diff --git a/config_manager.py b/config_manager.py
index cd3e91a..ed19bcd 100644
--- a/config_manager.py
+++ b/config_manager.py
@@ -405,6 +405,47 @@ class ConfigManager:
             "providers": vision_config.get("providers", {})
         }
 
+    def get_settings(self):
+        """获取ComfyUI用户设置（从设置文件读取）"""
+        try:
+            # ComfyUI的设置文件通常位于 user/default/comfy.settings.json
+            # 需要找到ComfyUI的根目录
+            import sys
+            
+            # 尝试从多个可能的路径查找设置文件
+            possible_paths = []
+            
+            # 方法1: 通过当前文件路径向上查找
+            current_dir = os.path.dirname(os.path.abspath(__file__))
+            # custom_nodes/comfyui_prompt_assistant -> custom_nodes -> ComfyUI
+            comfyui_root = os.path.dirname(os.path.dirname(current_dir))
+            possible_paths.append(os.path.join(comfyui_root, "user", "default", "comfy.settings.json"))
+            
+            # 方法2: 通过sys.path查找
+            for path in sys.path:
+                if 'ComfyUI' in path:
+                    possible_paths.append(os.path.join(path, "user", "default", "comfy.settings.json"))
+            
+            # 尝试读取设置文件
+            for settings_path in possible_paths:
+                if os.path.exists(settings_path):
+                    try:
+                        with open(settings_path, 'r', encoding='utf-8') as f:
+                            settings_data = json.load(f)
+                            # 返回设置数据
+                            return settings_data
+                    except Exception as e:
+                        self._log(f"读取设置文件失败: {settings_path}, 错误: {str(e)}")
+                        continue
+            
+            # 如果都找不到，返回空字典
+            return {}
+            
+        except Exception as e:
+            # 如果无法获取，返回空字典
+            self._log(f"获取用户设置失败: {str(e)}")
+            return {}
+
     def update_baidu_translate_config(self, app_id=None, secret_key=None):
         """更新百度翻译配置"""
         config = self.load_config()
diff --git a/js/modules/PromptAssistant.js b/js/modules/PromptAssistant.js
index 72fe625..5914407 100644
--- a/js/modules/PromptAssistant.js
+++ b/js/modules/PromptAssistant.js
@@ -598,13 +598,12 @@ class PromptAssistant {
             if (assistant) {
                 // 初始化显示状态，始终显示
                 this.showAssistantUI(assistant);
-                logger.log("小助手创建并显示 | 节点ID:" + nodeId);
                 return assistant;
             }
 
