n8n-workflows AI Stack 运维速查本地 n8n Agent Zero ComfyUI 一体化栈的命令参考、ComfyUI API 与故障处理【免费下载链接】n8n-workflowsall of the workflows of n8n i could find (also from the site itself)项目地址: https://gitcode.com/GitHub_Trending/n8nworkflo/n8n-workflows本文以 ai-stack/CHEAT-SHEET.md 为骨架系统梳理 n8n-workflows 仓库中「AI Automation Stack」子项目的日常运维操作如何在 Windows 与 Mac/Linux 上启动、停止、查看状态与日志如何理解三个服务n8n / Agent Zero / ComfyUI的端口与健康检查端点如何调用 ComfyUI API 提交与轮询出图任务以及如何执行 Docker 维护、紧急重置、备份与安全加固。读完后你可以把这篇文档当作「打印版速查表」配合源码直接使用并在遇到问题时快速定位到 ai-stack/docker-compose.yml 与启动脚本中的对应实现。栈的整体构成三个服务、三个端口AI Stack 是一个单命令可部署的本地 AI 自动化栈由三个容器化服务组成均定义在 ai-stack/docker-compose.yml 中服务角色端口访问地址n8n工作流编排引擎指挥者5678http://localhost:5678Agent ZeroAI Agent 运行时与规划界面50080http://localhost:50080ComfyUIAI 图像/视频生成8188http://localhost:8188三者共享一个ai-stack-network桥接网络见 ai-stack/docker-compose.yml#L129-L132这意味着容器内部可以互相用服务名如http://comfyui:8188访问而浏览器访问则一律走localhost加宿主端口——这一点是后文「n8n 连不上 ComfyUI」类问题的关键。启动与停止完整的命令参考速查表CHEAT-SHEET中给出的基础命令如下。WindowsPowerShell# Start .\start.ps1 # Stop .\start.ps1 -Stop # Check Status .\start.ps1 -Status # View Logs .\start.ps1 -LogsMac / Linux# Start ./start.sh # Stop ./start.sh --stop # Check Status ./start.sh --status # View Logs ./start.sh --logs速查表之外脚本实际支持的全部参数CHEAT-SHEET 只列出了四个动作但 ai-stack/start.sh 与 ai-stack/start.ps1 实际支持更多选项建议一并纳入你的日常参考。两个脚本的参数解析分别位于 start.sh#L61-L100bashwhile循环与 start.ps1#L8-L14PowerShellparam块功能WindowsMac/Linux启动.\start.ps1./start.sh停止.\start.ps1 -Stop./start.sh --stop短参-s查看状态.\start.ps1 -Status./start.sh --status查看日志.\start.ps1 -Logs./start.sh --logs短参-l跳过拉取镜像.\start.ps1 -NoPull./start.sh --no-pull短参-n强制 CPU 模式.\start.ps1 -CPU./start.sh --cpu短参-c帮助—./start.sh --help短参-h各动作在源码中的落点很直接stop执行docker compose downlogs执行docker compose logs -fstatus执行docker compose ps见 start.sh#L103-L118。启动脚本到底做了什么运行./start.sh时脚本按五步执行正好解释了速查表「Success Indicators」中为什么终端会打印出那串服务地址前置检查依次验证docker命令存在、Docker daemon 正在运行、docker compose可用并尝试通过nvidia-smi探测 NVIDIA GPUstart.sh#L124-L167创建目录结构按DIRECTORIES数组批量mkdir -p覆盖data/n8n、data/agent-zero以及shared/comfyui/models下的 checkpoints、loras、vae、controlnet、upscale_models、embeddings、clip 等模型子目录start.sh#L174-L188拉取镜像默认拉取n8nio/n8n:latest、frdel/agent-zero-run:latest、aidockorg/comfyui-cuda:latest三个镜像可用--no-pull跳过start.sh#L202-L217启动栈docker compose up -d随后sleep 10等待服务就绪打印状态docker compose ps加三色服务 URL 横幅。两点与源码相关的观察值得注意镜像以 compose 文件为准脚本中的docker pull只是预热真正决定容器镜像的是 ai-stack/docker-compose.yml#L75 中声明的aidockorg/comfyui-cuda:latest。从源码看start.ps1中预热的 ComfyUI 镜像yanwk/comfyui-boot:latest见 start.ps1#L168与 compose 文件声明的镜像并不一致Windows 用户若手动验证镜像版本时请以 compose 文件为准。