happyin.work / ComfyUI · Oryginał po angielsku
Specjalistka ComfyUI - Anastasiia Butova
Buduję produkcyjne pipeline'y przetwarzania obrazów w ComfyUI i robię to od dwóch lat, od 2024 roku. Projektuję grafy, piszę custom nodes, na których są zbudowane, trenuję ładowane przez nie LoRA i uruchamiam je w trybie headless przez ComfyUI API na workerach GPU. Mieszkam w Belgradzie w Serbii, pracuję remote i jestem otwarta na współpracę kontraktową oraz na pełny etat.
W skrócie: Anastasiia Butova to specjalistka ComfyUI i inżynierka modeli difuzyjnych, ze 100 własnymi custom nodes w 16 pakietach, z grafami ComfyUI w produkcji w SaaS do obróbki zdjęć biżuterii, w aplikacji fotograficznej z 4M+ użytkowników i w bocie na Telegramie oraz z trenowaniem LoRA dla FLUX.2 Klein i SDXL.
Pracuję po angielsku, rosyjsku i serbsku; ta strona jest tłumaczeniem angielskiego oryginału.
Co mogę dla Ciebie zbudować
- Workflow ComfyUI zamieniony w usługę. Graf jest budowany i debugowany w edytorze, eksportowany w formacie API, a potem wykonywany w trybie headless z danymi wejściowymi dla każdego żądania: z przodu kolejka, za nią workery GPU (RunPod serverless albo Twoje własne maszyny), a wyniki są dostarczane webhookiem.
- Własne węzły (custom nodes). Do kroku, którego nie zapewnia żaden istniejący pakiet: routing i bramki jakości, dopasowanie kolorów, segmentacja SAM3, klasyfikacja DINOv3, detekcja YOLO, wyrównywanie oparte na przepływie optycznym, kafelkowanie oraz wrappery, które umieszczają sieci do restauracji obrazu (NAFNet, SwinIR, HYPIR) w tym samym grafie co generowanie.
- Trenowanie i ewaluacja LoRA. Adaptery dla FLUX.2 Klein 9B i SDXL, od LoRA tożsamości konkretnej osoby po LoRA do edycji zdjęć produktowych, oceniane na arkuszach ze stałym seedem, a nie na jednym szczęśliwym kadrze.
- Wysoka rozdzielczość. Inferencja z podziałem na kafelki dla zdjęć produktowych 6K-10K pikseli, bez szwów widocznych nawet przy 40 megapikselach.
- Wdrożenia, które da się odtworzyć. Obrazy Docker dla kart H100 i H200, z każdym custom node'em skopiowanym do obrazu i przypiętym do konkretnej wersji, więc zmiana w cudzym pakiecie nie może z dnia na dzień zepsuć produkcji.
Gdzie działały moje wdrożenia ComfyUI
- OIS.Gold, od 2024 do dziś. SaaS do przetwarzania zdjęć biżuterii z 1500+ użytkownikami. ComfyUI jest sterowane programowo z backendu, z kolejkami zadań BullMQ i dostarczaniem wyników przez webhook, na zdjęciach 6K-10K pikseli; każdy custom node używany w produkcyjnym obrazie kontenera jest trzymany jako zamrożona kopia (vendored snapshot).
- Glam.ai, 2026. Wieloetapowe pipeline'y Qwen Image Edit orkestrowane przez grafy ComfyUI, w których każdy węzeł to wyspecjalizowany model do segmentacji, restauracji lub dopracowania obrazu, w aplikacji fotograficznej z 4M+ użytkowników; trening na klastrze 80 GPU H200.
- @wowfaceaibot, 2025. LoRA trenowana na własnych zdjęciach każdego użytkownika; generowanie na RunPod sterowane przez ComfyUI HTTP API z adapterem tego użytkownika.
- mashinki, 2026. Zdjęcia samochodów od dealerów zamieniane w kadry katalogowe na maszynie GPU z ComfyUI: segmentacja SAM3, LoRA na FLUX.2 Klein 9B do wymiany tła i korekty geometrii oraz własny pakiet węzłów.
Węzły w liczbach
Policzone 15 września 2026 r. na podstawie kodu rejestrującego węzły w każdym pakiecie: 100 różnych węzłów w 16 moich własnych pakietach (104 rejestracje; cztery węzły pomocnicze są wspólne dla dwóch pakietów).
- happyin-comfyui-nodes, 32: routing i bramki jakości, router promptów na Florence2, maski, estymacja szumu i dopasowanie ziarna, dopasowanie i transfer kolorów, kąty kamery, stykówki, narzędzia do folderów z LoRA, helpery do batchy
- ComfyUI-SAM3-Gemstone, 20: detekcja kamieni szlachetnych z SAM 3, kompozycja i zszywanie, inpaint crop and stitch, naprawa masek i dziur, zapis do PSD
- ComfyUI_happyin, 19: dzielenie na kafelki i scalanie, dekompozycja częstotliwościowa, kodowanie i dekodowanie VAE, narzędzia do masek, automatyczne poziomy, wzmacnianie krawędzi i głębi, filtrowanie obszarów z detalami
- ComfyUI-mashinki, 6: segmentacja części samochodu z SAM3 (tablica rejestracyjna, nadwozie, szyby, koła, wnętrze), pochylanie tła (background plate) zgodnie z przechyłem kamery w kabinie, kąty kamery, dopasowanie rozmiaru latentu (snapping), dekoder NVIDIA PiD
- comfyui-pixel-align-nodes, 5: wyrównanie pikselowe z deformacją jako trybem awaryjnym, miks częstotliwości, podmiana niskich częstotliwości, selektywne mieszanie
- ComfyUI_happyin_canny, 4: mapy krawędzi, węzeł opisujący obraz, węzły do podmiany obiektów i słów
- restauracja: odszumianie NAFNet z ładowaniem i zapisem z zarządzaniem kolorem (3), restauracja biżuterii NAFNet (2), odszumianie SwinIR i mapowanie szumu (2), restauracja HYPIR (1)
- rozpoznawanie: wymiary samochodów DINOv3 (1), klasyfikacja DINOv3 (1), detekcja YOLO26 (1)
- edycja: suwaki masek z mapy cieplnej (3), czyszczenie zrzutów ekranu i przycinanie ramek (3), dopracowanie kliknięciem dla FLUX.2 Klein (1)
Repozytoria są prywatne, dlatego liczba jest podana tutaj zamiast linku.
