Update avatar-agent-workflow.json

README.md

@@ -10,6 +10,8 @@ For business cooperation, please contact email 389570357@qq.com
 
 ##### `最新`：
 
+- AvatarGeneratorAgent [工作流示例](./workflow/avatar-agent-workflow.json)
+
 - 新增[fal.ai](https://fal.ai/dashboard)的视频生成:Kling、RunwayGen3、LumaDreamMachine，[工作流下载](./workflow/video-all-in-one-test-workflow.json)
 
 - 新增 SimulateDevDesignDiscussions，需要安装[swarm](https://github.com/openai/swarm)和[Comfyui-ChatTTS](https://github.com/shadowcz007/Comfyui-ChatTTS)，[工作流下载](./workflow/swarm制作的播客节点workflow.json)

__init__.py

@@ -1261,7 +1261,7 @@ logging.info('\033[91m ### Mixlab Nodes: \033[93mLoaded')
 # print('\033[91m ### Mixlab Nodes: \033[93mLoaded')
 
 try:
-    from .nodes.ChatGPT import SimulateDevDesignDiscussions,SiliconflowTextToImageNode,JsonRepair,ChatGPTNode,ShowTextForGPT,CharacterInText,TextSplitByDelimiter,SiliconflowFreeNode
+    from .nodes.ChatGPT import SiliconflowTextToImageNode,JsonRepair,ChatGPTNode,ShowTextForGPT,CharacterInText,TextSplitByDelimiter,SiliconflowFreeNode
     logging.info('ChatGPT.available True')
 
     NODE_CLASS_MAPPINGS_V = {
@@ -1271,9 +1271,7 @@ try:
         "ShowTextForGPT":ShowTextForGPT,
         "CharacterInText":CharacterInText,
         "TextSplitByDelimiter":TextSplitByDelimiter,
-        "JsonRepair":JsonRepair,
-
-        "SimulateDevDesignDiscussions":SimulateDevDesignDiscussions
+        "JsonRepair":JsonRepair, 
     }
 
     # 一个包含节点友好/可读的标题的字典
@@ -1284,9 +1282,7 @@ try:
         "ShowTextForGPT":"Show Text ♾️MixlabApp",
         "CharacterInText":"Character In Text",
         "TextSplitByDelimiter":"Text Split By Delimiter",
-        "JsonRepair":"Json Repair",
-
-        "SimulateDevDesignDiscussions":"SimulateDevDesignDiscussions ♾️Mixlab Podcast"
+        "JsonRepair":"Json Repair", 
     }
 
 
@@ -1294,7 +1290,7 @@ try:
     NODE_DISPLAY_NAME_MAPPINGS.update(NODE_DISPLAY_NAME_MAPPINGS_V)
 
 except Exception as e:
-    logging.info('ChatGPT.available False')
+    logging.info('ChatGPT.available False',e)
 
 
 try:
@@ -1474,4 +1470,33 @@ try:
 except Exception as e:
     logging.info('FalVideo.available False' )  
 
+
+try:
+    from .nodes.SocialProfile import NewSocialProfileNode,LoadSocialProfileNode
+    logging.info('SocialProfile.available')
+    # Update Node class mappings
+    NODE_CLASS_MAPPINGS['NewSocialProfileNode']=NewSocialProfileNode
+    NODE_CLASS_MAPPINGS['LoadSocialProfileNode']=LoadSocialProfileNode
+
+    NODE_DISPLAY_NAME_MAPPINGS["NewSocialProfileNode"]=  "New Social Profile ♾️Mixlab"
+    NODE_DISPLAY_NAME_MAPPINGS["LoadSocialProfileNode"]=  "Load Social Profile ♾️Mixlab"
+
+except Exception as e:
+    logging.info('SocialProfile.available False' ) 
+
+
+try:
+    from .nodes.Agent import AvatarGeneratorAgent,SimulateDevDesignDiscussions
+    logging.info('Agent.available')
+
+    NODE_CLASS_MAPPINGS['SimulateDevDesignDiscussions']=SimulateDevDesignDiscussions
+    NODE_CLASS_MAPPINGS['AvatarGeneratorAgent']=AvatarGeneratorAgent
+    
+    NODE_DISPLAY_NAME_MAPPINGS["SimulateDevDesignDiscussions"]= "SimulateDevDesignDiscussions ♾️Mixlab Podcast"
+    NODE_DISPLAY_NAME_MAPPINGS["AvatarGeneratorAgent"]=  "Avatar Generator Agent ♾️Mixlab"
+    
+except Exception as e:
+    logging.info('Agent.available False' ) 
+
+
 logging.info('\033[93m -------------- \033[0m')

