Hermes 开源了 ComfyUI Skill，以后出图、出视频直接说就行了
前两天 Nous Research 悄悄往 hermes-agent 仓库里塞了一个 ComfyUI Skill，ComfyUI 是生图、生视频的利器，堪称多媒体工作流中的“乐高”，但也正因如此，上手难度很高。而有了 ComfyUI Skill 之后，只需一句话就能在本地出图、出视频，更重要的是，还能用自然语言完成复杂的工作流。
它能做什么
Hermes 的 ComfyUI Skill 把 Agent 和 ComfyUI 之间的整个交互链路都封装好了。
生命周期管理方面，Agent 用 comfy-cli 负责 ComfyUI 的安装、启动、自定义节点管理。你不需要手动跑 python main.py，也不需要手动 pip install 缺失的节点依赖——说一声，Agent 搞定。
执行层面，Skill 直接走 ComfyUI 的 REST + WebSocket API，不是截图、不是 UI 操作，是真正的接口调用。工作流 JSON 加载进去，参数注入进去，生成结果拿出来。
工作流管理方面，你可以把任意复杂的工作流 JSON 导入进来，Skill 会自动解析哪些参数是可注入的（prompt、seed、LoRA 权重、尺寸等），建立一层干净的映射，让 Agent 调用时不用碰原始的节点图。
多实例方面，本地机器、远程服务器、不同显卡——可以注册多个 ComfyUI 实例，执行时指定路由到哪台。
用一句话总结能做到的事：
• 出图（文生图、图生图）
• 出视频（配合 AnimateDiff、Wan、HunyuanVideo 等工作流）
• 出音频（配合 AudioCraft 工作流）
• 批量处理（批量 prompt、批量 seed）
• 工作流链式调用（出图 -> 放大 -> 局部重绘，全自动）
安装
前置条件
• Hermes Agent 已经跑起来
• 本地或远程已经安装 ComfyUI
ComfyUI Skill
Skill 在更新到最新版本后会自动复制到 ~/.hermes/skills/，如果你是新装的 Hermes，应该已经有了。
检查一下：
ls ~/.hermes/skills/creative/ 能看到 comfyui 目录就说明 Skill 已经在了。
如果没有，可以通过 Hermes CLI 安装（Skill Hub 功能）：
hermes skills install creative/comfyui 如果上面命令无法安装也可以手动从Github拉一下：
cd ~/.hermes/skills/creative
git clone https://github.com/NousResearch/hermes-agent.git --depth=1 --filter=blob:none --sparse _tmp
cd _tmp && git sparse-checkout set skills/creative/comfyui
cp -r skills/creative/comfyui ../ && cd .. && rm -rf _tmp让Hermes使用ComfyUI
装完之后就是重头戏了。打开 Hermes，直接说：
使用ComfyUI帮我生成一张猫咪图片，ComfyUI运行地址:http://192.168.33.106:8188/
Agent 会自动：
-
检查 ComfyUI 服务是否在线
-
找到对应工作流
-
把你的描述翻译成 prompt 注入进去
-
设置随机 seed
-
调用 API 执行生成
-
把生成结果返回
不需要你打开浏览器，不需要拖节点，不需要手动填参数。
我实际使用效果：
几个实际用法
批量生成不同风格
用 ComfyUI的txt2img-workflow 分别生成水彩风、油画风、像素风三张图，内容都是"一只猫坐在窗边"
Agent 会连续调用三次，分别注入不同的风格 prompt，返回三个文件路径。
链式工作流
通过ComfyUI完成以下操作：先用 flux-workflow 生成一张建筑概念图，然后用 upscale-workflow 放大到 4K，再用 inpaint-workflow 把天空部分重绘成黄昏
这个场景 Agent 会按顺序执行，上一步的输出作为下一步的输入。
检查和安装依赖
我想通过ComfyUI跑 animatediff-workflow，先检查一下缺哪些节点和模型
Agent 会调 comfyui-skill deps check，列出缺失项，问你要不要现在装。
总结
这个 Skill 做的事情说白了就是：把 ComfyUI 从一个"需要手动操作的工具"变成了一个"Agent 可以调用的能力"。
核心价值不只是省去了拖节点的步骤，而是让 ComfyUI 的出图能力可以被编排进更大的工作流里。写文章、做 PPT、生成配图——以前这些步骤是断开的，现在可以全部交给 Agent 串起来。
口喷创作的时代来了！