Comfyui

使用 ComfyUI 生成图像、视频和音频 — 安装、启动、管理节点/模型、通过参数注入运行工作流。使用官方 comfy-cli 进行生命周期管理，并通过直接 REST/WebSocket API 执行。

技能元数据


来源	内置（默认安装）
路径	`skills/creative/comfyui`
版本	`5.0.0`
作者	['kshitijk4poor', 'alt-glitch']
许可证	MIT
平台	macos, linux, windows
标签	`comfyui`, `image-generation`, `stable-diffusion`, `flux`, `sd3`, `wan-video`, `hunyuan-video`, `creative`, `generative-ai`, `video-generation`
相关技能	`stable-diffusion-image-generation`, `image_gen`

参考：完整 SKILL.md

信息

以下是 Hermes 在触发此技能时加载的完整技能定义。这是 Agent 在技能激活时看到的指令。

ComfyUI

通过 ComfyUI 生成图像、视频、音频和 3D 内容，使用官方 comfy-cli 进行设置/生命周期管理，并通过直接 REST/WebSocket API 执行工作流。

此技能包含的内容

参考文档（references/）：

official-cli.md — 所有 comfy ... 命令及其标志
rest-api.md — REST + WebSocket 端点（本地 + 云端），负载模式
workflow-format.md — API 格式的 JSON，常见节点类型，参数映射

脚本（scripts/）：

脚本	用途
`_common.py`	共享 HTTP、云端路由、节点目录（不要直接运行）
`hardware_check.py`	探测 GPU/VRAM/磁盘 → 推荐本地还是 Comfy Cloud
`comfyui_setup.sh`	硬件检查 + comfy-cli + ComfyUI 安装 + 启动 + 验证
`extract_schema.py`	读取工作流 → 列出可控参数 + 模型依赖
`check_deps.py`	对照运行中的服务器检查工作流 → 列出缺失的节点/模型
`auto_fix_deps.py`	运行 check_deps 然后执行 `comfy node install` / `comfy model download`
`run_workflow.py`	注入参数、提交、监控、下载输出（HTTP 或 WS）
`run_batch.py`	使用扫描参数提交工作流 N 次，根据你的层级并行执行
`ws_monitor.py`	实时 WebSocket 查看器，用于监控正在执行的作业（实时进度）
`health_check.py`	验证检查清单运行器 — comfy-cli + 服务器 + 模型 + 冒烟测试
`fetch_logs.py`	拉取指定 prompt_id 的回溯/状态消息

示例工作流（workflows/）： SD 1.5、SDXL、Flux Dev、SDXL img2img、SDXL inpaint、ESRGAN 放大、AnimateDiff 视频、Wan T2V。详见 workflows/README.md。

何时使用

用户要求使用 Stable Diffusion、SDXL、Flux、SD3 等生成图像
用户想要运行特定的 ComfyUI 工作流文件
用户想要串联生成步骤（txt2img → 放大 → 面部修复）
用户需要 ControlNet、inpainting、img2img 或其他高级管线
用户要求管理 ComfyUI 队列、检查模型或安装自定义节点
用户想要通过 AnimateDiff、Hunyuan、Wan、AudioCraft 等生成视频/音频/3D 内容

架构：两层

┌─────────────────────────────────────────────────────┐
│ 第一层：comfy-cli（官方生命周期工具）                  │
│   安装、服务器生命周期、自定义节点、模型               │
│   → comfy install / launch / stop / node / model    │
└─────────────────────────┬───────────────────────────┘
                          │
┌─────────────────────────▼───────────────────────────┐
│ 第二层：REST/WebSocket API + 技能脚本                │
│   工作流执行、参数注入、监控                          │
│   POST /api/prompt, GET /api/view, WS /ws           │
│   → run_workflow.py, run_batch.py, ws_monitor.py    │
└─────────────────────────────────────────────────────┘

为什么是两层？ 官方 CLI 在安装和服务器管理方面表现出色，但工作流执行支持非常有限。REST/WS API 正好填补了这个空白——这些脚本处理了 CLI 无法完成的参数注入、执行监控和输出下载。

快速开始

检测环境

# 检查可用的工具
command -v comfy >/dev/null 2>&1 && echo "comfy-cli: 已安装"
curl -s http://127.0.0.1:8188/system_stats 2>/dev/null && echo "服务器: 运行中"