nodes/Agent.py

@@ -0,0 +1,892 @@
+import openai 
+import time
+import urllib.error
+import re,json,os,string,random
+import folder_paths
+import hashlib
+import sys
+import importlib.util
+import subprocess
+
+import torch
+import numpy as np
+
+python = sys.executable
+
+# Convert PIL to Tensor
+def pil2tensor(image):
+    return torch.from_numpy(np.array(image).astype(np.float32) / 255.0).unsqueeze(0)
+
+def is_installed(package, package_overwrite=None,auto_install=True):
+    is_has=False
+    try:
+        spec = importlib.util.find_spec(package)
+        is_has=spec is not None
+    except ModuleNotFoundError:
+        pass
+
+    package = package_overwrite or package
+
+    if spec is None:
+        if auto_install==True:
+            print(f"Installing {package}...")
+            # 清华源 -i https://pypi.tuna.tsinghua.edu.cn/simple
+            command = f'"{python}" -m pip install {package}'
+    
+            result = subprocess.run(command, stdout=subprocess.PIPE, stderr=subprocess.PIPE, shell=True, env=os.environ)
+
+            is_has=True
+
+            if result.returncode != 0:
+                print(f"Couldn't install\nCommand: {command}\nError code: {result.returncode}")
+                is_has=False
+    else:
+        print(package+'## OK')
+
+    return is_has
+  
+
+if is_installed('json_repair'):
+    from json_repair import repair_json
+
+# 从文本中提取json
+def extract_json_strings(text):
+    json_strings = []
+    brace_level = 0
+    json_str = ''
+    in_json = False
+    
+    for char in text:
+        if char == '{':
+            brace_level += 1
+            in_json = True
+        if in_json:
+            json_str += char
+        if char == '}':
+            brace_level -= 1
+        if in_json and brace_level == 0:
+            json_strings.append(json_str)
+            json_str = ''
+            in_json = False
+
+    return json_strings[0] if len(json_strings)>0 else "{}"
+
+# text2json
+def text_to_json(text):
+    text=extract_json_strings(text)
+    good_json_string = repair_json(text)
+    # 将 JSON 字符串解析为 Python 对象
+    data = json.loads(good_json_string)
+    return data
+
+
+def save_to_json(file_path, data):
+    try:
+        with open(file_path, 'w', encoding='utf-8') as f:
+            json.dump(data, f, ensure_ascii=False, indent=4)
+    except Exception as e:
+            print(e)
+
+def read_from_json(file_path):
+    data = None
+    try:
+        with open(file_path, 'r', encoding='utf-8') as f:  # 使用 'r' 模式打开文件
+            data = json.load(f)
+    except Exception as e:
+        print('#read_from_json', e)
+        return None
+    return data
+
+
+default_agent={
+                    "user_name":"shadow",
+                    "profile_id":"ML000",
+                    "skills":"Design Hacker,Programmer,Architect,Experience Designer".split(",")
+                }
+
+
+def create_default_file(agent_dir):
+    fp=os.path.join(agent_dir,'shadow.json')
+    if not os.path.exists(fp):
+        save_to_json(fp,default_agent)
+
+def get_social_profile_dir():
+    try:
+        return folder_paths.get_folder_paths('agent')[0]
+    except:
+        agent_dir=os.path.join(folder_paths.models_dir, "agent")
+        if not os.path.exists(agent_dir):
+            os.makedirs(agent_dir, exist_ok=True)
+            create_default_file(agent_dir)
+        return agent_dir
+
+def save_social_profile_config(agent_dir,file_name,data):
+     save_to_json(os.path.join(agent_dir,file_name),data)
+
+
+def get_unique_hash(string):
+    hash_object = hashlib.sha1(string.encode())
+    unique_hash = hash_object.hexdigest()
+    return unique_hash
+
+def generate_random_string(length):
+    letters = string.ascii_letters + string.digits
+    return ''.join(random.choice(letters) for _ in range(length))
+
+class AnyType(str):
+  """A special class that is always equal in not equal comparisons. Credit to pythongosssss"""
+
+  def __ne__(self, __value: object) -> bool:
+    return False
+
+any_type = AnyType("*")
+
+#  判断是否是azure服务
+def is_azure_url(url):
+    pattern = r'.*\.azure\.com$'
+    if re.match(pattern, url):
+        return True
+    else:
+        return False
+
+def azure_client(key,url):
+    client = openai.AzureOpenAI(
+        api_key=key,
+    # https://learn.microsoft.com/en-us/azure/ai-services/openai/reference#rest-api-versioning
+    api_version="2023-07-01-preview",
+    # https://learn.microsoft.com/en-us/azure/cognitive-services/openai/how-to/create-resource?pivots=web-portal#create-a-resource
+    azure_endpoint=url
+    )
+    return client
+
+def openai_client(key,url):
+    client = openai.OpenAI(
+        api_key=key,
+        base_url=url
+    )
+    return client
+
+def ZhipuAI_client(key):
+    try:
+        if is_installed('zhipuai')==True:
+            from zhipuai import ZhipuAI
+    except:
+        print("#install zhipuai error")
+
+    client = ZhipuAI(
+        api_key=key, # 填写您的 APIKey
+    ) 
+    return client
+
+
+if is_installed('swarm','git+https://github.com/openai/swarm.git'):
+    from swarm import Swarm, Agent
+
+
+def chat(client, model_name,messages,max_tokens=4096,temperature=0.6 ):
+        print('#chat',model_name,messages)
+        try_count = 0
+        while True:
+            try_count += 1
+            try:
+                if hasattr(client, "chat"):
+                    response = client.chat.completions.create(
+                        model=model_name,
+                        messages=messages,
+                        max_tokens=max_tokens,
+                        temperature=temperature
+                    )
+                else:
+                    # 是llama的
+                    response = client.create_chat_completion_openai_v1(
+                        messages=messages,
+                        # response_format={
+                        #     "type": "json_object",
+                        # },
+                        # temperature=0.7,
+                    )
+
+                break