             return null;
         } catch (error) {
-            logger.error(`创建小助手 | 结果:异常 | 节点ID: ${node.id}, 错误: ${error.message}`);
+            logger.error(`创建小助手失败 | 节点ID: ${node.id} | 原因: ${error.message}`);
             return null;
         }
     }
@@ -794,36 +793,72 @@ class PromptAssistant {
             // 初始化UI组件和事件
             this.addFunctionButtons(widget);
             this._setupUIEventHandling(widget, inputEl, containerDiv);
-            this._setupUIPosition(widget, inputEl, containerDiv, canvasContainerRect);
-
-            // 立即设置预设的展开宽度，避免首次展开时需要测量
-            const presetWidth = calculateAssistantWidth();
-            containerDiv.style.setProperty('--expanded-width', `${presetWidth}px`);
-            logger.debug(`[宽度预设] 节点:${nodeId} | 宽度:${presetWidth}px`);
-
-            // 初始滚动条检测和位置调整
-            setTimeout(() => {
-                this._adjustPositionForScrollbar(widget, inputEl);
-            }, 100); // 延迟执行，确保DOM完全渲染
-
-            // 设置初始折叠状态
-            containerDiv.classList.add('collapsed');
-            hoverAreaDiv.style.display = 'block'; // 显示悬停区域以便用户展开
-
-            // 默认隐藏状态
-            containerDiv.style.display = 'none';
-
-            // 移除动画类的定时器
-            setTimeout(() => {
-                if (indicatorDiv && indicatorDiv.classList.contains('animate-creation')) {
-                    indicatorDiv.classList.remove('animate-creation');
+            
+            // 异步设置UI位置，并在定位失败时清理资源
+            this._setupUIPosition(widget, inputEl, containerDiv, canvasContainerRect, (success) => {
+                if (!success) {
+                    // 定位失败，清理所有资源
+                    logger.error(`创建小助手失败 | 节点ID: ${nodeId} | 原因: 定位失败，未找到dom-widget容器`);
+                    
+                    // 清理DOM元素
+                    if (containerDiv.parentNode) {
+                        containerDiv.parentNode.removeChild(containerDiv);
+                    }
+                    
+                    // 清理事件监听器
+                    if (widget.cleanupListeners && typeof widget.cleanupListeners === 'function') {
+                        widget.cleanupListeners();
+                    }
+                    
+                    // 清理图标
+                    if (indicatorDiv) {
+                        indicatorDiv.innerHTML = '';
+                    }
+                    
+                    // 从实例集合中移除
+                    const widgetKey = widget.widgetKey;
+                    if (widgetKey && PromptAssistant.instances.has(widgetKey)) {
+                        PromptAssistant.instances.delete(widgetKey);
+                    }
+                    
+                    // 清理输入框映射
+                    if (window.PromptAssistantInputWidgetMap && widgetKey) {
+                        delete window.PromptAssistantInputWidgetMap[widgetKey];
+                    }
+                    
+                    return;
                 }
-            }, 1000);
+                
+                // 定位成功，继续初始化
+                // 立即设置预设的展开宽度，避免首次展开时需要测量
+                const presetWidth = calculateAssistantWidth();
+                containerDiv.style.setProperty('--expanded-width', `${presetWidth}px`);
+                logger.debug(`[宽度预设] 节点:${nodeId} | 宽度:${presetWidth}px`);
 
-            logger.log(`UI创建 | 结果:完成 | 节点ID: ${nodeId}`);
+                // 初始滚动条检测和位置调整
+                setTimeout(() => {
+                    this._adjustPositionForScrollbar(widget, inputEl);
+                }, 100); // 延迟执行，确保DOM完全渲染
+
+                // 设置初始折叠状态
+                containerDiv.classList.add('collapsed');
+                hoverAreaDiv.style.display = 'block'; // 显示悬停区域以便用户展开
+
+                // 默认隐藏状态
+                containerDiv.style.display = 'none';
+
+                // 移除动画类的定时器
+                setTimeout(() => {
+                    if (indicatorDiv && indicatorDiv.classList.contains('animate-creation')) {
+                        indicatorDiv.classList.remove('animate-creation');
+                    }
+                }, 1000);
+            });
+
+            // 立即返回容器，定位将异步完成
             return containerDiv;
         } catch (error) {
-            logger.error(`UI创建 | 结果:异常 | 节点ID: ${nodeId}, 错误: ${error.message}`);
+            logger.error(`创建小助手失败 | 节点ID: ${nodeId} | 原因: ${error.message}`);
             return null;
         }
     }
@@ -2182,41 +2217,19 @@ class PromptAssistant {
         }
         containerDiv.dataset.hasScrollbar = String(hasScrollbar);
 
-        // 检查当前定位模式
-        const isStandardMode = containerDiv.style.position !== 'fixed';
-
-        if (isStandardMode) {
-            // ---标准定位模式调整---
-            const rightOffset = hasScrollbar ? '16px' : '4px'; // 有滚动条时向左偏移10px
-            containerDiv.style.right = rightOffset;
-            logger.debug(`[位置调整] 标准方案 | 滚动条: ${hasScrollbar} → 偏移: ${rightOffset}`);
-        } else {
-            // ---兼容定位模式调整---
-            // 需要重新计算位置，因为固定定位使用的是left属性
-            const inputRect = inputEl.getBoundingClientRect();
-            const offsetRight = hasScrollbar ? 18 : 6; // 有滚动条时增加10px偏移
-
-            // 临时隐藏以获取正确尺寸
-            containerDiv.style.visibility = 'hidden';
-            void containerDiv.offsetWidth;
-
-            // 计算新位置
-            const newLeft = inputRect.right - containerDiv.offsetWidth - offsetRight;
-            containerDiv.style.left = `${newLeft}px`;
-            containerDiv.style.visibility = 'visible';
-
-            logger.debug(`[位置调整] 兼容方案 | 滚动条: ${hasScrollbar} → 左:${newLeft}px`);
-        }
+        // 标准定位模式调整
+        const rightOffset = hasScrollbar ? '16px' : '4px'; // 有滚动条时向左偏移12px
+        containerDiv.style.right = rightOffset;
+        logger.debug(`[位置调整] 标准方案 | 滚动条: ${hasScrollbar} → 偏移: ${rightOffset}`);
     }
 
