Qwen-Image 2.1 提示词增强模型在 ComfyUI 中运行指南

两个重写模型，各司其职

PE 模型是基于 Qwen3.5-VL 9B 微调而来，于 2026-09-20 与基础模型一同发布，官方 Qwen-Image 2.1 README 推荐将它们作为准备提示词的默认方式：“为获得最佳效果，我们推荐使用官方提示词重写模型，把简短提示词展开为详尽、高质量的描述。”

• PE-T2I 可将任意语言的简短需求转换为一段较长的英文提示词，并附上推荐宽高比。其回答在 think 块之后以 JSON 返回：{"rewritten_prompt": ..., "wh_ratio": "16:9"}。
• PE-I2I 接收一条编辑指令以及最多 10 张引用图像，按 <image1>、<image2> 等依次引用，并返回精确的编辑提示词。其 JSON 回答会额外包含 ratio_follow，用于指定输出应继承哪张输入图像的宽高比。

两者都应在开启思考（thinking）的情况下采样：官方示例使用 temperature 1.0、top_p 0.95、top_k 20，其中文生图模型使用 max_new_tokens 16256，编辑模型则使用 24000。

官方 Qwen-Image 2.1 示例：由五张引用图像组合出的一套穿搭，这正是 PE-I2I 重写模型被训练用来转换为明确提示词的那类多图像指令。

在 ComfyUI 中运行它们

ComfyUI 官方的三个 Qwen-Image 2.1 模板分别覆盖文生图、图像编辑和背景移除，但都没有调用重写模型。Comfy-Org 确实将两个 PE 权重重新打包为 int8 convrot 文件，放在 Comfy-Org/Qwen-Image-2.1 中（text_encoders/qwen3.5_9b_qwen_image_2.1_pe_t2i.int8_convrot.safetensors 和 ..._pe_i2i...），但仅仅加载它们只是完成了一半工作：还得有东西来构建对话提示词、读回 JSON，并把结果提供给采样器。

该节点包正是为此提供了两个节点，两者都注册在 Qwen Image 类别下：

T2I 重写节点：输入一条简短提示词，输出展开后的提示词、宽高比与推理过程。

PE 文件由普通的 加载 CLIP 节点加载，type = qwen_image，生成过程走 ComfyUI 自带的 clip.tokenize() → clip.generate() → clip.decode() 路径，与内置 TextGenerate 节点使用相同的机制。无需外部服务器，也不需要单独的 transformers pipeline。

编辑节点提供十个图像槽位，返回重写后的指令以及需要继承的宽高比。

有几项设置值得直接照抄 README，因为这两个模型并不共用这些参数：

较高的惩罚值可避免文生图重写模型重复输出，而编辑重写模型则应在不启用该惩罚的情况下运行。两个模型都使用 think 块进行训练，因此该节点包会在解析 JSON 之前把推理过程与答案分离，并在答案能够干净解析时报告 parse_ok。安装可选的 json_repair 包后，还能挽救略有格式错误的答案，而不是直接失败。

将其接入节点图

README 中的节点图：在 PE 模型上使用加载 CLIP，输出接入重写节点，其 positive_prompt 继续送入 Text Encode Qwen Image 2.1。

在文生图运行中，重写后的字符串会替代你原本要输入文本编码节点的内容，而 wh_ratio 可以驱动分辨率选择器，无需手动指定宽度和高度。在编辑运行中，引用图像会放入节点的图像槽位，指令中以 <image1>、<image2> 的方式引用它们，而 ratio_follow 决定输出画布应匹配哪张输入图像。

获取方式

• PE-T2I：Qwen/Qwen-Image-2.1-PE-T2I，已发布在 Hugging Face
• PE-I2I：Qwen/Qwen-Image-2.1-PE-I2I，已发布在 Hugging Face
• 适配 ComfyUI 的副本：Comfy-Org/Qwen-Image-2.1 中的 text_encoders/ 目录下，int8 convrot 格式
• 节点包：benjiyaya/ComfyUI-Qwen-Image-2.1-Prompt-Enhancer，克隆到 ComfyUI/custom_nodes/
• 官方重写代码：Qwen-Image 2.1 仓库中的 prompt_rewrite/，提供 transformers、vLLM 与 vLLM 服务器入口