ComfyUI继承了开源软件的光荣传统，装点插件真的很不容易。
今天（2026/2/7）来讲讲装JoyCaption这个插件的经历。这个插件的作用是从图片反推出AI生图的提示词。
第一步很简单
使用秋叶整合包从ComfyUI Manager的插件列表里找到它，进行安装。
第二步下载模型
按照 https://github.com/1038lab/ComfyUI-JoyCaption 里的说法，有一个llama-joycaption-beta-one-llava-mmproj-model-f16模型是必须的。放到ComfyUI/Models/LLM/GGUF目录下。
llama-joycaption-beta-one-llava-mmproj-model-f16模型 是 多模态投影层，负责将图片转换为语言模型能理解的特征向量。没有它，模型"看不到"图片，只能文本生成。
其中：
mmproj = Multi-Modal Projection
GGUF 是 GPT-Generated Unified Format 的缩写，是一种专为大型语言模型（LLM）设计的量化模型格式。它由 llama.cpp 项目开发，旨在让大模型能在消费级硬件（尤其是 CPU 和普通显卡）上高效运行。
除了这个多模态投影层，大语言模型则有两个选择，
一个是标准模型：
另一个选择是下载GGUF的大语言模型：
标准模型是若干个safetensors文件，下载以后还要合并，很麻烦。此外从大小和效果上，都推荐安装GGUF模型，根据你的显存大小选一个即可。
第三步使用
启动ComfyUI，你会在AILab分类下找到5个JoyCaption Node：
但是问题来了，你刚才下载的GGUF模型，而这几个默认Node，是给标准模型用的。
给GGUF模型用的Node，叫JoyCaption GGUF。目前找不到。磨难开始。
第四步安装llama-cpp-python
在JoyCaption的目录（ComfyUI\custom_nodes\ComfyUI-JoyCaption）里找到Readme文件，其实里面写了，要用GGUF的大语言模型，必须安装llama-cpp-python（llama.cpp 项目催生了 GGUF 格式，而 llama-cpp-python 是它在 Python 上的封装。），且有两个选项：
安装过程会遇到两个坑。
先提一句，最完美的情况是你能在网上找到你CUDA版本对应的预编译的llama-cpp-python wheel包(比如https://github.com/dougeeai/llama-cpp-python-wheels)。那会是最方便的，直接装wheel包，可以避开下面两个坑。
一号坑：
安装过程发生如下报错：
使用编译的方式安装的前提是你电脑有cmake，即需要安装 C++ 编译环境。
Windows可以从这里1下载：https://visualstudio.microsoft.com/visual-cpp-build-tools/
最小化安装选择："使用 C++ 的桌面开发" -> CMake工具 + VS 2022 C++ x64/x86 生成工具。
安装后重启电脑。
二号坑：
这个问题和秋叶整合包有些关系，秋叶整合包中只有Cuda的运行时，没有编译环境（CUDA Toolkit）。
有两种解决办法，
-
你自己再安装一个CUDA Toolkit，当然版本要和秋叶包保持一致。
-
强制使用CPU模式进行编译，修改llama_cpp_install.py文件，强行指定has_gpu=False
注意使用CPU模式后，JoyCaption GGUF生成提示词的时间比GPU要长很多，我12代I5 CPU对于一张4K的图片生成提示词要2分钟。供参考。
重启ComfyUI后，你就能找到：
使用截图：