+            except openai.AuthenticationError as ex:
+                raise ex
+            except (urllib.error.HTTPError, openai.OpenAIError) as ex:
+                if try_count >= 3:
+                    raise ex
+                time.sleep(3)
+                continue
+        
+        # print(response.keys())
+        finish_reason = response.choices[0].finish_reason
+        if finish_reason != "stop":
+            raise RuntimeError("API finished with unexpected reason: " + finish_reason)
+
+        content=""
+        try:
+            content=response.choices[0].message.content
+        except:
+            content=response.choices[0].delta['content']
+
+        return content
+
+
+llm_apis=[
+            {
+                "value": "https://api.openai.com/v1",
+                "label": "openai"
+            },
+            {
+                "value": "https://openai.api2d.net/v1",
+                "label": "api2d"
+            },
+            # {
+            #     "value": "https://docs-test-001.openai.azure.com",
+            #     "label": "https://docs-test-001.openai.azure.com"
+            # },
+             
+            {
+                "value": "https://api.moonshot.cn/v1",
+                "label": "Kimi"
+            },
+            {
+                "value": "https://api.deepseek.com/v1",
+                "label": "DeepSeek-V2"
+            },
+            {
+                "value": "https://api.siliconflow.cn/v1",
+                "label": "SiliconCloud"
+            }]
+        
+llm_apis_dict = {api["label"]: api["value"] for api in llm_apis}
+
+model_list=[ 
+            "gpt-4o",
+            "gpt-4o-2024-05-13",
+            "gpt-4",
+            "gpt-4-0314",
+            "gpt-4-0613",
+            "qwen-turbo",
+            "qwen-plus",
+            "qwen-long",
+            "qwen-max",
+            "qwen-max-longcontext",
+            "glm-4",
+            "glm-3-turbo",
+            "moonshot-v1-8k",
+            "moonshot-v1-32k",
+            "moonshot-v1-128k",
+            "deepseek-chat",
+            "Qwen/Qwen2-7B-Instruct",
+            "THUDM/glm-4-9b-chat",
+            "01-ai/Yi-1.5-9B-Chat-16K"
+                    ]
+
+software_architect_agent = Agent(
+            name="Software Architect",
+            instructions='''用脱口秀的风格回答编程问题，简短且口语化。
+
+        输出格式
+        ====
+
+        *   答案格式：`程序员：xxxxxxxxx`
+
+        示例
+        ==
+
+        **输入：**  
+        如何优化代码性能？
+
+        **输出：**  
+        程序员：兄弟，先把那些循环里的debug信息删掉，CPU都快哭了。'''
+        )
+
+designer_agent = Agent(
+            name="Designer",
+            instructions='''回答问题时，请扮演一位具有多年空间设计和用户体验设计经验的设计师。你的回答应当天马行空，但又富有深度，带有苏格拉底的思考方式，并且使用脱口秀的风格。回答要简短且非常口语化。格式如下：
+
+        设计师：\[回答内容\]
+
+        Output Format
+        =============
+
+        *   回答应当使用“设计师：\[回答内容\]”的格式。
+        *   回答应当简短、口语化，富有创意和深度。
+
+        Examples
+        ========
+
+        **Example 1:**
+
+        主持人：你觉得未来的家会是什么样子？
+
+        设计师：未来的家？想象一下，房子会像变形金刚一样，随时变形满足你的需求。今天是健身房，明天是电影院，后天是游戏场。家不再是四面墙，而是一个随心所欲的魔法空间。
+
+        **Example 2:**
+
+        主持人：你怎么看待极简主义设计？
+
+        设计师：极简主义？就像吃寿司，去掉所有不必要的装饰，只留下最精华的部分。让空间呼吸，让心灵自由。
+
+        **Example 3:**
+
+        主持人：你觉得色彩在设计中有多重要？
+
+        设计师：色彩？哦，那可是设计的灵魂！就像人生中的调味料，一点红色让你激情澎湃，一点蓝色让你心如止水。色彩决定了空间的情绪基调。'''
+        )
+
+
+# 问题生成
+host_agent = Agent(
+            name="Host",
+            instructions='''
+        为播客的主持人生成4到5个问题，这些问题有些是针对设计师问的，有些是针对程序员问的。
+
+        *   主持人：你知道如何开发一款APP产品，从想法到上线吗？
+        *   主持人：站在设计师的角度，你怎么看？
+        *   主持人：不知道程序员又是怎么想的呢？
+        *   主持人：感谢大家的参与，今天收获蛮大的
+
+        Steps
+        =====
+
+        1.  确定问题的对象：设计师或程序员。
+        2.  根据对象设计相关的问题，确保问题的多样性和深度。
+        3.  整理问题，使其符合播客主持人的风格和语气。
+
+        Output Format
+        =============
+
+        问题列表，每个问题以“主持人：”开头，不要出现序号。
+
+        Examples
+        ========
+
+        *   主持人：作为一名设计师，你是如何开始一个新项目的？
+        *   主持人：程序员在开发过程中遇到的最大挑战是什么？
+        *   主持人：设计师在团队协作中扮演什么角色？
+        *   主持人：程序员如何确保代码的质量和稳定性？
+        *   主持人：感谢大家的参与，今天的讨论非常有意义。
+
+        Notes
+        =====
+
+        *   确保问题针对不同的角色（设计师和程序员）。
+        *   保持问题的多样性，涵盖从项目开始到完成的各个阶段。
+        *   确保问题能引导出深入的讨论和见解。
+        ''')
+
+
+# 以下为固定提示词的LLM节点示例
+class SimulateDevDesignDiscussions:
+    
+    @classmethod
+    def INPUT_TYPES(cls):
+        return {
+            "required": {
+                "subject": ("STRING", {"multiline": True,"dynamicPrompts": False}),
+                "model": ( model_list, 
+                    {"default": model_list[0]}),
+                "api_url":(list(llm_apis_dict.keys()), 
+                    {"default": list(llm_apis_dict.keys())[0]}),
+                "seed": ("INT", {"default": 0, "min": 0, "max": 0xffffffffffffffff, "step": 1}),
+            },
+             "optional":{
+                    "api_key":("STRING", {"forceInput": True,}),
+                    "custom_model_name":("STRING", {"forceInput": True,}), #适合自定义model
+                     "custom_api_url":("STRING", {"forceInput": True,}), #适合自定义model
+                },
+             
+        }
+
+    RETURN_TYPES = ("STRING",)
+    RETURN_NAMES = ("text",)
+    FUNCTION = "generate_contextual_text"
+    CATEGORY = "♾️Mixlab/Agent"
+    INPUT_IS_LIST = False
+    OUTPUT_IS_LIST = (False,)
+
+    def generate_contextual_text(self,
+                                 subject, 
+                                 model, 
+                                api_url,
+                                seed,
+                                api_key=None,
+                                custom_model_name=None,
+                                custom_api_url=None,
+                                ):
+        
+        # 设置黄色文本的ANSI转义序列
+        YELLOW = "\033[33m"
+        # 重置文本颜色的ANSI转义序列
+        RESET = "\033[0m"
+
+        if custom_model_name!=None:
+            model=custom_model_name
+
+        api_url=llm_apis_dict[api_url] if api_url in llm_apis_dict else ""
+
+        if custom_api_url!=None:
+            api_url=custom_api_url