# 这台机器能否本地运行 ComfyUI？（检查 GPU/VRAM/磁盘）
python3 scripts/hardware_check.py

如果什么都没安装，请参考下面的 安装与上手 部分——但务必先运行硬件检查。

一行命令健康检查

python3 scripts/health_check.py
# → JSON 格式：comfy_cli 是否在 PATH 中？服务器是否可达？至少有一个 checkpoint？冒烟测试是否通过？

核心工作流

第一步：获取 API 格式的工作流 JSON

工作流必须是 API 格式（每个节点都有 class_type）。可以从以下途径获取：

ComfyUI 网页界面 → 工作流 → 导出（API）（新版 UI）或旧版 UI 的 "保存（API 格式）" 按钮
本技能的 workflows/ 目录（可直接运行的示例）
社区下载（civitai、Reddit、Discord）——通常是编辑器格式，必须加载到 ComfyUI 中然后重新导出

编辑器格式（顶层 nodes 和 links 数组）不能直接执行。脚本会检测到这种情况并提示你重新导出。

第二步：查看可控制的参数

python3 scripts/extract_schema.py workflow_api.json --summary-only
# → {"parameter_count": 12, "has_negative_prompt": true, "has_seed": true, ...}

python3 scripts/extract_schema.py workflow_api.json
# → 完整 schema，包含参数、模型依赖、embedding 引用

第三步：带参数运行

# 本地运行（默认使用 http://127.0.0.1:8188）
python3 scripts/run_workflow.py \
  --workflow workflow_api.json \
  --args '{"prompt": "a beautiful sunset over mountains", "seed": -1, "steps": 30}' \
  --output-dir ./outputs

# 云端运行（只需导出一次 API key；自动使用正确的 /api 路由）
export COMFY_CLOUD_API_KEY="comfyui-..."
python3 scripts/run_workflow.py \
  --workflow workflow_api.json \
  --args '{"prompt": "..."}' \
  --host https://cloud.comfy.org \
  --output-dir ./outputs

# 通过 WebSocket 实时查看进度（需要 `pip install websocket-client`）
python3 scripts/run_workflow.py \
  --workflow flux_dev.json \
  --args '{"prompt": "..."}' \
  --ws

# img2img / inpaint：传入 --input-image 自动上传并引用
python3 scripts/run_workflow.py \
  --workflow sdxl_img2img.json \
  --input-image image=./photo.png \
  --args '{"prompt": "make it watercolor", "denoise": 0.6}'

# 批量 / 扫描：8 个随机种子，并行数不超过云端层级限制
python3 scripts/run_batch.py \
  --workflow sdxl.json \
  --args '{"prompt": "abstract"}' \
  --count 8 --randomize-seed --parallel 3 \
  --output-dir ./outputs/batch

-1 作为 seed 值（或使用 --randomize-seed 省略该参数）会在每次运行时生成新的随机种子。

步骤 4：展示结果

脚本会向标准输出打印 JSON，描述每个输出文件：

{
  "status": "success",
  "prompt_id": "abc-123",
  "outputs": [
    {"file": "./outputs/sdxl_00001_.png", "node_id": "9",
     "type": "image", "filename": "sdxl_00001_.png"}
  ]
}

决策树

用户说	工具	命令
生命周期（使用 comfy-cli）
"安装 ComfyUI"	comfy-cli	`bash scripts/comfyui_setup.sh`
"启动 ComfyUI"	comfy-cli	`comfy launch --background`
"停止 ComfyUI"	comfy-cli	`comfy stop`
"安装 X 节点"	comfy-cli	`comfy node install <name>`
"下载 X 模型"	comfy-cli	`comfy model download --url <url> --relative-path models/checkpoints`
"列出已安装的模型"	comfy-cli	`comfy model list`
"列出已安装的节点"	comfy-cli	`comfy node show installed`
执行（使用脚本）
"一切就绪了吗？"	script	`health_check.py`（可选加 `--workflow X --smoke-test`）
"这个工作流里我能改什么？"	script	`extract_schema.py W.json`
"检查 W 的依赖是否满足"	script	`check_deps.py W.json`
"修复缺失的依赖"	script	`auto_fix_deps.py W.json`
"生成一张图片"	script	`run_workflow.py --workflow W --args '{...}'`
"使用这张图片"（img2img）	script	`run_workflow.py --input-image image=./x.png ...`
"用随机种子生成 8 个变体"	script	`run_batch.py --count 8 --randomize-seed ...`
"给我看实时进度"	script	`ws_monitor.py --prompt-id <id>`
"从任务 X 获取错误信息"	script	`fetch_logs.py <prompt_id>`
直接 REST
"队列里有什么？"	REST	`curl http://HOST:8188/queue`（本地）或 `--host https://cloud.comfy.org`
"取消那个"	REST	`curl -X POST http://HOST:8188/interrupt`
"释放 GPU 内存"	REST	`curl -X POST http://HOST:8188/free`