     /**
      * 设置UI位置
-     * 使用绝对定位方式
+     * 使用标准定位方式（仅支持 ComfyUI 0.3.27 及以上版本）
+     * @param {Function} onComplete - 定位完成回调，接收boolean参数，true表示成功，false表示失败
      */
-    _setupUIPosition(widget, inputEl, containerDiv, canvasContainerRect) {
+    _setupUIPosition(widget, inputEl, containerDiv, canvasContainerRect, onComplete) {
         const _applyStandardPositioning = (containerDiv, domWidgetContainer) => {
-            logger.log("定位方式 - 标准方案");
-
             // 标准模式使用默认的绝对定位，添加位置参数
             containerDiv.style.right = '4px';
             containerDiv.style.bottom = '4px';
@@ -2254,23 +2267,11 @@ class PromptAssistant {
         // 清理函数列表
         widget._eventCleanupFunctions = widget._eventCleanupFunctions || [];
 
-        // 检查是否需要使用兼容模式
-        let needCompatibilityMode = !domWidgetContainer;
-
-        // 如果初次判断需要使用兼容模式，添加延迟重试机制
+        // 如果初次查找失败，添加延迟重试机制
         // 这是为了处理新创建节点时DOM可能尚未完全渲染的情况
-        if (needCompatibilityMode) {
-            // 先创建一个临时容器，避免显示延迟
-            const tempDiv = document.createElement('div');
-            tempDiv.className = 'prompt-assistant-container prompt-assistant-temp';
-            tempDiv.style.display = 'none';
-            document.body.appendChild(tempDiv);
-
-            // 保存临时容器引用，以便后续移除
-            widget._tempContainer = tempDiv;
-
+        if (!domWidgetContainer) {
             // 设置重试次数和间隔
-            const maxRetries = 2;
+            const maxRetries = 3;
             const retryInterval = 500; // 毫秒
             let retryCount = 0;
 
@@ -2281,309 +2282,31 @@ class PromptAssistant {
 
                 if (domWidgetContainer) {
                     // 找到了dom-widget容器，使用标准定位方案
-                    logger.log("定位方式 - 延迟检测后使用标准方案");
-                    needCompatibilityMode = false;
-
-                    // 移除临时容器
-                    if (widget._tempContainer && document.body.contains(widget._tempContainer)) {
-                        document.body.removeChild(widget._tempContainer);
-                        delete widget._tempContainer;
-                    }
-
                     // 使用标准定位方案
                     _applyStandardPositioning(containerDiv, domWidgetContainer);
 
-                    return true;
+                    // 通知定位成功
+                    if (onComplete) onComplete(true);
                 } else if (retryCount < maxRetries) {
                     // 继续重试
                     retryCount++;
                     logger.debug(`定位方式 - 重试查找dom-widget容器 (${retryCount}/${maxRetries})`);
                     setTimeout(retrySetupPosition, retryInterval);
-                    return false;
                 } else {
-                    // 达到最大重试次数，使用兼容定位方案
-                    logger.log("定位方式 - 重试失败，使用兼容方案");
-
-                    // 移除临时容器
-                    if (widget._tempContainer && document.body.contains(widget._tempContainer)) {
-                        document.body.removeChild(widget._tempContainer);
-                        delete widget._tempContainer;
-                    }
-
-                    // 使用兼容定位方案
-                    setupCompatibilityMode();
-                    return true;
+                    // 达到最大重试次数，定位失败
+                    // 通知定位失败
+                    if (onComplete) onComplete(false);
                 }
             };
 