+
+        if api_key==None:
+            api_key="lm_studio"
+
+        print("api_key,api_url",api_key,api_url)
+        # 
+        if is_azure_url(api_url):
+            client=azure_client(api_key,api_url)
+        else:
+            # 根据用户选择的模型，设置相应的接口和模型名称
+            if model == "glm-4" :
+                client = ZhipuAI_client(api_key)  # 使用 Zhipuai 的接口
+                print('using Zhipuai interface')
+            else :
+                client = openai_client(api_key,api_url)  # 使用 ChatGPT  的接口
+               
+        # 以下为多智能体框架
+        client = Swarm(client=client)
+
+        # 定义两个代理：软件系统架构师和设计师
+        
+        # 定义一个函数，用于转移问题到designer_agent
+        def transfer_to_designer_agent():
+            return designer_agent
+
+        # 将转移函数添加到软件系统架构师和设计师的函数列表中
+        software_architect_agent.functions.append(transfer_to_designer_agent)
+
+        response = client.run(agent=host_agent, messages=[{
+            "role":"user",
+            "content":f"主题是‘{subject}’"
+        }],model_override=model)
+
+        content=response.messages[-1]["content"]
+        print(f"{YELLOW}{content}{RESET}")
+
+        texts=content.split("\n")
+
+        # texts='''
+        # 主持人：你知道如何开发一款APP产品，从想法到上线吗？
+        # 主持人：站在设计师的角度，你怎么看？
+        # 主持人：不知道程序员又是怎么想的呢？
+        # 主持人：感谢大家的参与，今天收获蛮大的
+        # '''.split("\n")
+
+        messages=[]
+
+        texts = [text.strip() for text in texts if text.strip()]
+
+        result=[]
+
+        for text in texts:
+            messages.append({
+                "role": "user",
+                "content": text
+            })
+
+            # 运行客户端，使用软件系统架构师作为初始代理
+            response = client.run(agent=software_architect_agent, messages=messages,model_override=model)
+
+            print(f"{text}")
+            result.append(text)
+
+            # 输出最后一个响应消息的内容
+            content=response.messages[-1]["content"]
+            print(f"{YELLOW}{content}{RESET}")
+            
+            result.append(content)
+
+            messages.append({
+                "role":"assistant",
+                "content":content
+            })
+
+        
+        return ("\n".join(result),)
+
+
+
+class AvatarGeneratorAgent:
+    
+    @classmethod
+    def INPUT_TYPES(cls):
+
+        return {
+            "required": {
+                "subject": ("STRING", {"multiline": True,"dynamicPrompts": False}),
+                "social_profile":("STRING", {"forceInput": True}),
+                "model": ( model_list, 
+                    {"default": model_list[0]}),
+                "api_url":(list(llm_apis_dict.keys()), 
+                    {"default": list(llm_apis_dict.keys())[0]}),
+                "seed": ("INT", {"default": 0, "min": 0, "max": 0xffffffffffffffff, "step": 1}),
+            },
+             "optional":{
+                    "api_key":("STRING", {"forceInput": True,}),
+                    "custom_model_name":("STRING", {"forceInput": True,}), #适合自定义model
+                     "custom_api_url":("STRING", {"forceInput": True,}), #适合自定义model
+                },
+             
+        }
+
+    RETURN_TYPES = ("STRING","STRING","STRING","STRING",)
+    RETURN_NAMES = ("subject","result","task_desc","new_skill",)
+    FUNCTION = "run"
+    CATEGORY = "♾️Mixlab/Agent"
+
+    def run(self, subject,  social_profile,  model, 
+              api_url, seed, api_key=None, custom_model_name=None, custom_api_url=None):
+        
+        # 设置黄色文本的ANSI转义序列
+        YELLOW = "\033[33m"
+        # 重置文本颜色的ANSI转义序列
+        RESET = "\033[0m"
+
+        if custom_model_name!=None:
+            model=custom_model_name
+
+        api_url=llm_apis_dict[api_url] if api_url in llm_apis_dict else ""
+
+        if custom_api_url!=None:
+            api_url=custom_api_url
+
+        if api_key==None:
+            api_key="lm_studio"
+
+        print("api_key,api_url",api_key,api_url)
+        # 
+        if is_azure_url(api_url):
+            client=azure_client(api_key,api_url)
+        else:
+            # 根据用户选择的模型，设置相应的接口和模型名称
+            if model == "glm-4" :
+                client = ZhipuAI_client(api_key)  # 使用 Zhipuai 的接口
+                print('using Zhipuai interface')
+            else :
+                client = openai_client(api_key,api_url)  # 使用 ChatGPT  的接口
+               
+  
+        # 以下为多智能体框架
+        client = Swarm(client=client)
+
+        # 定义1个代理：生成器
+
+        # instructions
+        def generator_instructions(context_variables):
+            # user = context_variables.get("name", "User")
+            user=json.dumps(context_variables)
+            return f'''根据用户的背景信息{user},生成角色新的技能挑战，欢迎并根据提供的信息创意性地整合和演变技能挑战，包含任务控制在3个以内。'''+'''
+步骤
+==
+
+1.  **欢迎用户**
+
+    *   欢迎用户并提及其用户名。
+    
+2.  **生成技能挑战**
+
+    *   根据用户的技能，设计创意性的技能挑战。
+    *   每个挑战需要整合用户的多个技能。
+    *   挑战数量控制在3个以内。
+
+输出格式
+====
+
+*   输出格式为口语化的一个段落,不要有换行。
+
+示例1
+==
+
+**输入：**
+
+{
+  "user_name": "shadow",
+  "profile_id": "ML000",
+  "skills": ["Design Hacker", "Programmer", "Architect", "Experience Designer", "设计黑客"]
+}
+
+信息：Mothbox是一款低成本、高性能的昆虫监测设备，旨在帮助野外生物学家在丛林深处进行部署，同时也适合在家中研究生物多样性。所有物理设计、电子原理图、Pi脚本和昆虫识别的人工智能都是免费开源的，用户可以自行构建、分享和改进。Mothbox利用超高分辨率传感器和开源AI脚本进行昆虫监测，提供高度本地化的环境健康数据，特别适用于研究飞蛾和甲虫等高度多样化的昆虫。
+
+
+**输出：**  
+欢迎shadow！我们很高兴你对Mothbox感兴趣。根据你的技能，我们为你设计了以下创意性技能挑战：第一个挑战是**设计和构建一个模块化的Mothbox外壳**，利用你的建筑师和设计黑客技能，创造一个可以适应不同环境和需求的模块化外壳设计。挑战二是**开发一个用户友好的界面**，作为一名程序员和体验设计师，设计一个直观的用户界面，使用户可以轻松地配置和监测Mothbox。挑战三是**优化昆虫识别算法**：结合你的程序员和设计黑客技能，改进现有的开源AI脚本，提高昆虫识别的准确性和速度。我们期待看到你如何运用你的多重技能来挑战和改进Mothbox！
+
+
+示例2
+==
+
+**输入：**
+
+{
+  "user_name": "meadow",
+  "profile_id": "ML002",
+  "skills": ["体验设计师", "作家"]
+}
+
+信息：苹果发布新的iPad mini，AI功能来了
+
+
+**输出：**  
+欢迎meadow！我们很高兴你对苹果发布的新的iPad mini感兴趣。根据你的技能，我们为你设计了以下创意性技能挑战：第一个挑战是**设计一个AI驱动的用户体验测试平台**：利用你的体验设计师技能，创建一个平台，使用户可以通过iPad mini的AI功能进行用户体验测试，收集和分析数据，优化应用和服务。挑战二是**撰写一篇关于AI在移动设备上应用的深度文章**：作为一名作家，撰写一篇详细的文章，探讨AI功能如何改变了iPad mini的使用体验，并预测未来的发展趋势。挑战三是**开发一个互动的iPad mini用户指南**：结合你的体验设计师和作家技能，设计并编写一个互动的用户指南，使新用户可以轻松上手iPad mini，充分利用其AI功能。我们期待看到你如何运用你的多重技能来挑战和改进iPad mini的用户体验！
