AI 工作流生成器

要解决什么问题

同一套生成需求（模型族、文生图/图生图/局部重绘、LoRA、ControlNet 等）在不同落地环境里对应完全不同的文件形态：ComfyUI 需要带 links 的节点图 JSON，A1111 是 params.json，Diffusers 往往是 pipeline.py，还有纯 API 请求体或仅保留语义的 Prompt-only。手写这些图容易踩坑——例如 Flux 不应带 negative prompt、Inpaint 必须用 VAEEncodeForInpaint、ComfyUI 里 LoRA 要同时接 MODEL 与 CLIP。

技能如何工作

技能把用户描述解析成统一的 WorkflowIR（core/ir/ 下的枚举、节点图与校验逻辑），再按目标平台加载 knowledge/platforms/ 与模型知识文件渲染原生产物。典型流水线是五步：平台识别（显式点名或从「节点」「webui」「diffusers」等信号推断）→ 意图 → IR（model_family、pipeline_type、modules[]、采样参数）→ 规则校验（validators/rules.yaml，CRITICAL 失败则阻断）→ 平台渲染（ComfyUI 节点 ID/连线拓扑、links 六元组等）→ 三件套输出：工作流文件、dependencies.md、加载与调参说明。也支持把已有工作流解析回 IR 再转换到另一平台，并在文档里标明常见损失（如 ComfyUI → A1111 会丢掉复杂节点逻辑）。

适用边界与注意点

能力按环境 L1～L4 降级：无文件工具时可能只输出核心 JSON 或分块内容。平台未知时只会追问一次「用哪个平台」。跨模型规则很多（SD3 三路文本编码、Flux guidance 等），需依赖知识库与自动化用例（如 TC001–TC013）做语义校验；不能假设任意 exotic 节点都能在 A1111 或 Prompt-only 里 1:1 保留结构。