安装与上手

当用户要求设置 ComfyUI 时，第一件事是询问他们想要 Comfy Cloud（托管、零安装、API 密钥）还是本地（在自己的机器上安装 ComfyUI）。在用户回答之前，不要开始运行安装命令或硬件检查。

官方文档： https://docs.comfy.org/installation CLI 文档： https://docs.comfy.org/comfy-cli/getting-started Cloud 文档： https://docs.comfy.org/get_started/cloud Cloud API： https://docs.comfy.org/development/cloud/overview

步骤 0：询问本地还是 Cloud（始终优先）

建议的对话脚本：

"您想在本地机器上运行 ComfyUI，还是使用 Comfy Cloud？

Comfy Cloud — 托管在 RTX 6000 Pro GPU 上，所有常见模型已预装，零设置。需要 API 密钥（实际运行工作流需要付费订阅；免费版只读）。如果您没有合适的 GPU，这是最佳选择。

本地 — 免费，但您的机器必须满足硬件要求：

NVIDIA GPU，≥6 GB 显存（SDXL 需要 ≥8 GB，Flux/视频需要 ≥12 GB），或者

AMD GPU，支持 ROCm（Linux），或者

Apple Silicon Mac（M1+），≥16 GB 统一内存（推荐 ≥32 GB）。

Intel Mac 和没有 GPU 的机器无法使用——请改用 Cloud。

您想要哪种？" 路由：

云端 → 跳转到路径 A。
本地 → 先运行硬件检查，然后根据判定结果从路径 B–E 中选择一条。
不确定 → 运行硬件检查，让判定结果决定。

步骤 1：验证硬件（仅当用户选择本地时）

python3 scripts/hardware_check.py --json
# 可选：同时探测 `torch` 以获取实际的 CUDA/MPS：
python3 scripts/hardware_check.py --json --check-pytorch

判定结果	含义	操作
`ok`	≥8 GB 显存（独立）或 ≥32 GB 统一内存（Apple Silicon）	本地安装 — 使用报告中的 `comfy_cli_flag`
`marginal`	SD1.5 可用；SDXL 紧张；Flux/视频不太可能	本地可用于轻量工作流，否则走路径 A（云端）
`cloud`	无可用 GPU、<6 GB 显存、<16 GB Apple 统一内存、Intel Mac、Rosetta Python	切换到云端，除非用户明确强制本地

脚本还会输出 wsl: true（WSL2 带 NVIDIA 直通）和 rosetta: true（Apple Silicon 上运行 x86_64 Python — 必须重新安装为 ARM64）。

如果判定结果为 cloud 但用户想要本地安装，不要静默继续。逐字显示 notes 数组，并询问用户是否要 (a) 切换到云端，或 (b) 强制本地安装（在现代模型上会 OOM 或慢到无法使用）。

选择安装路径

先使用硬件检查。下表是当用户已经告知你硬件信息时的备用方案：

情况	推荐路径
硬件检查结果为 `verdict: cloud`	路径 A：Comfy Cloud
无 GPU / 想先试试不承诺	路径 A：Comfy Cloud
Windows + NVIDIA + 非技术用户	路径 B：ComfyUI Desktop
Windows + NVIDIA + 技术用户	路径 C：Portable 或路径 D：comfy-cli
Linux + 任意 GPU	路径 D：comfy-cli（最简单）
macOS + Apple Silicon	路径 B：Desktop 或路径 D：comfy-cli
无头 / 服务器 / CI / Agents	路径 D：comfy-cli

