Modular Diffusion Pipeline Builder 算子节点

加载并常驻缓存一个 🧨 Diffusers 管线对象，供画布下游的所有其他算子节点无缝复用。

算子所属分类：ModularDiffusion/Pipeline

核心速查 (TL;DR)

单次加载构建，无限复用推理 (Build once, generate many)：始终将本节点置于扩散工作流的开端；将输出的 pipeline 端口连入画布上下游所有依赖模型权重的 Modular Diffusion 算子（如 Generate Media Latent、VAE Encode/Decode、Create Noise 等）；
优先选定 provider 提供方：所有其他子参数（目标模型仓库、运行时性能旋钮）均会根据所选的架构家族动态动态重新生成；
智能基于配置指纹哈希缓存 (Hash-cached)：管线在显存中由所有加载期参数（模型 ID、量化格式、LoRA 链）生成的 Hash 唯一标识。更改加载期参数会触发物理重构并更新缓存；而运行期参数（如提示词 Prompt、采样步数 Steps）的变动绝不会触发耗时的管线重新拉取与重构；
输出端口类型：Pipeline Config。

[Pipeline Builder] → Create Noise Latents → Generate Media Latents → Decode Media Latent

Modular Diffusion Pipeline Builder 算子节点外观

端口名称	数据类型	是否必填	详细功能与业务规范说明
`loras`	`loras`	否	连入一个或多个 Load LoRA 算子节点。多个 LoRA 将按连线顺序自动在管线内完成级联堆叠注入。

端口名称	数据类型	详细功能与业务规范说明
`pipeline`	`Pipeline Config`	包含在显存中缓存就绪的管线凭据对象。连入任何标有 `pipeline` 输入插槽的下游算子。
`logs`	`str`	管线构建全生命周期日志，包含底层解析出的唯一配置指纹 Hash。

参数名称	数据类型	详细业务功能与调优说明
`provider`	下拉枚举	模型所属的架构家族：`Flux`、`Flux2`、`Stable Diffusion`、`Stable Diffusion 3`、`Qwen`、`Z-Image`、`HunyuanVideo 1.5`、`LTX`、`LTX2`、`WAN`。切换该项将完全置换下方所有动态参数。
`pipeline_type`	下拉枚举	对应架构下的具体管线类（例如 `FluxPipeline`、`WanImageToVideoPipeline`）。决定了该管线具备的核心生成/编辑能力形态。
`<model repo>`	Hugging Face 选择器	Hugging Face 远程仓库 ID。仅支持 Diffusers 原生目录结构——单文件 `.safetensors` Checkpoint 无法直接挂载。

参数名称	数据类型	默认值	详细业务功能与调优说明
`memory_optimization_strategy`	下拉枚举	`Manual`	显存调优模式。选 `Automatic` 会折叠隐藏下方微调项，并依据模型自动应用通用平衡配置；选 `Manual` 开启全部手动控制。
`attention_slicing`	`bool`	`False`	自注意力运算切片：极具性价比的显存节省策略，仅带来极小幅吞吐速度下降。
`vae_slicing`	`bool`	`False`	VAE 分块切片：将潜变量以批次为 1 逐个解码，在大 Batch Size 或大画幅渲染时能有效防止 VAE 爆显存。
`transformer_layerwise_casting`	`bool`	`False`	Transformer 逐层精度动态转换：在内存中维持低精度存储，在计算前线逐层升阶。
`cpu_offload_strategy`	下拉枚举	`None`	CPU 内存置换卸载策略：`Model`（以子模块为单位卸载）或 `Sequential`（以单层 Layer 循环卸载）——在特定模块闲置时移入内存以腾出 VRAM，以推理耗时置换极限显存容量。
`quantization_mode`	下拉枚举	`None`	量化档位：`fp8` / `int8` / `int4`（底层基于 `optimum-quanto` 或 `bitsandbytes` 驱动）。显著压低 Transformer 显存消耗，微幅牺牲微小画质。

注：仅开启实际必要的优化项——每项功能皆以不同程度的计算开销换取更低的物理显存门槛。

引擎重启后的管线状态：管线缓存仅驻留在进程内存中；重启引擎后无需担心，下次点击运行 (Run) 时节点会自动完成静默加载重析。
初次加载报显存溢出 (CUDA OOM)：模型基础权重超出了显卡的物理显存容量上限。请按以下优先级次序尝试优化组合：
将 quantization_mode 设为 int8 或 int4；
将 cpu_offload_strategy 设为 Model（将闲置组件暂存至主机内存）；
勾选 vae_slicing（削减解码阶段的瞬时显存尖峰）。
LoRA 权重未生效的排查路径：
确认该 LoRA 是否为当前 pipeline_type 所匹配的架构训练所得（例如 Flux 专用的 LoRA 绝对无法注入 WAN 视频管线）；
检查 Load LoRA 节点的输出端口是否准确连入了本节点的 loras 输入插槽。
务必在配置其他参数前先锁定 provider：更改 provider 会彻底重置下方所有衍生参数；尽管同名参数的连线会被智能保留，但输入框数值会被重置为出厂默认值。在构建初期率先确定架构提供方，能避免重复劳动。