LayerForge：ComfyUI 上的 Photoshop 级图层编辑器

一、痛点切入：AI 生图工作流的"最后一公里"难题

在 AI 图像生成领域，ComfyUI 已成为专业工作流编排的事实标准。然而，当用户用 Flux、SDXL 生成出一张精美的图片后，想要对局部进行精修——比如"把背景换成黄昏"、"给人物换个发型"、"消除画面边缘的瑕疵"——却发现 ComfyUI 原生的画布能力极为有限：只能操作整张图像，没有图层、没有蒙版、没有混合模式。这就像给你一台顶级相机，却配了一个无法对焦的取景器。

LayerForge 正是为解决这一痛点而生。它在 ComfyUI 工作流中嵌入了一个功能完备的图层编辑画布，让用户可以在生成之后自由地进行局部调整、图像合成、边缘扩展（outpainting）等操作——整个过程不需要离开 ComfyUI，也不需要借助 Photoshop 等外部工具。

二、项目背景与作者故事

LayerForge 由独立开发者 Azornes 创建和维护，GitHub 仓库建立于 2025 年 6 月，遵循 MIT 许可证。项目基于 TypeScript + Python 双语言架构，前端面向 ComfyUI 内置的 Litegraph Web UI，后端通过 Python 节点与 ComfyUI 核心通信。

项目的核心灵感来自专业图像编辑软件（Photoshop、GIMP）的图层工作流，结合了 AI 生成图像的实际需求。作者在 ComfyUI 社区（ComfyUI Registry）发布了该节点，下载量持续增长，已形成稳定的用户群体。

三、核心功能：从图层到蒙版，从合成到 AI 抠图

3.1 多图层支持

LayerForge 的画布支持无限数量的图层，每个图层都可以独立操作：移动、缩放、旋转、调整透明度。所有图层的渲染按照从底到顶的顺序叠加，最终输出为一张合成图像。

3.2 丰富的混合模式

支持 25+ 种 Photoshop 经典混合模式（Multiply、Screen、Overlay、Soft Light、Color Dodge、Difference 等），混合模式和透明度可以分别控制，实现精确的光影合成效果。

3.3 分块蒙版绘制工具

内置画笔式蒙版编辑器，支持：

• 笔刷大小 / 硬度 / 强度 三参数连续调节
• 蒙版分块系统（Chunked Mask System）：将大尺寸蒙版拆分为小块处理，内存占用恒定，避免大图像爆内存
• 橡皮擦模式（从蒙版中删除区域）

3.4 AI 智能抠图（SAM Detector 集成）

可选集成 Impact Pack 的 SAM Detector，实现 AI 自动识别物体轮廓并生成精准蒙版。用户只需框选目标，SAM 模型自动分割，彻底告别手动勾勒边缘的繁琐。该功能通过 ComfyUI 内部的 clipspace 机制与 LayerForge 无缝衔接。

3.5 选区与形状工具

除了自由蒙版绘制，还支持矩形、椭圆等基础形状工具，可作为图层蒙版或选区使用。

3.6 批处理预览

BatchPreviewManager 组件支持多张图像的快速预览和切换，适合处理批量生成的图像素材。

四、技术架构：Facade 模式下的前后端协同

LayerForge 的架构设计颇为考究，采用了 Facade 设计模式：

Canvas.ts          → 顶层 Facade，暴露简化 API
  ├── CanvasLayers.ts          → 图层系统（混合模式、透明度、剪贴板）
  ├── MaskTool.ts              → 蒙版绘制（分块渲染、笔刷系统）
  ├── CanvasRenderer.ts        → 渲染引擎（脏矩形优化）
  ├── SAMDetectorIntegration.ts → AI 抠图集成
  ├── ShapeTool.ts             → 形状工具
  ├── CanvasView.ts            → 视口管理（缩放、平移）
  ├── CanvasState.ts           → 状态管理
  └── db.ts                    → IndexedDB 图像缓存

Python 后端（canvas_node.py）负责：

• 与 ComfyUI 核心通信，处理图像 I/O
• BiRefNet 模型推理（AI 背景抠图），支持 CPU/GPU 双模式
• 图像格式转换（PIL → torch tensor）
• WebSocket 事件通知

TypeScript 前端（src/*.ts）：

• 50+ 个模块文件，代码结构高度模块化
• Web Worker（state-saver.worker.ts）用于异步持久化
• IndexedDB 缓存图像，避免重复上传
• WebSocket 实时预览更新

五、部署方式与门槛评估

LayerForge 作为 ComfyUI 的自定义节点（Custom Node）分发，不支持独立部署。

安装前提：ComfyUI 已正常运行。安装方式二选一：

1. 推荐：通过 ComfyUI-Manager 图形界面搜索 "LayerForge"，一键安装
2. 手动：克隆到 ComfyUI/custom_nodes/，执行 pip install -r requirements.txt

Python 依赖：torch、torchvision、transformers、aiohttp、numpy、Pillow、tqdm。其中 transformers 用于 BiRefNet 推理，首次运行会自动下载模型（约 400MB）。

硬件需求：AI 抠图功能需要 NVIDIA GPU（8GB+ VRAM，推荐 RTX 3060 及以上）。纯图层操作可在 CPU 模式下运行，但体验较差。

部署难度评估：中等。主要门槛在于需要预先配置完整的 ComfyUI 环境（含 GPU 驱动、CUDA、PyTorch），而非 LayerForge 本身复杂度高。

六、争议与局限

1. 必须有 ComfyUI 才能使用：对于不熟悉 ComfyUI 的用户，学习曲线陡峭。LayerForge 的功能再强大，也被锁在 ComfyUI 的生态围墙之内。
2. GPU 内存消耗：分块蒙版系统虽然缓解了单张图像的内存问题，但多图层 + AI 抠图同时运行时，VRAM 消耗仍然显著。
3. 非真正的外部工具：ComfyUI 原生画布的局限性（无原生文字工具、无滤镜、无调整图层）在 LayerForge 中也没有完全弥补，功能边界清晰。
4. 版本迭代较快：v1.5.13（当前版本）距首个版本不到一年，部分 API 可能随 ComfyUI 版本更新而变化。

七、行业意义与趋势

LayerForge 的出现折射出一个更大的趋势：AI 生图工具正在从"生成即结束"向"生成即编辑"演进。早期 Midjourney、Stable Diffusion 的痛点是"生成图片后无法微调"，而 LayerForge 代表的图层编辑节点正是解决这一痛点的技术路径。

与此同时，ComfyUI 社区正在形成一个类似于 Photoshop 插件生态的扩展市场。LayerForge 凭借其专业级的图层编辑能力，在 ComfyUI Registry 下载量排名靠前，是该生态中最接近"专业修图工具"定位的节点之一。

未来，随着 ComfyUI 原生工具链的完善，以及更多 AI 编辑能力（如局部重绘 Inpainting、区域扩展 Outpainting）的集成，LayerForge 这类节点的需求将持续增长。

图1：LayerForge 在 ComfyUI 中的图层编辑工作流界面示例