CPU 模式的实际生效方式start.sh在检测到无 GPU 或传入--cpu时会导出COMFYUI_ARGS--cpustart.sh#L224-L227但当前版本的docker-compose.yml中 ComfyUI 服务的CLI_ARGS固定为--listen 0.0.0.0 --port 8188docker-compose.yml#L80并未引用该环境变量compose 文件中另有一个被注释掉的comfyui-cpu服务变体其CLI_ARGS显式带--cpudocker-compose.yml#L108-L127。从源码结构看若确需在无 GPU 环境跑 CPU 推理更稳妥的做法是启用该注释变体而非依赖--cpu参数。服务健康检查速查表里的两条 curl 从哪里来速查表「Check if Services are Running」给出的两条命令curl http://localhost:5678/healthz curl http://localhost:8188/system_stats并非任意 URL它们与docker-compose.yml中配置的健康检查端点一一对应n8n 容器的 healthcheck 就是wget -qO- http://localhost:5678/healthz每 30 秒一次、重试 3 次、启动宽限 30 秒docker-compose.yml#L42-L47ComfyUI 容器的 healthcheck 是curl -f http://localhost:8188/system_stats每 30 秒一次、重试 5 次、启动宽限 60 秒docker-compose.yml#L101-L106。因此当浏览器打不开服务时先用docker compose ps看容器是否处于Up (healthy)再用上面的 curl 区分「容器活着但应用未就绪」与「端口未映射」两种情况。Agent Zero 在 compose 文件中未配置 healthcheckdocker-compose.yml#L52-L67只能靠浏览器访问http://localhost:50080确认。关键目录结构数据在哪里、模型放哪里速查表给出的目录速览ai-stack/ ├── data/n8n/ ← Your n8n workflows ├── data/agent-zero/ ← Agent Zero data └── shared/ └── comfyui/ ├── models/ ← Put AI models here ├── output/ ← Generated images here └── input/ ← Input images here结合启动脚本的DIRECTORIES列表start.sh#L174-L188与 ai-stack/README.md 的目录说明完整结构如下ai-stack/ ├── docker-compose.yml # 栈的主配置 ├── start.ps1 / start.sh # 双平台启动脚本 ├── data/ # 持久化数据脚本自动创建 │ ├── n8n/ # n8n 工作流与凭据 → 容器内 /home/node/.n8n │ └── agent-zero/ # Agent Zero 数据 → 容器内 /app/data └── shared/ # 三服务共享卷 → 容器内 /shared ├── comfyui/ │ ├── models/ # checkpoints / loras / vae / controlnet / │ │ # upscale_models / embeddings / clip │ ├── output/ # 生成的图片 │ ├── input/ # 输入图片 │ └── custom_nodes/ # ComfyUI 扩展节点 └── workflows/ # 跨服务共享的工作流文件这些宿主机目录通过 compose 文件中的 volume 映射进容器n8n 挂载./data/n8n与./shareddocker-compose.yml#L36-L38Agent Zero 挂载./shared与./data/agent-zerodocker-compose.yml#L60-L62ComfyUI 挂载models/output/input/custom_nodes四个目录docker-compose.yml#L81-L89。也就是说宿主机上shared/comfyui/output/里的文件就是 ComfyUI 生成结果的本体不需要额外从容器里拷贝。ComfyUI API 速查从速查表三条到完整参考速查表「ComfyUI API Quick Reference」收录了三条最常用端点# 提交出图任务 POST http://localhost:8188/prompt # 查询任务状态 GET http://localhost:8188/history/{prompt_id} # 获取生成的图片 GET http://localhost:8188/view?filename{name}typeoutputai-stack/README.md 的 API Reference 在此基础上补充了两条GET /queue查看队列状态与GET /system_stats系统状态即上文健康检查所用端点。POST /prompt的请求体为{prompt: { /* ComfyUI 工作流 JSON */ }}响应返回{prompt_id: ...}后续的history轮询与view取图都围绕这个prompt_id展开。