+'''.strip()
+
+        
+        def skills_instructions(context_variables):
+            new_skill = context_variables.get("new_skill", "")
+            user=json.dumps(context_variables)
+            return f'''根据用户信息{user}和新技能{new_skill}，判断是否需要更新用户的技能树。'''+'''
+如果需要更新，输出技能树中需要添加的新标签`new_tag`；如果不需要更新，则输出`new_tag`为空。
+
+*   用户信息 (`user`): 包括用户名、配置文件ID和现有技能。
+*   新技能 (`new_skill`): 需要判断的新技能。
+
+Steps
+=====
+
+1.  检查新技能是否已经存在于用户的技能列表中。
+2.  如果新技能存在，`new_tag`为空。
+3.  如果新技能不存在，`new_tag`为新技能。
+
+Output Format
+=============
+
+```
+{
+  "new_tag": "[new_skill or empty string]"
+}
+```
+
+Examples
+========
+
+**Example 1**
+
+*   **Input:**
+
+    ```
+    {
+      "user": {
+        "user_name": "shadow",
+        "profile_id": "ML000",
+        "skills": ["Design Hacker", "Programmer", "Architect", "Experience Designer"]
+      },
+      "new_skill": "设计黑客"
+    }
+    ```
+
+*   **Reasoning:**  
+    新技能"设计黑客"不在现有技能列表中，因此需要更新技能树。
+
+*   **Output:**
+
+    ```
+    {
+      "new_tag": "设计黑客"
+    }
+    ```
+
+**Example 2**
+
+*   **Input:**
+
+    ```
+    {
+      "user": {
+        "user_name": "shadow",
+        "profile_id": "ML000",
+        "skills": ["Design Hacker", "Programmer", "Architect", "Experience Designer"]
+      },
+      "new_skill": "Programmer"
+    }
+    ```
+
+*   **Reasoning:**  
+    新技能"Programmer"已经在现有技能列表中，因此不需要更新技能树。
+
+*   **Output:**
+
+    ```
+    {
+      "new_tag": ""
+    }
+    ```
+    '''
+
+        
+        # 用于更新用户信息
+        def update_account_details(context_variables: dict):
+            profile_id = context_variables.get("profile_id", None)
+            user_name = context_variables.get("user_name", None)
+            skills = context_variables.get("skills", None)
+            file_name=context_variables.get('file_name','agent.json')
+            if skills:
+                skills=",".join(skills)
+            print(f"Account Details: {user_name} {profile_id} {skills}")
+
+            # 
+            save_social_profile_config(get_social_profile_dir(),file_name,context_variables)
+            return "Success"
+
+        generator_agent = Agent(
+            name="generator_agent",
+            instructions=generator_instructions,
+            # functions=[update_account_details],
+        )
+
+        # 用于判断是否需要更新
+        skills_agent = Agent(
+            name="skills_agent",
+            instructions=skills_instructions,
+            functions=[update_account_details],
+        )
+
+        # dict
+        context_variables = json.loads(social_profile)
+
+        response = client.run(
+            messages=[{"role": "user", "content":subject}],
+            agent=generator_agent,
+            context_variables=context_variables,
+            model_override=model
+        )
+        result=response.messages[-1]["content"]
+        print(f"{YELLOW}{result}{RESET}")
+
+
+        # 答案生成
+
+        def answer_instructions(context_variables):
+            # user = context_variables.get("name", "User")
+            user=json.dumps(context_variables)
+
+            return '''根据提供的挑战任务，提炼任务的关键词，生成任务的图像文字描述。然后，结合用户信息'''+user+'''里的技能信息，构建一个技能树，给完成任务设计一个奖励，这个奖励是一个新的技能标签，为这颗技能树提供新的分支或者是加粗原有的技能。用JSON格式输出新的技能标签和图像的文字描述:
+
+Steps
+=====
+
+1.  提炼任务的关键词。
+2.  根据关键词生成图像文字描述。
+3.  结合用户的技能信息，构建技能树。
+4.  设计奖励的新技能标签。
+5.  用JSON格式输出新的技能标签和图像的文字描述。
+
+Output Format
+=============
+
+JSON格式，包含新的技能标签和图像文字描述。
+
+Examples
+========
+
+**Input:**
+
+```
+{
+  "user_name": "shadow",
+  "profile_id": "ML000",
+  "skills": ["Design Hacker", "Programmer", "Architect", "Experience Designer", "设计黑客"]
+}
+
+挑战任务:设计模块化Mothbox外壳，开发用户友好的数据分析平台，并将美食数据分析技术应用于昆虫数据解析，提升设备功能和表现。
+
+```
+
+**Output:**
+
+```
+{
+  "skill": "Environmental Data Analyst",
+  "image": "设计模块化Mothbox外壳，开发用户友好数据分析平台，结合美食数据分析技术应用于环保领域。"
+}
+```
+
+Notes
+=====
+
+*   关键词应包括：模块化外壳、数据分析平台、美食数据分析、环境健康、昆虫监测。
+*   奖励的新技能标签应与任务相关，并补充现有技能树。'''.strip()
+
+        answer_agent = Agent(
+                    name="Answer",
+                    instructions=answer_instructions)
+
+        response = client.run(
+            messages=[{"role": "user", "content": result}],
+            agent=answer_agent,
+            context_variables=context_variables,
+            model_override=model
+        )
+        content=response.messages[-1]["content"]
+
+        answer_json=text_to_json(content)
+
+        print(f"{YELLOW}{content}{RESET}") 
+
+        
+        task_desc=""
+        new_skill=""
+        if "skill" in answer_json and 'image' in answer_json:
+            context_variables['new_skill']=answer_json['skill']
+            new_skill=answer_json['skill']
+            task_desc=answer_json['image']
+            print(f"{YELLOW}{task_desc}{RESET}") 
+        
+
+        response = client.run(
+            messages=[{"role": "user", "content": "请判断是否需要更新我的数字分身信息"}],
+            agent=skills_agent,
+            context_variables=context_variables,
+            model_override=model
+        )
+
+        content=response.messages[-1]["content"]
+        print(f"{YELLOW}{content}{RESET}")
+
+        # 重新改写subject - > 提问
+        prompt='''用口语化的表达改写文本，开头使用“我有个新话题，是”。
+
+确保改写后的内容自然、流畅。
+
+Steps
+=====
+
+1.  阅读并理解原文本。
+2.  将文本改写成口语化的表达，注意语气和句式。
+3.  在改写后的文本开头加上“我有个新话题，是”。
+
+Output Format
+=============
+
+输出格式为段落，使用口语化的表达，开头为“我有个新话题，是”。
+
+Examples
+========
+
+**Input:**  
+今天的天气真好，阳光明媚，适合出去散步。
+
+**Output:**  
+我有个新话题，是今天的天气真好，阳光明媚，特别适合出去散步。
+
+**Input:**  
+读书可以增长知识，开阔视野。
+
+**Output:**  
+我有个新话题，是读书可以增长知识，还能开阔视野。'''
+
+        # 改写
+        subject_agent = Agent(
+            name="subject_agent",
+            instructions=prompt, 
+        )
+
+        response = client.run(
+            messages=[{"role": "user", "content":subject}],
+            agent=subject_agent,
+            model_override=model
+        )
+        # 改写
+        subject=response.messages[-1]["content"]
+        print(f"{YELLOW}{subject}{RESET}")
+
+        return (subject,result,task_desc,new_skill,)
+

