Minds for ComfyUI：图像与视频偏好度测试

Minds 将受众研究直接引入生成图像和视频的节点图（graph）中。您无需导出每一个变体、打开独立的研究工具并手动将胜出的文件导回生产流程，只需将候选素材连接到 Minds · Audience Preferences 即可。该节点会向您选定的 Audiences 提出一个经过审核的偏好度问题，展示完成的研究结果，并将选中的原始媒体传递给后续节点。

Minds 是用于商业合成研究的端到端平台。它通过可复用的 Minds、Audiences 和 Studies 将定性与定量工作结合在一起。Minds PRISM 为限定范围的合成研究提供底层的推理、推断和源建模基础。更广泛的平台支持定性探索以及包括 MaxDiff 在内的定量方法；而此 ComfyUI 适配器提供的是针对性的分类偏好度测试，而非将所有研究方法都塞进一个节点图控件中。当您的研究需求不仅限于在创意方案之间做出选择时，可以探索 Minds 及其锚定依据 以及 更广泛的功能指南。

这张截图仅显示工作流节点，重现了使用两张已发布的 Coca-Cola 营销活动图片完成的集成测试。广告 B（Share a Coke）获得 5 次选择中的 4 次（80%），广告 A（足球）获得 1 次（20%）。两张原图、结果中对应的缩略图及保存的获胜图片均可见。这次使用 5 个 Mind 的 QA 测试验证集成流程，不验证营销活动效果。 营销活动来源: Coca-Cola football, Share a Coke.

将指针移到结果区域内，使用鼠标滚轮或触控板双指滚动，即可查看分析结论和底部控件，画布不会随之移动。这张加高的文档截图一次展示了完整结果。

单个节点的功能

该节点集成了素材收集、草稿准备、审批后执行、结果展示和自动筛选。普通的 ComfyUI 字段即可收集问题、观看背景（context）、候选标签和 Audience ID。研究完成后，原有的 Minds 回答界面会直接显示在节点内部。

测试结果始终与素材、确切的问题以及选定的群体紧密绑定。它不会悄悄替换为其他 Audience、用模型描述替代缺失的媒体，也不会将多个 Audiences 合并为单个群体。有关具体的输出格式与重试机制，请参阅 结果与故障排除参考。

环境要求

请使用您拥有控制权的 ComfyUI 服务器，并具备安装自定义节点包及其 Python 依赖项的权限。服务器需要具备访问 Minds 的出站 HTTPS 网络权限，以及一个拥有 API 权限且包含已就绪 Audiences 的 Minds 账户。其 Python 环境必须包含 ComfyUI 现有的 PyTorch 安装。该节点包会向该环境中添加其声明的 HTTP 和图像处理依赖项。

请准备至少两个不同的备选方案，以及一个这些方案能够解答的问题。图像对比需要真实的图像；如果问题涉及动态、节奏或音频，视频对比则需要提供对应的视频。文本概念适合用于对比拟定的故事情节，但不能替代对成片视频的评估。

根据您要制定的决策选择相应的 Audience。Audience 指南 解释了可复用的群体，Study 指南 解释了节点背后的已保存研究对象。仅凭一个听起来相关的 Audience 名称，并不能代表其具备充分的锚定依据、代表性或适用于重大决策。

安装与当前分发渠道

官方软件包是由 Minds 发布的 GitHub 上的 ComfyUI-Minds。Comfy Registry 列表项 使用的发布者为 minds，节点包标识符为 comfyui-minds。在依赖 Manager 验证之前，请先在该页面查看当前版本的验证状态。无论该状态如何，GitHub 发布版都提供了直接的安装途径。

截至2026年10月16日，Registry 中的 0.2.0 版本被标记为“Flagged”，正在等待审核。GitHub 发布版本可用，但提交到 Registry 并不意味着已在 Manager 中通过验证。安装前请检查最新版本状态。

已记录的端到端验证基于 ComfyUI 0.41.0（前端版本 1.55.17）以及简短的示例图像/视频素材。这证明了在上述环境中安装、批准研究、结果渲染和原生保存功能均能正常运作。但这并不代表支持在 Comfy Cloud 上运行、已被市场 Partner Node 接收，或与未来所有 ComfyUI 版本兼容。

从官方代码仓库安装

在 ComfyUI 安装目录中打开终端，并将节点包克隆到 custom_nodes 中：

cd /path/to/ComfyUI/custom_nodes
git clone https://github.com/minds-ai-co/ComfyUI-Minds

使用运行 ComfyUI 的同一个 Python 解释器安装 ComfyUI-Minds/requirements.txt。例如，将解释器路径替换为您实际环境的路径：

/path/to/comfy-python -m pip install -r ComfyUI-Minds/requirements.txt

全局 pip 命令可能会将依赖项安装到其他环境中。桌面版、便携版和虚拟环境安装具有不同的解释器位置；请使用与您实际启动的服务器相对应的解释器位置。切勿仅为了安装此节点包而替换 ComfyUI 现有的 PyTorch 安装。