预置工作流印证这套 API 在仓库里如何被真实调用仓库内 ai-stack/workflows/comfyui-image-generation.json 是一个完整的 Webhook 出图流水线它把上面的 API 串成了异步轮询闭环Webhook 触发POST /webhook/generate-image接收prompt、negative_prompt、seed、steps、cfg、width、height参数缺省时回退为「日落风景」提示词与 512×512 等默认值构造 ComfyUI 工作流Code 节点在 JS 中动态拼装 txt2img 工作流 JSONKSamplerCheckpointLoaderSimpleEmptyLatentImage 双CLIPTextEncodeVAEDecodeSaveImagecheckpoint 默认指向v1-5-pruned-emaonly.safetensors提交任务HTTP Request 节点POST http://comfyui:8188/promptcomfyui-image-generation.json#L28-L42——注意这里用的是容器内网络名comfyui而非localhost轮询完成等待 2 秒后GET http://comfyui:8188/history/{{prompt_id}}#L53-L75Code 节点检查 history 中是否出现带outputs.images的记录未完成则递增check_count最多 60 次即约 2 分钟后抛出超时错误交付结果完成后Respond with Image节点以 JSON 返回image_urls形如http://comfyui:8188/view?filename...typeoutput失败路径经Wait and Retry回到轮询节点最终由Respond with Error以 500 状态码返回。调用示例来自 ai-stack/README.mdcurl -X POST http://localhost:5678/webhook/generate-image \ -H Content-Type: application/json \ -d { prompt: a cyberpunk city at night, neon lights, rain, highly detailed, negative_prompt: blurry, low quality, steps: 20, cfg: 7, width: 512, height: 512 }另一个 ai-stack/workflows/comfyui-simple-test.json 是连通性自检工作流GET /webhook/comfyui-status触发后并行请求 ComfyUI 的/system_stats与/object_info统计可用节点数量聚合为一段「connected」状态 JSON 返回#L18-L49。在导入正式出图工作流之前建议先跑这个轻量测试确认 n8n 到 ComfyUI 的内部网络是通的。n8n 工作流导入六步操作速查表「n8n Workflow Import」的标准流程打开http://localhost:5678点击侧边栏Workflows点击Import from File选择工作流 JSON 文件点击Save点击Active开关启用工作流导入后 Webhook 路径即生效如comfyui-status对应上文自检工作流。一个与部署相关的配置细节compose 文件中WEBHOOK_URLhttp://localhost:5678docker-compose.yml#L27保证了 n8n 编辑器里生成的 Webhook URL 正确指向本机若日后放到反向代理后面需按 README 的说明修改该变量。Docker 维护命令与紧急重置速查表「Quick Commands」收录的容器维护命令# See all running containers docker ps # Stop all containers docker stop $(docker ps -q) # Remove all containers docker rm $(docker ps -aq) # Clean up Docker docker system prune -a对应的 compose 级命令README 的 Commands 一节是docker compose up -d/docker compose down/docker compose logs -f/docker compose ps四者与上文启动脚本的各动作一一对应。紧急重置Emergency Reset速查表明确警告这会删除所有数据并从头开始。Windows.\start.ps1 -Stop docker compose down -v .\start.ps1Mac/Linux./start.sh --stop docker compose down -v ./start.sh关键在于docker compose down -v的-v参数——它会连同命名卷一起删除。执行前请先完成下一节的备份。常见问题速查表问题解决方案Docker 未运行打开 Docker Desktop等待鲸鱼图标就绪端口被占用先执行 stop 命令再重新启动Permission deniedWindows以管理员身份运行Macchmod x start.sh无法连接等待 2 分钟确认 Docker 正在运行磁盘空间不足删除旧文件执行docker system prune -a每个问题在 ai-stack/TROUBLESHOOTING.md 中都有展开的「现象 修复步骤」版本共 10 个问题含 Windows 执行策略Set-ExecutionPolicy RemoteSigned、GPU 未检测、下载缓慢等场景排障时建议以速查表为索引、以该文档为详细手册。