-            // 定义兼容模式设置函数
-            const setupCompatibilityMode = () => {
-                // === 兼容方案定位 (ComfyUI 0.3.26及以下) ===
-                logger.log("定位方式 - 兼容方案");
-
-                // 使用固定定位样式，不添加额外类
-                containerDiv.style.position = 'fixed';
-                containerDiv.style.zIndex = '9999';
-                document.body.appendChild(containerDiv);
-
-                // 设置初始显示
-                containerDiv.style.display = 'flex';
-
-                // 更新位置的函数，确保跟随输入框并位于右下角
-                const updatePosition = () => {
-                    if (!widget.element || !inputEl || !containerDiv) return;
-
-                    try {
-                        // 获取输入框的位置信息
-                        const inputRect = inputEl.getBoundingClientRect();
-
-                        // 设置容器样式 - 首先确保容器可见以便获得正确的尺寸
-                        containerDiv.style.display = 'flex';
-                        containerDiv.style.visibility = 'hidden'; // 暂时隐藏以避免闪烁
-
-                        // 先设置样式，使其能正确计算尺寸
-                        Object.assign(containerDiv.style, {
-                            width: 'auto',
-                            height: '24px',
-                            pointerEvents: 'none'
-                        });
-
-                        // 确保小部件样式正确
-                        Object.assign(widget.element.style, {
-                            transformOrigin: 'right center',
-                            margin: '0',
-                            pointerEvents: 'auto'
-                        });
-
-                        // 强制回流以获取正确尺寸
-                        void containerDiv.offsetWidth;
-
-                        // 现在设置位置 - 放置在输入框右下角，考虑滚动条状态
-                        const hasScrollbar = inputEl.tagName === 'TEXTAREA' && inputEl.scrollHeight > inputEl.clientHeight;
-                        const offsetRight = hasScrollbar ? 16 : 6; // 有滚动条时增加10px偏移
-                        const offsetBottom = 4;
-
-                        containerDiv.style.left = `${inputRect.right - containerDiv.offsetWidth - offsetRight}px`;
-                        containerDiv.style.top = `${inputRect.bottom - containerDiv.offsetHeight - offsetBottom}px`;
-                        containerDiv.style.visibility = 'visible'; // 恢复可见性
-
-                        // 最终触发回流，确保样式更新
-                        void containerDiv.offsetWidth;
-                    } catch (error) {
-                        logger.error("更新小助手位置出错:", error);
-                        // 错误恢复 - 确保组件仍然可见
-                        if (containerDiv) containerDiv.style.visibility = 'visible';
-                    }
-                };
-
-                // 初始更新位置
-                updatePosition();
-
-                // 使用防抖函数优化位置更新，但降低延迟提高流畅度
-                const debouncedUpdatePosition = EventManager.debounce(updatePosition, 16);
-
-                // 添加窗口resize事件监听
-                const removeResizeListener = EventManager.addDOMListener(window, 'resize', debouncedUpdatePosition);
-                widget._eventCleanupFunctions.push(removeResizeListener);
-
-                // 监听画布变化
-                const app = window.app || null;
-
-                if (!app || !app.canvas) {
-                    logger.error("错误：无法获取app对象，小助手无法正常工作");
-                    return;
-                }
-
-                // 1. 使用MutationObserver监听画布变化
-                const observer = new MutationObserver(debouncedUpdatePosition);
-                const canvasParent = app.canvas.canvas.parentElement;
-
-                if (canvasParent) {
-                    observer.observe(canvasParent, {
-                        attributes: true,
-                        attributeFilter: ['style', 'transform']
-                    });
-
-                    // 添加Observer清理函数
-                    widget._eventCleanupFunctions.push(() => observer.disconnect());
-                }
-
-                // 2. 监听画布重绘 - 使用直接更新而不是防抖版本，确保重绘时位置准确
-                const originalDrawBackground = app.canvas.onDrawBackground;
-                app.canvas.onDrawBackground = function () {
-                    const ret = originalDrawBackground?.apply(this, arguments);
-                    // 直接调用updatePosition而不是防抖版本
-                    updatePosition();
-                    return ret;
-                };
-
-                // 添加画布重绘清理函数
-                widget._eventCleanupFunctions.push(() => {
-                    if (originalDrawBackground) {
-                        app.canvas.onDrawBackground = originalDrawBackground;
-                    }
-                });
-
-                // 3. 监听节点移动 - 使用 nodeInfo 而不是直接的 node 引用
-                const nodeId = widget.nodeInfo?.nodeId;
-                if (nodeId && app.canvas && app.canvas.graph) {
-                    const node = app.canvas.graph.getNodeById(nodeId);
-                    if (node) {
-                        // 使用LiteGraph提供的onNodeMoved事件
-                        const originalOnNodeMoved = app.canvas.onNodeMoved;
-                        app.canvas.onNodeMoved = function (node_dragged) {
-                            if (originalOnNodeMoved) {
-                                originalOnNodeMoved.apply(this, arguments);
-                            }
-
-                            // 仅当移动的是当前节点时更新位置
-                            if (node_dragged && node_dragged.id === nodeId) {
-                                // 直接调用updatePosition而不是防抖版本，确保拖动时UI跟随节点
-                                updatePosition();
-                            }
-                        };
-
-                        // 添加节点移动清理函数
-                        widget._eventCleanupFunctions.push(() => {
-                            if (app.canvas) {
-                                app.canvas.onNodeMoved = originalOnNodeMoved;
