Hugging Face於9月10日發文，展示了用Gradio Workflow重建的Workflow1111，把AUTOMATIC1111的功能集合搬成了一張由11條媒體流水線、73個節點組成的圖。作者是Yuvraj Sharma和Abubakar Abid。
對沒接觸過這條線的讀者來說，AUTOMATIC1111是Stable Diffusion時代最廣泛使用的本機圖形介面，幾乎定義了那兩年AI繪圖的操作習慣：正負提示詞、採樣器、高解析度修復（Hires. fix）、圖生圖、ControlNet外掛。後來社群的重心逐漸轉向節點式的ComfyUI，但A1111的功能清單一直是事實上的基準線。
移植過來的是哪些功能
文章列出的復刻項目包括：帶風格預設的文生圖、高解析度修復（放大加一輪去雜訊）、圖生圖編輯、用大型模型改寫提示詞、圖片反推描述、用物件偵測產生重繪遮罩、提示詞矩陣批次出圖、放大與去背、Canny與線稿等ControlNet類標註器、PNG中繼資料讀寫，以及圖生影片。
背後呼叫的模型包括FLUX.1-Kontext、Qwen2.5-VL、DETR、ViT分類器、BRIA RMBG-2.0和Wan 2.2 I2V。
Gradio Workflow本身定義了四類運算子：fn是Python函式，model透過InferenceClient呼叫模型，space直接接到別的Gradio Space，dataset取Hub上的資料集列。這四類裡只有fn完全在自己的機器上執行，其餘三類的運算資源都在別處。
與ComfyUI的分工
文章給出的比較裡，有幾條差異比較實在：一個節點可以是你並不擁有的硬體；每個輸出自動變成一個帶型別的REST端點；支援OAuth，在瀏覽器登入即可使用；不同模態可以放在同一張畫布上；自訂節點就是Python函式，Python能做的它都能做。
最少只要三行程式碼就能啟動──匯入gradio、寫一個函式、呼叫gr.Workflow(bind=[your_function]).launch()。部署用gradio deploy直接推到Spaces。此外整套工作流程支援MCP，意味著智能代理可以把它當工具呼叫。
效能方面文章只給了一個數字：預先載入圖片後，CPU標註器每次約0.5秒。授權條款沒有在文中寫明。
對中國大陸使用者意味著什麼
這套東西實際好不好用，取決於你在哪一側的網路。22個純本機節點意味著去背、Canny、線稿、中繼資料這類工作可以離線完成，這部分不受網路狀況影響。但model和space這兩類運算子走的是Hugging Face的推論端點，從中國大陸直連的穩定性一直是個問題，呼叫FLUX.1-Kontext和Wan 2.2這類大型模型時尤其明顯。
Wan 2.2是阿里巴巴開源的影片生成模型，在中國大陸有魔搭（ModelScope）這條更近的發布管道。也就是說這張圖裡的模型多數在中國大陸都能找到對應的託管服務，但Workflow的執行環境目前綁在Hub上，要換來源得自己改fn節點去呼叫本機或中國大陸的服務。這不是做不到，而是多一份工程量。
從工具演化的角度看，A1111到ComfyUI是從表單到圖的轉變，Workflow1111這一步則是從「圖在我自己的GPU上跑」變成「圖在誰的GPU上都能跑」。中間這層抽象一旦成立，本機VRAM就不再是能不能跑的前提，而變成一個成本選項。這個判斷站不站得住腳，未來一兩年看社群裡自架節點與租用節點的比例就會知道。
參考來源：Hugging Face官方部落格、Gradio文件、CocoLoop；節點數量、運算子分類與耗時數字已按原文核對，中國大陸可用性部分為編輯判斷。