安装完成后重启 ComfyUI。在节点菜单中搜索 Minds · Audience Preferences。如果未出现，请在尝试运行研究前检查服务器的自定义节点导入错误。将代码仓库安装在错误的文件夹或解释器中，并不能通过修改 Minds 中的问题来解决。

配置服务器凭据

在 Minds API-key 设置 中创建或管理您的密钥，然后配置凭据管理器将其作为 MINDS_API_KEY 注入 ComfyUI 服务器进程。在配置好环境变量后重启或重新启动该进程。在不相关的终端中设置的环境变量不会自动同步到已在运行的桌面应用或服务中。

该密钥仅供 Python 适配器调用 Minds 使用。它不是候选输入，不应嵌入到共享的节点图中，也不是回答 iframe 所需的属性。将身份验证与问题和媒体素材分离开来，以确保工作流的可复用性。

加载可运行的示例

该节点包包含七个示例工作流，涵盖广告筛选、缩略图、包装、Audience 差异、原版与修改版对比、视频概念以及原生视频筛选。您可以通过 ComfyUI 的模板浏览器打开其中一个，或从已安装包的 example_workflows 目录导入其 JSON 文件。

对于内置的示例媒体，请先将示例资产复制到 ComfyUI 的 input 目录中。对于您自己的测试，请选择您自己的文件或连接您的生成管线。每个示例都包含一个 Minds 研究节点；Load 和 Save 节点属于周边的 ComfyUI 工作流。

建议从规模较小、针对性强的对比开始，以便于检查标签、附件和审核问题。随后在支持的限制范围内扩展候选集。请将初次集成验证与日后使用更大规模、有充分锚定依据的研究群体所要制定的创意决策区分开来。

选择 Audiences

在 audience_ids 中输入一个或多个现有的 Audience UUID，用逗号分隔。这些受众必须对持有服务器 API key 的账户可见，且已就绪可供研究。该节点不会解析此字段中的人口统计学描述语句，也不会据此创建新的 Audience。

可选的 Minds · Find Audiences 节点会列出有权访问的 ID、名称、Mind 数量和就绪状态。使用其搜索字段可以缩小列表范围；使用 offset 可以翻页查看前一百条之后的条目。该辅助节点仅用于探索发现。一旦选定 ID，您的研究节点图就只需要那一个偏好度节点。

对于跨 Audiences 的对比，系统会保留独立的结果。如果您还希望节点图自动筛选媒体，请在 selection_audience_id 中指定其中一个测试过的 ID。在多受众测试中若将该字段留空，则会显示研究结果，但会阻止自动筛选，因为适配器无法判断应该由哪个群体来决定后续生产。

连接图像并精确设置标签

将 IMAGE 批次连接到 images。第二个源可以连接到 images_b，这样在对比两个原生源时无需额外的 Minds 汇总节点。该节点同时支持列表和批次；当输出作为独立图像继续传递时，图像尺寸可以不同。

labels_json 按顺序为每个原生候选素材命名。图像排在前面，第一组图像输入排在第二组之前；原生视频排在后面，第一组视频输入排在第二组之前。标签是确切且唯一的标识，供问题、结果和筛选器使用。

["Original", "Revision"]

如果连接的批次包含多张图像，则每张图像都需要一个标签。因此，两个连接的批次可以包含两个以上的候选素材。改变候选素材数量却不更新标签属于合约错误，系统不会自行虚构名称或舍弃图像。

请选择在后续流程中依然易于理解的标签，例如“Original headline”和“Short headline”。避免在标签中暗示预期的胜出方。研究旨在询问对所提供备选方案的看法；标签的作用是帮助识别素材，而不是添加诱导性的宣称。

编写一个有价值的偏好度问题

该节点针对带标签的备选方案运行固定的分类问题。请提出一个素材本身能够支撑的单一判断。“您更愿意点击哪个缩略图？”与“哪个缩略图对主题的阐述更清晰？”是不同的问题。一个问题的测试结果并不能直接推导出另一个问题的答案。

使用 context 补充 Audience 理解任务所需的信息：创意将在何处展示、预期的观看场景或需要考虑的要点。在各个备选方案之间保持背景信息的平衡。如果产品、优惠或受众关系存在差异，在解读结果之前，请先明确您测试的究竟是创意表现手法还是更广泛的商业主张。

完整的问题、背景信息和创意引用必须符合 API 的固定问题长度限制。切勿通过私自删除定义观看场景的部分来解决超长问题。请审慎重写提示词，并针对修改后的内容发起新的测试请求。