nodes/ChatGPT.py

@@ -1,6 +1,4 @@
 import openai 
-from swarm import Swarm, Agent
-
 import time
 import urllib.error
 import re,json,os,string,random
@@ -21,30 +19,6 @@ python = sys.executable
 def pil2tensor(image):
     return torch.from_numpy(np.array(image).astype(np.float32) / 255.0).unsqueeze(0)
 
-
-# 从文本中提取json
-def extract_json_strings(text):
-    json_strings = []
-    brace_level = 0
-    json_str = ''
-    in_json = False
-    
-    for char in text:
-        if char == '{':
-            brace_level += 1
-            in_json = True
-        if in_json:
-            json_str += char
-        if char == '}':
-            brace_level -= 1
-        if in_json and brace_level == 0:
-            json_strings.append(json_str)
-            json_str = ''
-            in_json = False
-
-    return json_strings[0] if len(json_strings)>0 else "{}"
-
-
 def is_installed(package, package_overwrite=None,auto_install=True):
     is_has=False
     try:
@@ -73,6 +47,58 @@ def is_installed(package, package_overwrite=None,auto_install=True):
 
     return is_has
   
+if is_installed('json_repair'):
+    from json_repair import repair_json
+
+
+
+# 从文本中提取json
+def extract_json_strings(text):
+    json_strings = []
+    brace_level = 0
+    json_str = ''
+    in_json = False
+    
+    for char in text:
+        if char == '{':
+            brace_level += 1
+            in_json = True
+        if in_json:
+            json_str += char
+        if char == '}':
+            brace_level -= 1
+        if in_json and brace_level == 0:
+            json_strings.append(json_str)
+            json_str = ''
+            in_json = False
+
+    return json_strings[0] if len(json_strings)>0 else "{}"
+
+# text2json
+def text_to_json(text):
+    text=extract_json_strings(text)
+    good_json_string = repair_json(text)
+    # 将 JSON 字符串解析为 Python 对象
+    data = json.loads(good_json_string)
+    return data
+
+
+def save_to_json(file_path, data):
+    try:
+        with open(file_path, 'w', encoding='utf-8') as f:
+            json.dump(data, f, ensure_ascii=False, indent=4)
+    except Exception as e:
+            print(e)
+
+def read_from_json(file_path):
+    data = None
+    try:
+        with open(file_path, 'r', encoding='utf-8') as f:  # 使用 'r' 模式打开文件
+            data = json.load(f)
+    except Exception as e:
+        print('#read_from_json', e)
+        return None
+    return data
 
 
 # def is_installed(package):
@@ -212,8 +238,6 @@ def get_llama_path():
 #         return llm
 
 
-if is_installed('json_repair'):
-    from json_repair import repair_json
 
 
 def chat(client, model_name,messages,max_tokens=4096,temperature=0.6 ):
@@ -803,7 +827,7 @@ class JsonRepair:
     # OUTPUT_NODE = True
     OUTPUT_IS_LIST = (False,False,)
 
-    CATEGORY = "♾️Mixlab/GPT"
+    CATEGORY = "♾️Mixlab/Utils"
 
     def run(self, json_string,key="",json_string2=None):
 
@@ -839,249 +863,3 @@ class JsonRepair:
         json_str_with_chinese = json.dumps(data, ensure_ascii=False)
 