对于全自动路径（硬件检查 → 安装 → 启动 → 验证）：

bash scripts/comfyui_setup.sh
# 或带覆盖参数：
bash scripts/comfyui_setup.sh --m-series --port=8190 --workspace=/data/comfy

它内部会运行 hardware_check.py，当判定结果为 cloud 时拒绝本地安装（除非使用 --force-cloud-override），选择正确的 comfy-cli 标志，并优先使用 pipx/uvx 而非全局 pip，以避免污染系统 Python。

路径 A：Comfy Cloud（无需本地安装）

适用于没有合适 GPU 或希望零设置的用户。托管在 RTX 6000 Pro 上。

文档： https://docs.comfy.org/get_started/cloud

在 https://comfy.org/cloud 注册
在 https://platform.comfy.org/login 生成 API 密钥

设置密钥：

export COMFY_CLOUD_API_KEY="comfyui-xxxxxxxxxxxx"

运行工作流：

python3 scripts/run_workflow.py \
  --workflow workflows/flux_dev_txt2img.json \
  --args '{"prompt": "..."}' \
  --host https://cloud.comfy.org \
  --output-dir ./outputs

定价： https://www.comfy.org/cloud/pricing
并发任务： 免费/标准版 1 个，创作者版 3 个，专业版 5 个。免费版
无法通过 API 运行工作流——只能浏览模型。需要付费订阅
才能使用 /api/prompt、/api/upload/*、/api/view 等接口。

路径 B：ComfyUI Desktop（Windows / macOS）

面向非技术用户的一键安装程序。目前为 Beta 版。

文档： https://docs.comfy.org/installation/desktop

Windows（NVIDIA）： https://download.comfy.org/windows/nsis/x64
macOS（Apple Silicon）： https://comfy.org

Linux 不支持 Desktop 版——请使用路径 D。

路径 C：ComfyUI Portable（仅限 Windows）

文档： https://docs.comfy.org/installation/comfyui_portable_windows

从 https://github.com/comfyanonymous/ComfyUI/releases 下载，解压，
运行 run_nvidia_gpu.bat。通过 update/update_comfyui_stable.bat 更新。

路径 D：comfy-cli（全平台——推荐用于 Agent）

官方 CLI 是无头/自动化设置的最佳路径。

文档： https://docs.comfy.org/comfy-cli/getting-started

安装 comfy-cli

# 推荐：
pipx install comfy-cli
# 或者使用 uvx 无需安装：
uvx --from comfy-cli comfy --help
# 或者（如果 pipx/uvx 不可用）：
pip install --user comfy-cli

以非交互方式禁用分析：

comfy --skip-prompt tracking disable

安装 ComfyUI

comfy --skip-prompt install --nvidia              # NVIDIA（CUDA）
comfy --skip-prompt install --amd                 # AMD（ROCm，Linux）
comfy --skip-prompt install --m-series            # Apple Silicon（MPS）
comfy --skip-prompt install --cpu                 # 仅 CPU（较慢）
comfy --skip-prompt install --nvidia --fast-deps  # 基于 uv 的依赖解析

默认位置：~/comfy/ComfyUI（Linux），~/Documents/comfy/ComfyUI
（macOS/Win）。可通过 comfy --workspace /custom/path install 覆盖。

启动 / 验证

comfy launch --background                       # 后台守护进程，端口 :8188
comfy launch -- --listen 0.0.0.0 --port 8190    # 局域网可访问的自定义端口
curl -s http://127.0.0.1:8188/system_stats      # 健康检查

路径 E：手动安装（高级 / 不支持的硬件）

适用于 Ascend NPU、Cambricon MLU、Intel Arc 或其他不支持的硬件。

文档： https://docs.comfy.org/installation/manual_install

git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu130
pip install -r requirements.txt
python main.py

安装后：下载模型

# SDXL（通用，约 6.5 GB）
comfy model download \
  --url "https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/resolve/main/sd_xl_base_1.0.safetensors" \
  --relative-path models/checkpoints

# SD 1.5（更轻量，约 4 GB，适合 6 GB 显存显卡）
comfy model download \
  --url "https://huggingface.co/stable-diffusion-v1-5/stable-diffusion-v1-5/resolve/main/v1-5-pruned-emaonly.safetensors" \
  --relative-path models/checkpoints