排队、审核与批准

将节点图加入队列一次。节点会创建或复用已保存的 Study，按需上传原生媒体，并生成确切的草稿。审核对话框会显示选定的 Audiences、语言、完整问题和备选方案。生成草稿并不会启动受访者研究；下游的自动筛选仍处于阻塞状态。

按照受访者将接收到的形式阅读该问题，包括其背景信息和候选引用。确认标签顺序与连接的素材一致，且选定的群体与该决策相匹配。如有错误，请取消。批准操作仅针对所显示的已保存草稿，并不适用于后续对节点图进行的任何修改。

选择 Approve this draft，然后再次加入队列。节点将验证已批准的版本，并启动或恢复该草稿的持久化研究运行。账户权限、Audience 就绪状态、套餐及用量限制仍通过通用的 Minds API 生效。

在修改素材、标签、问题、背景、语言或 Audiences 后，请使用 New test request。该按钮会创建全新的请求标识，并清除旧的批准和回答视图。如果是在相同输入下恢复中断的尝试，请保留现有的请求标识。

查看嵌入式结果

完成的研究结果会通过与 MCP 结果小组件相同的 Minds 回答界面显示在节点内。它可以展示问题、Audience 细分、分类分布、核心发现（findings）以及可查看的单个 Mind 回答。在结果区域内滚动即可查看更多回答内容。

截图使用的是包含 5 个 Mind 的 QA Audience 以及刻意简化的示例素材。它们仅用于展示正常工作的集成链路。Audience 的显示名称和直观的柱状图并不会将这些测试素材转化为具有代表性的市场证据或校准过的营销活动预测。

在制定实质性决策时，请检查 Audience、观看背景和备选方案是否与任务匹配。在查看分布的同时，仔细审视核心发现和具体的回答。当您需要 Study 文档 中所述的更广泛的已保存研究工作流、对比或导出功能时，请直接在 Minds 中打开该 Study。

使用选中的原始文件继续后续流程

将 selected_images 连接到图像处理或 Save Image 节点。将 selected_videos 连接到视频处理或 Save Video 节点。这些输出保留了原始的原生对象，而不是根据缩略图重建胜出图像，或将视频转换为采样静止帧。

设置 top_k 以在候选总数内指定入围数量。在临界位置并列的项仍会被包含在内，因此输出的项目数量可能会大于该数值。并列第一即为并列结果；节点不会仅仅因为第一个输入排在前面就优先选择它。

托管资产和文本概念可以作为创意记录被选中，但无法凭空创建从未连接过的原生 IMAGE 或 VIDEO 对象。缺失的原生模态会阻塞对应的媒体输出，但其他已完成的结果输出依然可用。结果参考 解释了用于自动化流程的 JSON 和自定义输出。

审慎测试视频与概念

对于原生视频，请连接对应的 VIDEO 对象，为其设置标签，并提出一个基于完整片段的问题。当问题依赖于旁白、音乐、节奏或口头信息时，音频轨道至关重要。视频工作流指南 详细介绍了端口、审核及原生输出。

对于拟定的故事或脚本，请在 assets_json 中使用带标签的文本概念。明确说明该任务针对的是概念而非成片视频。对某一编写概念的偏好，并不代表受众会对包含未知选角、剪辑、声音、节奏或视觉效果的最终成片抱有同样的偏好。

图文版创意工作流文章 详细介绍了实际应用场景，包括广告变体以及原版与修改版对比。请将这些示例与您实际运行的具体问题结合起来，切勿将所有偏好度分布都等同于相同的商业成果。

与 ChatGPT 集成的区别

ChatGPT 集成 通过 MCP 和 OAuth 将 Minds 研究引入对话中。ComfyUI 的适配器则是通过其 Python 服务器使用服务器端密钥调用 Minds API。两者均接入同一个研究平台，但面向不同的宿主工作流和身份验证路径。

当生成的原生媒体需要保留在节点图中、且偏好度结果需要将原始文件传递至下游时，请使用 ComfyUI。当周边任务是研究对话或更广泛的 Agent 工作流时，请使用像 ChatGPT 或 Claude 这样的对话式客户端。集成概述 解释了可用的宿主选项。

ComfyUI 结果 iframe 复用了回答界面；但这并不会将该节点变为 MCP 服务器、为 ComfyUI 添加 OAuth，或要求您安装 ChatGPT 插件。同样，该节点不会安装 Mosaic 检查点，也不提供模型选择设置。其支持的功能仅限于此处介绍的经过测试的 Minds Study API 工作流。

后续步骤与支持

参阅 视频指南 进行原生音视频对比；当输出被阻塞、请求超时或需要解读结果时，请参阅 结果与故障排除参考。源码仓库 包含可安装的节点包、示例以及支持 issue 追踪器。

如果您刚开始接触 Minds，请从 快速入门、Minds、Audiences 和 Studies 开始。节点图是进入这一连贯研究流程的专属切入点，而决策的质量始终取决于您所引入的群体、素材以及研究问题。