         return (json_str_with_chinese,v,)
-    
-
-# 以下为固定提示词的LLM节点示例
-class SimulateDevDesignDiscussions:
-    
-    @classmethod
-    def INPUT_TYPES(cls):
-
-        model_list=[ 
-            "gpt-4o",
-            "gpt-4o-2024-05-13",
-            "gpt-4",
-            "gpt-4-0314",
-            "gpt-4-0613",
-            "qwen-turbo",
-            "qwen-plus",
-            "qwen-long",
-            "qwen-max",
-            "qwen-max-longcontext",
-            "glm-4",
-            "glm-3-turbo",
-            "moonshot-v1-8k",
-            "moonshot-v1-32k",
-            "moonshot-v1-128k",
-            "deepseek-chat",
-            "Qwen/Qwen2-7B-Instruct",
-            "THUDM/glm-4-9b-chat",
-            "01-ai/Yi-1.5-9B-Chat-16K"
-                    ]
-        
-        return {
-            "required": {
-                "subject": ("STRING", {"multiline": True,"dynamicPrompts": False}),
-                "model": ( model_list, 
-                    {"default": model_list[0]}),
-                "api_url":(list(llm_apis_dict.keys()), 
-                    {"default": list(llm_apis_dict.keys())[0]}),
-            },
-             "optional":{
-                    "api_key":("STRING", {"forceInput": True,}),
-                    "custom_model_name":("STRING", {"forceInput": True,}), #适合自定义model
-                     "custom_api_url":("STRING", {"forceInput": True,}), #适合自定义model
-                },
-             
-        }
-
-    RETURN_TYPES = ("STRING",)
-    RETURN_NAMES = ("text",)
-    FUNCTION = "generate_contextual_text"
-    CATEGORY = "♾️Mixlab/GPT"
-    INPUT_IS_LIST = False
-    OUTPUT_IS_LIST = (False,)
-
-    def generate_contextual_text(self,
-                                 subject, 
-                                 model, 
-                                api_url,
-                                api_key=None,
-                                custom_model_name=None,
-                                custom_api_url=None,
-                                ):
-        
-        # 设置黄色文本的ANSI转义序列
-        YELLOW = "\033[33m"
-        # 重置文本颜色的ANSI转义序列
-        RESET = "\033[0m"
-
-        if custom_model_name!=None:
-            model=custom_model_name
-
-        api_url=llm_apis_dict[api_url] if api_url in llm_apis_dict else ""
-
-        if custom_api_url!=None:
-            api_url=custom_api_url
-
-        if api_key==None:
-            api_key="lm_studio"
-
-        print("api_key,api_url",api_key,api_url)
-        # 
-        if is_azure_url(api_url):
-            client=azure_client(api_key,api_url)
-        else:
-            # 根据用户选择的模型，设置相应的接口和模型名称
-            if model == "glm-4" :
-                client = ZhipuAI_client(api_key)  # 使用 Zhipuai 的接口
-                print('using Zhipuai interface')
-            else :
-                client = openai_client(api_key,api_url)  # 使用 ChatGPT  的接口
-               
-  
-        
-        # 以下为多智能体框架
-        client = Swarm(client=client)
-
-        # 定义两个代理：软件系统架构师和设计师
-        software_architect_agent = Agent(
-            name="Software Architect",
-            instructions='''用脱口秀的风格回答编程问题，简短且口语化。
-
-        输出格式
-        ====
-
-        *   答案格式：`程序员：xxxxxxxxx`
-
-        示例
-        ==
-
-        **输入：**  
-        如何优化代码性能？
-
-        **输出：**  
-        程序员：兄弟，先把那些循环里的debug信息删掉，CPU都快哭了。'''
-        )
-
-        designer_agent = Agent(
-            name="Designer",
-            instructions='''回答问题时，请扮演一位具有多年空间设计和用户体验设计经验的设计师。你的回答应当天马行空，但又富有深度，带有苏格拉底的思考方式，并且使用脱口秀的风格。回答要简短且非常口语化。格式如下：
-
-        设计师：\[回答内容\]
-
-        Output Format
-        =============
-
-        *   回答应当使用“设计师：\[回答内容\]”的格式。
-        *   回答应当简短、口语化，富有创意和深度。
-
-        Examples
-        ========
-
-        **Example 1:**
-
-        主持人：你觉得未来的家会是什么样子？
-
-        设计师：未来的家？想象一下，房子会像变形金刚一样，随时变形满足你的需求。今天是健身房，明天是电影院，后天是游戏场。家不再是四面墙，而是一个随心所欲的魔法空间。
-
-        **Example 2:**
-
-        主持人：你怎么看待极简主义设计？
-
-        设计师：极简主义？就像吃寿司，去掉所有不必要的装饰，只留下最精华的部分。让空间呼吸，让心灵自由。
-
-        **Example 3:**
-
-        主持人：你觉得色彩在设计中有多重要？
-
-        设计师：色彩？哦，那可是设计的灵魂！就像人生中的调味料，一点红色让你激情澎湃，一点蓝色让你心如止水。色彩决定了空间的情绪基调。'''
-        )
-
-        # 定义一个函数，用于转移问题到designer_agent
-        def transfer_to_designer_agent():
-            return designer_agent
-
-        # 将转移函数添加到软件系统架构师和设计师的函数列表中
-        software_architect_agent.functions.append(transfer_to_designer_agent)
-
-        # 问题生成
-        host_agent = Agent(
-            name="Host",
-            instructions='''
-        为播客的主持人生成4到5个问题，这些问题有些是针对设计师问的，有些是针对程序员问的。
-
-        *   主持人：你知道如何开发一款APP产品，从想法到上线吗？
-        *   主持人：站在设计师的角度，你怎么看？
-        *   主持人：不知道程序员又是怎么想的呢？
-        *   主持人：感谢大家的参与，今天收获蛮大的
-
-        Steps
-        =====
-
-        1.  确定问题的对象：设计师或程序员。
-        2.  根据对象设计相关的问题，确保问题的多样性和深度。
-        3.  整理问题，使其符合播客主持人的风格和语气。
-
-        Output Format
-        =============
-
-        问题列表，每个问题以“主持人：”开头，不要出现序号。
-
-        Examples
-        ========
-
-        *   主持人：作为一名设计师，你是如何开始一个新项目的？
-        *   主持人：程序员在开发过程中遇到的最大挑战是什么？
-        *   主持人：设计师在团队协作中扮演什么角色？
-        *   主持人：程序员如何确保代码的质量和稳定性？
-        *   主持人：感谢大家的参与，今天的讨论非常有意义。
-
-        Notes
-        =====
-
-        *   确保问题针对不同的角色（设计师和程序员）。
-        *   保持问题的多样性，涵盖从项目开始到完成的各个阶段。
-        *   确保问题能引导出深入的讨论和见解。
-        ''')
-
-
-        response = client.run(agent=host_agent, messages=[{
-            "role":"user",
-            "content":f"主题是‘{subject}’"
-        }],model_override=model)
-
-        content=response.messages[-1]["content"]
-        print(f"{YELLOW}{content}{RESET}")
-
-        texts=content.split("\n")
-
-        # texts='''
-        # 主持人：你知道如何开发一款APP产品，从想法到上线吗？
-        # 主持人：站在设计师的角度，你怎么看？
-        # 主持人：不知道程序员又是怎么想的呢？
-        # 主持人：感谢大家的参与，今天收获蛮大的
-        # '''.split("\n")
-
-        messages=[]
-
-        texts = [text.strip() for text in texts if text.strip()]
-
-        result=[]
-
-        for text in texts:
-            messages.append({
-                "role": "user",
-                "content": text
-            })
-
-            # 运行客户端，使用软件系统架构师作为初始代理
-            response = client.run(agent=software_architect_agent, messages=messages,model_override=model)
-
-            print(f"{text}")
-            result.append(text)
-
-            # 输出最后一个响应消息的内容
-            content=response.messages[-1]["content"]
-            print(f"{YELLOW}{content}{RESET}")
-            
-            result.append(content)
-
-            messages.append({
-                "role":"assistant",
-                "content":content
-            })
-
-        
-        return ("\n".join(result),)
-

nodes/PromptNode.py

@@ -684,7 +684,7 @@ class JoinWithDelimiter:
     def INPUT_TYPES(s):
         return {"required": {
                     "text_list": (any_type,),
-                    "delimiter":(["newline","comma","backslash","space"],),
+                    "delimiter":(["newline","comma","backslash","space","colon"],),
                              },
                 }
     