# Flux Dev fp8（较小变体，约 12 GB）
comfy model download \
  --url "https://huggingface.co/Comfy-Org/flux1-dev/resolve/main/flux1-dev-fp8.safetensors" \
  --relative-path models/checkpoints

# CivitAI（先设置 token）：
comfy model download \
  --url "https://civitai.com/api/download/models/128713" \
  --relative-path models/checkpoints \
  --set-civitai-api-token "YOUR_TOKEN"

列出已安装的模型：comfy model list。

安装后：安装自定义节点

comfy node install comfyui-impact-pack             # 常用工具包
comfy node install comfyui-animatediff-evolved     # 视频生成
comfy node install comfyui-controlnet-aux          # ControlNet 预处理器
comfy node install comfyui-essentials              # 常用辅助工具
comfy node update all
comfy node install-deps --workflow=workflow.json   # 安装工作流所需的所有依赖

安装后：验证

python3 scripts/health_check.py
# → comfy_cli 是否在 PATH 中？服务器是否可达？检查点？冒烟测试？

python3 scripts/check_deps.py my_workflow.json
# → 该工作流的节点/模型/嵌入是否已安装？

python3 scripts/run_workflow.py \
  --workflow workflows/sd15_txt2img.json \
  --args '{"prompt": "test", "steps": 4}' \
  --output-dir ./test-outputs

图片上传（img2img / Inpainting）

最简单的方式是使用 run_workflow.py 的 --input-image 参数：

python3 scripts/run_workflow.py \
  --workflow workflows/sdxl_img2img.json \
  --input-image image=./photo.png \
  --args '{"prompt": "make it cyberpunk", "denoise": 0.6}'

该标志会上传 photo.png，然后将其服务端文件名注入到名为 image 的 schema 参数中。对于 inpainting，需要同时传入两个参数：

python3 scripts/run_workflow.py \
  --workflow workflows/sdxl_inpaint.json \
  --input-image image=./photo.png \
  --input-image mask_image=./mask.png \
  --args '{"prompt": "fill with flowers"}'

通过 REST 手动上传：

curl -X POST "http://127.0.0.1:8188/upload/image" \
  -F "image=@photo.png" -F "type=input" -F "overwrite=true"
# 返回：{"name": "photo.png", "subfolder": "", "type": "input"}

# 云端等效命令：
curl -X POST "https://cloud.comfy.org/api/upload/image" \
  -H "X-API-Key: $COMFY_CLOUD_API_KEY" \
  -F "image=@photo.png" -F "type=input" -F "overwrite=true"

云端细节

基础 URL： https://cloud.comfy.org
认证： X-API-Key 请求头（WebSocket 也可用 ?token=KEY）
API 密钥： 设置 $COMFY_CLOUD_API_KEY 一次，脚本会自动读取
输出下载： /api/view 返回一个 302 重定向到签名 URL；脚本会跟随该重定向，并在从存储后端获取之前剥离 X-API-Key（不要将 API 密钥泄露给 S3/CloudFront）。
与本地 ComfyUI 的端点差异：
- /api/object_info、/api/queue、/api/userdata — 免费套餐返回 403；仅付费套餐可用。
- /history 在云端重命名为 /history_v2（脚本会自动路由）。
- /models/<folder> 在云端重命名为 /experiment/models/<folder>（脚本会自动路由）。
- WebSocket 中的 clientId 当前被忽略——同一用户的所有连接会收到相同的广播。请在客户端按 prompt_id 过滤。
- 上传时接受 subfolder 但会被忽略——云端使用扁平命名空间。
并发任务： 免费/标准：1，创作者：3，专业：5。额外任务会自动排队。使用 run_batch.py --parallel N 来充分利用你的套餐。

队列与系统管理

# 本地
curl -s http://127.0.0.1:8188/queue | python3 -m json.tool
curl -X POST http://127.0.0.1:8188/queue -d '{"clear": true}'    # 取消待处理任务
curl -X POST http://127.0.0.1:8188/interrupt                      # 取消正在运行的任务
curl -X POST http://127.0.0.1:8188/free \
  -H "Content-Type: application/json" \
  -d '{"unload_models": true, "free_memory": true}'

