功能并行运行四个文本到图像节点以创建联系表。图像放大和背景移除利用本地函数和远程 Spaces（如 AuraSR 和 BRIA RMBG-2.0）。
实务笔记
虽然许多调用指向远程硬件，但 fn 节点可以在用户的 GPU 上本地加载模型。该应用程序为每个输出节点暴露了九个 REST 端点，允许外部客户端与工作流程进行交互。此外，启用 MCP 支持可将这些输出转换为 AI 助手（如 Claude Code 或 Cursor）的工具，使代理能够在不编写胶水代码的情况下生成图像或运行检测，作为更大任务的一部分。