@@ -707,7 +707,13 @@ class JoinWithDelimiter:
             delimiter='\\'
         elif delimiter=='space':
             delimiter=' '
+        elif delimiter=='colon':
+            delimiter=":"
         t=''
         if isinstance(text_list, list):
             t=join_with_(text_list,delimiter)
+            # 如果只有一个元素，则末尾补充delimiter ，尤其适合制作播客的 name: 这种前缀
+            if len(text_list)==1:
+                t=t+delimiter
+
         return (t,)

nodes/SocialProfile.py

@@ -0,0 +1,155 @@
+# 用于定义社交名片
+
+import json,os,re
+import folder_paths
+
+def save_to_json(file_path, data):
+    try:
+        print(f"Saving data to {file_path}")  # 调试信息
+        with open(file_path, 'w', encoding='utf-8') as f:
+            json.dump(data, f, ensure_ascii=False, indent=4)
+        print("Data saved successfully.")  # 调试信息
+    except Exception as e:
+        print('#save_to_json', e)
+
+def read_from_json(file_path):
+    data = None
+    try:
+        with open(file_path, 'r', encoding='utf-8') as f:  # 使用 'r' 模式打开文件
+            data = json.load(f)
+    except Exception as e:
+        print('#read_from_json', e)
+        return None
+    return data
+
+
+default_agent={
+                    "user_name":"shadow",
+                    "profile_id":"ML000",
+                    "skills":"Design Hacker,Programmer,Architect,Experience Designer".split(",")
+                }
+
+def create_default_file(agent_dir):
+    fp=os.path.join(agent_dir,'shadow.json')
+    if not os.path.exists(fp):
+        save_to_json(fp,default_agent)
+
+def get_social_profile_dir():
+    try:
+        return folder_paths.get_folder_paths('agent')[0]
+    except:
+        agent_dir=os.path.join(folder_paths.models_dir, "agent")
+        if not os.path.exists(agent_dir):
+            os.makedirs(agent_dir, exist_ok=True)
+            create_default_file(agent_dir)
+        return agent_dir
+
+def list_all_json_files(directory_path):
+    json_files = []
+    
+    try:
+        for filename in os.listdir(directory_path):
+            if filename.endswith('.json'):
+                json_files.append(filename)
+                
+    except Exception as e:
+        print(f"An error occurred: {e}")
+    
+    return json_files
+
+
+def read_social_profiles():
+    agent_dir=get_social_profile_dir()
+    files=list_all_json_files(agent_dir)
+    if len(files)==0:
+        create_default_file(agent_dir)
+    files=list_all_json_files(agent_dir)
+    return files
+
+def save_social_profile_config(agent_dir,file_name,data):
+     save_to_json(os.path.join(agent_dir,file_name),data)
+
+
+
+agent_dir=get_social_profile_dir()
+# print('Watcher:',config_json)
+
+
+class NewSocialProfileNode:
+
+    @classmethod
+    def INPUT_TYPES(s):
+ 
+        user=default_agent
+
+        return {
+            "required": {
+                "user_name": ("STRING", {"forceInput": False, "default": user['user_name']}),
+                "profile_id": ("STRING", {"forceInput": False, "default": user['profile_id']}),
+                "skills": ("STRING", {"forceInput": False, "multiline": True, "default": ",".join(user['skills'])}),
+                "file_name": ("STRING", {"forceInput": False, "default": "agent"}),
+            },
+        }
+
+    # INPUT_IS_LIST = False
+    RETURN_TYPES = ("STRING",)
+    RETURN_NAMES = ("social_profile(json_string)",)
+    FUNCTION = "run"
+    # OUTPUT_IS_LIST = (False,)
+    CATEGORY = "♾️Mixlab/Agent"
+
+    def run(self, user_name, profile_id, skills,file_name):
+        
+        # 使用正则表达式匹配英文和中文逗号
+        skills_list = [skill.strip() for skill in re.split(r'[，,]', skills)]
+
+        # 创建社交名片的JSON对象
+        social_profile = {
+            "user_name": user_name,
+            "profile_id": profile_id,
+            "skills": skills_list,
+        }
+
+        # 将社交名片转换为JSON字符串
+        json_string = json.dumps(social_profile, ensure_ascii=False)
+
+        save_social_profile_config(agent_dir,file_name+'.json',social_profile)
+
+        # 返回JSON字符串和一个示例值
+        return (json_string,)
+
+
+class LoadSocialProfileNode:
+
+    @classmethod
+    def INPUT_TYPES(s):
+        files=read_social_profiles()
+        return {
+            "required": {
+                "file_name": ( files, 
+                    {"default": files[0]}),
+                "seed": ("INT", {"default": 0, "min": 0, "max": 0xffffffffffffffff, "step": 1}),
+            },
+        }
+
+    # INPUT_IS_LIST = False
+    RETURN_TYPES = ("STRING",)
+    RETURN_NAMES = ("social_profile(json_string)",)
+    FUNCTION = "run"
+    # OUTPUT_IS_LIST = (False,)
+    CATEGORY = "♾️Mixlab/Agent"
+
+    def run(self,file_name,seed):
+        
+        social_profile=read_from_json(os.path.join(agent_dir,file_name))
+        # print("#read_from_json",os.path.join(agent_dir,file_name),social_profile)
+        if social_profile==None:
+            return ("",)
+
+        social_profile['file_name']=file_name
+
+        # 将社交名片转换为JSON字符串
+        json_string = json.dumps(social_profile, ensure_ascii=False)
+
+        # 返回JSON字符串和一个示例值
+        return (json_string,)

nodes/Utils.py

@@ -667,7 +667,7 @@ class CreateJsonNode:
 
     FUNCTION = "run"
 
-    CATEGORY = "♾️Mixlab/Output"
+    CATEGORY = "♾️Mixlab/Utils"
 
     OUTPUT_NODE = True
     INPUT_IS_LIST = False

nodes/scenedetectNode.py

@@ -292,7 +292,7 @@ class ScenedetectNode_:
 
     RETURN_TYPES = ("SCENE_VIDEO","SCENE_", "INT","INT",)
     RETURN_NAMES = ("scenes_video","scenes","scene_len","total_frames",)
-    OUTPUT_IS_LIST = (False,False,False,)
+    # OUTPUT_IS_LIST = (False,False,False,)
 
     FUNCTION = "run"
     CATEGORY = "♾️Mixlab/Video"