红框节点不一定是故障源头，需先检查其输入连线是否实心；右键查看节点信息可判断是否缺失节点或依赖异常；启用/?debug=1日志并搜索error关键词定位首条报错；通过json反向追踪class_type确认插件来源；用删除法或空输入注入法隔离验证问题节点。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你在LiblibAI上运行ComfyUI工作流时遇到满屏红框、进度卡住或输出异常，却不知道具体哪个节点出了问题——这说明工作流已加载但执行链在某个环节中断，而LiblibAI的Web界面默认隐藏了底层报错细节，必须主动调出关键线索才能定位真凶。
先看界面红框和节点状态
红色边框的节点就是当前未通过校验的节点，但注意：它不一定是源头。有些节点变红是因为上游传来了None或类型错误的数据，自己只是“被连累”。所以第一步不是急着修红框节点，而是观察它的输入连线是否全部实心、有颜色——如果某条输入线是虚线或完全断开，说明上游节点根本没输出，问题在前面。
右键点击红框节点 → 选择【View Node Info】，弹窗中若显示⚠️图标或“Not registered”字样，说明该节点类名未被识别，属于缺失节点；若显示完整类名但参数区为空或灰显，则大概率是依赖未加载或版本不匹配。
打开终端日志精准锁定
LiblibAI Web版不直接暴露终端，但你必须启用它：在浏览器地址栏末尾手动添加 /?debug=1 并回车（例如 https://www.liblib.ai/comfyui/?debug=1），刷新后页面右下角会出现可展开的日志面板。
点击【Run】触发工作流 → 立即滚动日志面板，搜索关键词 error、missing、invalid connection 或报错中出现的具体类名（如 IPAdapterApply、ControlNetPreprocessor）。
找到最靠前的一条含 validate_inputs 或 get_input_data 的报错行，它会明确写出哪一帧、哪个节点、哪个输入口失败，例如："Validate failed on node 'KSampler_12': input 'latent' expects type 'LATENT', got 'None'"——这说明上游的潜空间生成节点压根没跑通，要顺着这条线往回查。
用JSON反向追踪节点来源
在LiblibAI工作流编辑界面，按 Ctrl+Shift+I（Windows）或 Cmd+Option+I（Mac）打开浏览器开发者工具 → 切到【Application】标签 → 左侧选【Local Storage】→ 找到 key 为 comfyWorkflow 的条目 → 点击右侧【Edit】按钮，复制出完整的 JSON 内容。
把这段 JSON 粘贴进 VS Code 或记事本 → 按 Ctrl+F 搜索报错中出现的类名（比如 "class_type": "CR_TextList"）→ 定位到该节点块 → 查看其 "inputs" 下的字段，重点关注 "custom_node" 注释（如有）或 "_meta" 中的 "title" 和 "package" 字段，这些是插件来源的关键线索。
若 JSON 中无注释，就看该节点的 "class_type" 名称，用小写字母+下划线组合去 GitHub 搜索，例如搜 comfyui_crystalline 或 comfyui-text-extensions，90% 能命中对应仓库。
隔离测试可疑节点
方法一：临时删除法
在画布中选中疑似问题节点 → 按 Delete 键删除 → 连接上下游节点（确保语义合理，如 image → KSampler 是非法的，必须经 VAE encode）→ 再次运行。如果红框消失且流程跑通，说明原节点就是故障源。
方法二：空输入注入法
对红框节点，手动添加一个基础输入节点：拖入 Load Image → 上传一张纯白PNG → 将其 output 连接到红框节点的首个 input 口 → 运行。若此时节点变绿且输出正常，证明原工作流中上游给的数据格式/类型/值不符合要求，问题不在节点本身，而在数据流路径设计。
【注意：删除节点前务必导出当前工作流JSON备份，误删无法撤销】
