sd-node-capture

SD 节点输出捕获与视觉分析

核心机制

save_preview — 预注入的截图函数

save_preview 是预注入到 exec 命名空间的辅助函数，自动完成：缩放 1/4 → jpg 压缩 → [IMAGE:] 标记输出。 AI 在 tool result 中可直接看到图片。

# 最简用法：传入节点，自动截图
node = graph.getNodeFromId("node_id")
save_preview(node, "height")

# 传入纹理对象也行
tex = node.getPropertyValue(out_props[0]).get()
save_preview(tex, "height")

# 自定义缩放比（默认 4 即 1/4）
save_preview(node, "height_hires", scale=2)  # 1/2 大小
save_preview(node, "height_full", scale=1)   # 原始大小

参数：

参数	类型	默认	说明
texture_or_node	SDTexture / SDNode	必填	传 node 时自动取第一个输出端口
label	str	"preview"	显示标签，也用于文件名
scale	int	4	缩小倍数（1=原始, 2=半, 4=四分之一）
quality	int	80	JPEG 质量

[IMAGE:path] 标记（底层机制）

save_preview 内部调用 print(f"[IMAGE:{path}]")，MCP Server 自动将图片 base64 嵌入返回。 也可以手动使用这个标记：

tex.save("path/to/file.jpg")
print(f"[IMAGE:path/to/file.jpg]")  # AI 看到图片

---

操作示例

1. 截图单个节点

node = graph.getNodeFromId("1567699435")
save_preview(node, "weave_pattern")

2. 截取所有 PBR 输出

output_nodes = graph.getOutputNodes()
for i in range(output_nodes.getSize()):
    on = output_nodes.getItem(i)
    usage = "unknown"
    try:
        val = on.getAnnotationPropertyValueFromId("identifier")
        if val:
            usage = str(val.get()) if hasattr(val, 'get') else str(val)
    except Exception:
        pass
    save_preview(on, f"output_{usage}")

3. 截取关键中间节点

check_nodes = {
    "1567699435": "weave_pattern",
    "1567699547": "height_levels",
    "1567699553": "final_blend",
}
for nid, label in check_nodes.items():
    node = graph.getNodeFromId(nid)
    if node:
        save_preview(node, label)
    else:
        print(f"节点 {nid} ({label}) 未找到")

4. 多输出端口的库节点

node = graph.getNodeFromId("target_node_id")
if node:
    out_props = node.getProperties(SDPropertyCategory.Output)
    for p in out_props:
        port_id = p.getId()
        val = node.getPropertyValue(p)
        if val:
            tex = val.get()
            if tex:
                save_preview(tex, f"port_{port_id}")