-                            }
-                        });
-
-                        // 为节点本身添加移动监听（兼容性处理）
-                        const nodeOriginalOnNodeMoved = node.onNodeMoved;
-                        node.onNodeMoved = function () {
-                            const ret = nodeOriginalOnNodeMoved?.apply(this, arguments);
-                            // 直接调用updatePosition而不是防抖版本
-                            updatePosition();
-                            return ret;
-                        };
-
-                        // 添加节点自身移动清理函数
-                        widget._eventCleanupFunctions.push(() => {
-                            if (node && nodeOriginalOnNodeMoved) {
-                                node.onNodeMoved = nodeOriginalOnNodeMoved;
-                            }
-                        });
-                    }
-                }
-
-                // 统一的画布事件处理函数
-                const handleCanvasEvent = () => {
-                    if (widget.element && widget.element.style.display !== 'none') {
-                        updatePosition();
-                    }
-                };
-
-                // 监听画布相关事件
-                if (!app || !app.canvas) {
-                    logger.error("错误：无法获取app对象，小助手无法正常工作");
-                    return;
-                }
-
-                // 保存原始方法引用
-                const originalMethods = {
-                    setDirty: app.canvas.setDirty,
-                    drawBackground: app.canvas.onDrawBackground,
-                    dsModified: app.canvas.ds.onModified,
-                    setTransform: app.canvas.ds.setTransform,
-                    resize: app.canvas.resize
-                };
-
-                // 1. 监听画布变换（包括缩放、平移等）
-                app.canvas.setDirty = function (value, skipEvents) {
-                    const ret = originalMethods.setDirty?.apply(this, arguments);
-                    if (!skipEvents) {
-                        handleCanvasEvent();
-                    }
-                    return ret;
-                };
-
-                // 2. 监听画布重绘和缩放
-                app.canvas.onDrawBackground = function () {
-                    const ret = originalMethods.drawBackground?.apply(this, arguments);
-                    handleCanvasEvent();
-                    return ret;
-                };
-
-                app.canvas.ds.onModified = function (...args) {
-                    if (originalMethods.dsModified) {
-                        originalMethods.dsModified.apply(this, args);
-                    }
-                    handleCanvasEvent();
-                };
-
-                app.canvas.ds.setTransform = function () {
-                    const ret = originalMethods.setTransform?.apply(this, arguments);
-                    handleCanvasEvent();
-                    return ret;
-                };
-
-                // 3. 监听画布大小变化
-                app.canvas.resize = function () {
-                    const ret = originalMethods.resize?.apply(this, arguments);
-                    handleCanvasEvent();
-                    return ret;
-                };
-
-                // 4. 使用MutationObserver监听画布容器变化
-                const canvasContainer = app.canvas.canvas.parentElement;
-                if (canvasContainer) {
-                    const observer = new MutationObserver(() => handleCanvasEvent());
-                    observer.observe(canvasContainer, {
-                        attributes: true,
-                        attributeFilter: ['style', 'transform']
-                    });
-                    widget._eventCleanupFunctions.push(() => observer.disconnect());
-                }
-
-                // 5. 使用requestAnimationFrame实现平滑更新
-                let rafId = null;
-                const smoothUpdate = () => {
-                    handleCanvasEvent();
-                    rafId = requestAnimationFrame(smoothUpdate);
-                };
-                rafId = requestAnimationFrame(smoothUpdate);
-
-                // 添加所有清理函数
-                widget._eventCleanupFunctions.push(
-                    () => {
-                        // 清理画布相关事件监听
-                        if (app.canvas) {
-                            app.canvas.setDirty = originalMethods.setDirty;
-                            app.canvas.onDrawBackground = originalMethods.drawBackground;
-                            app.canvas.resize = originalMethods.resize;
-                        }
-                        if (app.canvas?.ds) {
-                            app.canvas.ds.onModified = originalMethods.dsModified;
-                            app.canvas.ds.setTransform = originalMethods.setTransform;
-                        }
-                        // 清理requestAnimationFrame
-                        if (rafId !== null) {
-                            cancelAnimationFrame(rafId);
-                        }
-                    }
-                );
-
-                // 添加DOM元素清理函数
-                widget._eventCleanupFunctions.push(() => {
-                    // 移除DOM元素
-                    if (containerDiv && document.body.contains(containerDiv)) {
-                        document.body.removeChild(containerDiv);
-                    }
-                });
-
-                // 强制应用容器高度
-                containerDiv.style.height = '20px';
-                containerDiv.style.minHeight = '20px';
-                void containerDiv.offsetWidth; // 触发回流，确保样式应用
-            };
-
             // 开始重试流程
             setTimeout(retrySetupPosition, retryInterval);
         } else {
             // === 标准方案定位 (ComfyUI 0.3.27及以上) ===
             _applyStandardPositioning(containerDiv, domWidgetContainer);
+            
+            // 通知定位成功
+            if (onComplete) onComplete(true);
         }
     }
 