两个高频根因值得记住n8n 连不上 ComfyUI工作流内必须用 Docker 内部网络地址http://comfyui:8188而不是localhost——预置工作流中的 URL 正是这么写的端口冲突修改 ai-stack/docker-compose.yml 中ports的宿主机端口映射NEW_PORT:INTERNAL_PORT形式。为 ComfyUI 添加模型速查表「Adding Models to ComfyUI」的三步下载模型文件.safetensors或.ckpt放入正确目录Checkpointsshared/comfyui/models/checkpoints/LoRAsshared/comfyui/models/loras/VAEshared/comfyui/models/vae/重启 ComfyUI或刷新浏览器。启动脚本还会自动创建controlnet、upscale_models、embeddings、clip四个模型子目录start.sh#L174-L188README 中给出了全部六类模型的目录对照表。由于模型目录是宿主机挂载卷放入文件后刷新 ComfyUI 即可被CheckpointLoaderSimple等节点识别。仓库预置出图工作流默认加载v1-5-pruned-emaonly.safetensorsStable Diffusion 1.5因此第一个要下载的 checkpoint 就是它其他模型来源可参考 Hugging Face、Civitai 等公开模型站速查表中列出了对应站点名称具体地址请自行搜索本文不附外部链接。备份、安全提醒与启动前检查备份速查表列出的关键备份对象data/n8n/ ← 你的工作流 shared/workflows/ ← 共享工作流文件 .env ← 你的配置快速备份命令# Windows xcopy /E /I data backup\data xcopy /E /I shared backup\shared # Mac/Linux cp -r data backup/data cp -r shared backup/sharedai-stack/.env并非仓库内置文件而是按需创建的本地配置。README 的 Configuration 一节给出了其推荐内容TZ时区默认America/Los_Angelescompose 中以${TZ:-America/Los_Angeles}引用、可选的 n8n Basic AuthN8N_BASIC_AUTH_ACTIVE/USER/PASSWORD以及 Agent Zero 用到的OPENAI_API_KEY、ANTHROPIC_API_KEY。安全提醒速查表原文要点默认仅 localhost 可访问可安全用于本地未经安全加固反向代理 Basic Auth不要暴露到公网保持 Docker 版本更新不要外泄.env文件启用认证时使用强密码。启动前检查清单System CheckDocker Desktop 已安装Docker Desktop 正在运行鲸鱼图标可见磁盘剩余空间至少 10 GB网络连接正常当前终端位于ai-stack目录内成功判定指标Success Indicators任务栏/菜单栏出现鲸鱼图标终端打印 AI Stack is running!三个 URL5678 / 50080 / 8188均能在浏览器打开n8n 显示欢迎页、ComfyUI 显示节点界面、Agent Zero 显示聊天界面。学习资源速查表按服务列出了延伸学习的入口此处仅保留资源名称不附外部链接n8n 官方文档与社区论坛ComfyUI 的 GitHub 仓库、Wiki 与 Reddit 社区Agent Zero 的 GitHub 仓库 README。仓库内配套的阅读路径为ai-stack/QUICK-START.md三步上手→ ai-stack/EASY-INSTALL.md新手图文安装→ ai-stack/SUMMARY.md体系概览→ ai-stack/README.md完整文档→ ai-stack/INDEX.md总索引。速查表使用建议何时查哪份文档CHEAT-SHEET 的定位是「打印出来贴在手边」的一页式索引。结合 ai-stack/INDEX.md 的分层指引日常检索路径可以固化为场景去哪查某个命令怎么敲本文即 ai-stack/CHEAT-SHEET.md装不上 / 起不来ai-stack/TROUBLESHOOTING.md想理解整个栈怎么工作ai-stack/SUMMARY.md → ai-stack/README.md要改端口 / 镜像 / 挂载ai-stack/docker-compose.yml怎么让 n8n 自动出图ai-stack/workflows/comfyui-image-generation.json 与 ai-stack/workflows/comfyui-simple-test.json需要强调的是适用前提本文所有命令与路径均基于当前仓库ai-stack/目录的实际文件假设你已安装 Docker Desktop或 Linux 环境下的 Docker Engine Compose v2且命令都在解压后的ai-stack目录内执行GPU 加速仅对 NVIDIA 显卡 NVIDIA Container Toolkit 有效Mac 环境会自动回退 CPU 模式。按这套速查 源码对照的方式操作即可在不离开终端与浏览器的情况下完成 AI Stack 的日常运维、API 联调与故障恢复。【免费下载链接】n8n-workflowsall of the workflows of n8n i could find (also from the site itself)项目地址: https://gitcode.com/GitHub_Trending/n8nworkflo/n8n-workflows创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考