# 云端 — 路径相同，位于 /api/ 下，另加：
python3 scripts/fetch_logs.py --tail-queue --host https://cloud.comfy.org

注意事项

需要 API 格式 — 所有脚本和 /api/prompt 端点都要求使用 API 格式的工作流 JSON。脚本会检测编辑器格式（顶层包含 nodes 和 links 数组），并提示你通过“Workflow → Export (API)”（新版 UI）或“Save (API Format)”（旧版 UI）重新导出。
服务器必须运行 — 所有执行都需要一个正在运行的服务器。comfy launch --background 会启动一个。用 curl http://127.0.0.1:8188/system_stats 验证。
模型名称必须精确 — 区分大小写，包含文件扩展名。check_deps.py 会进行模糊匹配（带/不带扩展名和文件夹前缀），但工作流本身必须使用规范名称。用 comfy model list 查看已安装的模型。
缺少自定义节点 — 出现“class_type not found”表示所需的节点未安装。check_deps.py 会报告需要安装哪个包；auto_fix_deps.py 会为你自动安装。
工作目录 — comfy-cli 会自动检测 ComfyUI 工作区。如果命令失败并提示“no workspace found”，请使用 comfy --workspace /path/to/ComfyUI <command> 或 comfy set-default /path/to/ComfyUI。
云免费版 API 限制 — 免费账户下，/api/prompt、/api/view、/api/upload/*、/api/object_info 都会返回 403。health_check.py 和 check_deps.py 会优雅处理并给出明确提示。
视频/音频工作流超时 — 当输出节点为 VHS_VideoCombine、SaveVideo 等时，会自动检测；默认超时从 300 秒提升到 900 秒。可以用 --timeout 1800 显式覆盖。
输出文件名中的路径遍历 — 服务器提供的文件名会经过 safe_path_join 处理，拒绝任何试图逃逸 --output-dir 的内容。请保持此保护开启——带有自定义保存节点的工作流可能产生任意路径。
工作流 JSON 是任意代码 — 自定义节点会运行 Python，因此提交未知工作流与 eval 具有相同的信任风险。在运行前请检查来自不可信来源的工作流。
自动随机种子 — 在 --args 中传递 seed: -1（或使用 --randomize-seed 并省略 seed）即可每次运行获得新种子。实际种子会记录到 stderr。
tracking 提示 — 首次运行 comfy 时可能会弹出分析统计提示。使用 comfy --skip-prompt tracking disable 以非交互方式跳过。comfyui_setup.sh 会自动为你处理。

验证清单

使用 python3 scripts/health_check.py 一次性运行所有检查。手动检查：

hardware_check.py 的判定结果为 ok，或者用户明确选择了 Comfy Cloud
comfy --version 命令可正常执行（或 uvx --from comfy-cli comfy --help）
curl http://HOST:PORT/system_stats 返回 JSON
comfy model list 显示至少一个检查点（本地）或 /api/experiment/models/checkpoints 返回模型（云端）
工作流 JSON 为 API 格式
check_deps.py 报告 is_ready: true（或在云端免费套餐中仅报告 node_check_skipped）
使用小型工作流进行测试运行并成功完成；输出文件位于 --output-dir 目录中

技能元数据​

参考：完整 SKILL.md​

ComfyUI

此技能包含的内容​

何时使用​

架构：两层​

快速开始​

检测环境​

一行命令健康检查​

核心工作流​

第一步：获取 API 格式的工作流 JSON​

第二步：查看可控制的参数​

第三步：带参数运行​

步骤 4：展示结果​

决策树​

安装与上手​

步骤 0：询问本地还是 Cloud（始终优先）​

步骤 1：验证硬件（仅当用户选择本地时）​

选择安装路径​

路径 A：Comfy Cloud（无需本地安装）​

路径 B：ComfyUI Desktop（Windows / macOS）​

路径 C：ComfyUI Portable（仅限 Windows）​

路径 D：comfy-cli（全平台——推荐用于 Agent）​

安装 comfy-cli​

安装 ComfyUI​

启动 / 验证​

路径 E：手动安装（高级 / 不支持的硬件）​

安装后：下载模型​

安装后：安装自定义节点​

安装后：验证​

图片上传（img2img / Inpainting）​

云端细节​

队列与系统管理​

注意事项​

验证清单​