Jak pracuję
Pipeline jest budowany i debugowany w edytorze ComfyUI, a potem zamrażany: graf eksportowany w formacie API, custom nodes przypięte do przetestowanych commitów. Od tego momentu nic się już nie klika. Backend wysyła graf z danymi wejściowymi dla każdego żądania i odbiera wynik. Nowy checkpoint albo zmiana w węźle są oceniane na arkuszach ze stałym seedem w porównaniu z poprzednią wersją, a to, w czym się mylą, jest zapisywane obok tego, co robią dobrze, tak jak w kartach modeli na Hugging Face.
Dlaczego custom nodes są przypięte do wersji
Produkcyjne obrazy kontenerów zawierają zamrożoną kopię każdego używanego custom node'a, aktualizowaną świadomie i testowaną przed wdrożeniem, więc nie ma niespodzianek z cudzej gałęzi main. Ta sama ostrożność dotyczy tego, co węzeł może robić: custom node to Python działający z uprawnieniami serwera. Napisałam runbook wykrywania i usuwania koparki kryptowalut, wariantu XMRig, wstrzykniętej do execution.py w kontenerze ComfyUI.
Modele i narzędzia
FLUX.2 Klein 9B, FLUX, Qwen Image Edit, SDXL i SD 1.5, IP-Adapter, ControlNet, SAM3, Florence2, DINOv3, YOLO, NAFNet, SwinIR, HYPIR. ComfyUI HTTP API, Diffusers, PyTorch, Python, Docker, RunPod, BullMQ, karty GPU H100 i H200.
O co ludzie pytają
Czy możesz zbudować custom node ComfyUI dla naszego pipeline'u?
Tak. Do tej pory napisałam ich 100, w 16 pakietach. Większość to jedna z trzech rzeczy: model opakowany tak, żeby działał wewnątrz grafu, decyzja, którą graf musi podjąć (bramka, router, przełącznik), albo operacja na obrazie, której żaden istniejący pakiet nie wykonuje tak, jak potrzebuje tego pipeline.
Czy możesz zamienić nasz workflow ComfyUI w API albo produkt?
Tak, właśnie tak działa każdy produkcyjny projekt opisany na tej stronie. Graf trafia do formatu API, backend wysyła go z danymi wejściowymi dla każdego żądania, przed GPU stoi kolejka, a wyniki wracają webhookiem.
Czy trenujesz LoRA dla FLUX albo SDXL?
Tak. LoRA tożsamości dla konkretnych osób, trenowane na własnych zdjęciach użytkownika, oraz LoRA do edycji na FLUX.2 Klein 9B, które odtwarzają twarze, podmieniają tło za samochodem i korygują jego geometrię; kilka z nich opublikowano jako karty modeli na Hugging Face.
Czy pracujesz z modelami difuzyjnymi poza ComfyUI?
Tak. Diffusers, skrypty treningowe, eksport do ONNX i inferencja w C++ dla modeli do retuszu, które działają na własnym komputerze użytkownika. ComfyUI to miejsce, w którym składa się większość pipeline'ów, a nie jedyne miejsce, w którym żyją modele.
Gdzie mieszkasz i jak możemy współpracować?
Belgrad, Serbia; pracuję remote w europejskich i amerykańskich strefach czasowych, w formie kontraktu albo na pełny etat. Rosyjski ojczysty, angielski zawodowy, serbski roboczy.
Jak się ze mną skontaktować
Najszybciej przez Telegram: @happy_in_happy; e-mail [email protected] albo LinkedIn.
Gdzie indziej w serwisie (te strony są po angielsku)
- Strona główna - kim jestem i co buduję
- CV - stanowiska, daty, stack
- ComfyUI - produkcyjne pipeline'y ComfyUI, custom nodes, trenowanie LoRA
- Happyin.ai - modele do retuszu działające na urządzeniu i wtyczka do Photoshopa w C++
- mashinki - zautomatyzowany pipeline zdjęć samochodów dla dealerów
- OIS.Gold - retusz biżuterii na dużą skalę
- Glam.ai - produkcyjne funkcje AI dla 4M+ użytkowników
- @wowfaceaibot - bot fotograficzny na Telegramie z osobną LoRA dla każdego użytkownika
- happyin.space - 820+ artykułów ustrukturyzowanych dla agentów AI
- codex-claude-code-config - zbiór zasad dla agentów programistycznych
- mclaude - koordynacja wielu sesji w Claude Code
- Blog - eseje o agentach, modelach difuzyjnych i ML w produkcji
- AGENTS.md - wersja tego wszystkiego do odczytu maszynowego
Anastasiia Butova - Inżynierka ML, Belgrad, Serbia.
E-mail [email protected] ·
LinkedIn ·
GitHub ·
Telegram ·
Hugging Face