{ "60": { "inputs": { "filename_prefix...

可以，下面我直接给你一个 SillyTavern 可用版。

SillyTavern 对 ComfyUI 的要求是：用 API Format 的工作流 JSON，并把需要动态替换的内容改成占位符，比如 %prompt%、%negative_prompt%、%seed%、%width%、%height%。这些占位符在 JSON 里要放在双引号中，哪怕是数字类参数也是一样。(SillyTavern Documentation)

你这份工作流本身已经接近 API 格式了，我帮你做了这几个改动：

1. 正向提示词改成 %prompt%
2. 把原来的 ConditioningZeroOut 改成负面 CLIPTextEncode，这样 ST 的负面提示词也能生效
3. 把 seed / width / height 改成 ST 占位符
4. 其余采样参数我先保持你原来这套 turbo 配置不动，兼容性更稳

下面这个版本可以直接贴进 SillyTavern → Image Generation → ComfyUI Workflow Editor 里用。ST 官方就是这么接入的：在工作流编辑器里粘贴 API JSON，再替换占位符。(SillyTavern Documentation)

json
{
  "60": {
    "inputs": {
      "filename_prefix": "z-image-turbo",
      "images": [
        "83:8",
        0
      ]
    },
    "class_type": "SaveImage",
    "_meta": {
      "title": "保存图像"
    }
  },
  "83:30": {
    "inputs": {
      "clip_name": "qwen_3_4b.safetensors",
      "type": "lumina2",
      "device": "default"
    },
    "class_type": "CLIPLoader",
    "_meta": {
      "title": "加载CLIP"
    }
  },
  "83:29": {
    "inputs": {
      "vae_name": "ae.safetensors"
    },
    "class_type": "VAELoader",
    "_meta": {
      "title": "加载VAE"
    }
  },
  "83:13": {
    "inputs": {
      "width": "%width%",
      "height": "%height%",
      "batch_size": 1
    },
    "class_type": "EmptySD3LatentImage",
    "_meta": {
      "title": "空Latent图像（SD3）"
    }
  },
  "83:33": {
    "inputs": {
      "text": "%negative_prompt%",
      "clip": [
        "83:30",
        0
      ]
    },
    "class_type": "CLIPTextEncode",
    "_meta": {
      "title": "CLIP文本编码（负面）"
    }
  },
  "83:8": {
    "inputs": {
      "samples": [
        "83:3",
        0
      ],
      "vae": [
        "83:29",
        0
      ]
    },
    "class_type": "VAEDecode",
    "_meta": {
      "title": "VAE解码"
    }
  },
  "83:3": {
    "inputs": {
      "seed": "%seed%",
      "steps": 4,
      "cfg": 1,
      "sampler_name": "res_multistep",
      "scheduler": "simple",
      "denoise": 1,
      "model": [
        "83:28",
        0
      ],
      "positive": [
        "83:27",
        0
      ],
      "negative": [
        "83:33",
        0
      ],
      "latent_image": [
        "83:13",
        0
      ]
    },
    "class_type": "KSampler",
    "_meta": {
      "title": "K采样器"
    }
  },
  "83:27": {
    "inputs": {
      "text": "%prompt%",
      "clip": [
        "83:30",
        0
      ]
    },
    "class_type": "CLIPTextEncode",
    "_meta": {
      "title": "CLIP文本编码"
    }
  },
  "83:28": {
    "inputs": {
      "unet_name": "z_image_turbo_bf16.safetensors",
      "weight_dtype": "default"
    },
    "class_type": "UNETLoader",
    "_meta": {
      "title": "UNet加载器"
    }
  }
}

你接下来这样配就行：

• ComfyUI URL 填你的 ComfyUI 地址，默认一般是 http://127.0.0.1:8188。(SillyTavern Documentation)
• 新建一个 ComfyUI workflow
• 把上面 JSON 粘进去保存
• 在 ST 里正常用 /imagine 或图像生成功能出图

再给你一个建议：
你这个 z_image_turbo 看起来像是偏固定参数的 turbo 工作流，所以我故意没把 steps/cfg/sampler/scheduler 全开放给 ST。这样更稳，不容易因为 ST 面板里的默认值把图跑坏。ST 确实支持 %steps%、%scale%、%sampler%、%scheduler%、%denoise% 这些占位符，但不是必须全加。(SillyTavern Documentation)

如果你想要，我下一条可以直接再给你一份 “完全动态版”，把 steps / cfg / sampler / scheduler / denoise 也全改成 SillyTavern 可控。

可以，下面给你一份 “完全动态版”。
SillyTavern 的 ComfyUI 工作流支持把提示词、seed、steps、cfg、sampler、scheduler、宽高、denoise、model、vae 等参数做成占位符；而且这些占位符在 JSON 里都要放在双引号里，哪怕本质上是数字。ST 的接法也是把 ComfyUI 导出的 API 格式 JSON 粘到 Workflow Editor 里再替换成占位符。(SillyTavern Documentation)

你这个工作流比较特殊：
它是 UNET + CLIP + VAE 分离加载，所以我做了两层动态化：

• 用 ST 内建占位符：%prompt% %negative_prompt% %seed% %steps% %scale% %sampler% %scheduler% %width% %height% %denoise% %model% %vae% (SillyTavern Documentation)
• 用 ST 自定义占位符 处理 ST 没有内建控件的部分，比如 clip_name、filename_prefix、batch_size。ST 文档明确支持自定义占位符。(SillyTavern Documentation)

直接用这个：

json
{
  "60": {
    "inputs": {
      "filename_prefix": "%filename_prefix%",
      "images": [
        "83:8",
        0
      ]
    },
    "class_type": "SaveImage",
    "_meta": {
      "title": "保存图像"
    }
  },
  "83:30": {
    "inputs": {
      "clip_name": "%clip_name%",
      "type": "lumina2",
      "device": "default"
    },
    "class_type": "CLIPLoader",
    "_meta": {
      "title": "加载CLIP"
    }
  },
  "83:29": {
    "inputs": {
      "vae_name": "%vae%"
    },
    "class_type": "VAELoader",
    "_meta": {
      "title": "加载VAE"
    }
  },
  "83:13": {
    "inputs": {
      "width": "%width%",
      "height": "%height%",
      "batch_size": "%batch_size%"
    },
    "class_type": "EmptySD3LatentImage",
    "_meta": {
      "title": "空Latent图像（SD3）"
    }
  },
  "83:33": {
    "inputs": {
      "text": "%negative_prompt%",
      "clip": [
        "83:30",
        0
      ]
    },
    "class_type": "CLIPTextEncode",
    "_meta": {
      "title": "CLIP文本编码（负面）"
    }
  },
  "83:8": {
    "inputs": {
      "samples": [
        "83:3",
        0
      ],
      "vae": [
        "83:29",
        0
      ]
    },
    "class_type": "VAEDecode",
    "_meta": {
      "title": "VAE解码"
    }
  },
  "83:3": {
    "inputs": {
      "seed": "%seed%",
      "steps": "%steps%",
      "cfg": "%scale%",
      "sampler_name": "%sampler%",
      "scheduler": "%scheduler%",
      "denoise": "%denoise%",
      "model": [
        "83:28",
        0
      ],
      "positive": [
        "83:27",
        0
      ],
      "negative": [
        "83:33",
        0
      ],
      "latent_image": [
        "83:13",
        0
      ]
    },
    "class_type": "KSampler",
    "_meta": {
      "title": "K采样器"
    }
  },
  "83:27": {
    "inputs": {
      "text": "%prompt%",
      "clip": [
        "83:30",
        0
      ]
    },
    "class_type": "CLIPTextEncode",
    "_meta": {
      "title": "CLIP文本编码"
    }
  },
  "83:28": {
    "inputs": {
      "unet_name": "%model%",
      "weight_dtype": "%weight_dtype%"
    },
    "class_type": "UNETLoader",
    "_meta": {
      "title": "UNet加载器"
    }
  }
}

你还需要在 SillyTavern 的 Custom placeholders 里补这几个，因为它们不是 ST 预定义项：(SillyTavern Documentation)

text
clip_name        -> qwen_3_4b.safetensors
filename_prefix  -> z-image-turbo
batch_size       -> 1
weight_dtype     -> default

内建可直接吃的参数是这些：
%prompt%、%negative_prompt%、%model%、%vae%、%sampler%、%scheduler%、%steps%、%scale%、%width%、%height%、%denoise%、%seed%。其中 %seed% 在你把 seed 设成 -1 时，ST 会每张图自动生成随机 seed。(SillyTavern Documentation)

有一个关键注意点：
ST 虽然支持 %model% 和 %vae%，但你这个流是 分体式加载器，模型类型必须和对应 loader 匹配；如果你在 ST 里切到不兼容的模型，ComfyUI 会直接在 loader 节点报错。文档里对这一点有明确说明。(SillyTavern Documentation)

最稳的用法是：

• %model% 只切同一类 UNETLoader 能吃的 UNet
• %vae% 只切兼容的 VAE
• clip_name 继续放自定义占位符，不要随便和 UNet 混切
  这样比把 CLIP 也强行绑进 %model% 更安全。这个结论是基于 ST 对不同模型类型兼容性的说明做出的工程判断。(SillyTavern Documentation)

如果你想更省事，我也可以直接再给你一版： “适配 SillyTavern 的最终成品模板”，包括我帮你把推荐的 custom placeholders 配置表一起整理好，复制进去就能用。