diff --git a/js/modules/settings.js b/js/modules/settings.js
index df3d9e7..4871b9f 100644
--- a/js/modules/settings.js
+++ b/js/modules/settings.js
@@ -971,6 +971,19 @@ export function registerSettings() {
                     }
                 },
 
+                // 跳过代理直连开关
+                {
+                    id: "PromptAssistant.Settings.BypassProxy",
+                    name: "跳过代理直连",
+                    category: ["✨提示词小助手", " 配置", "网络设置"],
+                    type: "boolean",
+                    defaultValue: false,
+                    tooltip: "当使用硅基和智谱时，推荐打开，使用外国服务时推荐关闭",
+                    onChange: (value) => {
+                        logger.log(`跳过代理直连 - 已${value ? "启用" : "禁用"}`);
+                    }
+                },
+
                 // 历史功能（包含历史、撤销、重做按钮）
                 {
                     id: "PromptAssistant.Features.History",
diff --git a/node/expand_node.py b/node/expand_node.py
index bac4740..aa8f56c 100644
--- a/node/expand_node.py
+++ b/node/expand_node.py
@@ -12,18 +12,31 @@ from ..services.error_util import format_api_error
 
 
 # 定义ANSI颜色代码常量
-GREEN = "\033[92m"
+GREEN = "\033[32m"
+BLUE = "\033[34m"
+YELLOW = "\033[33m"
 RESET = "\033[0m"
 
 
 class PromptExpand:
     """
     文本扩写节点
-    - 输入“原文”，根据所选扩写规则模板或临时规则进行扩写
+    - 输入"原文"，根据所选扩写规则模板或临时规则进行扩写
     - 仅包含一个字符串输入和一个字符串输出
     """
-    # 定义日志前缀（带绿色）
-    LOG_PREFIX = f"{GREEN}[PromptAssistant]{RESET}"
+    # 定义日志前缀
+    LOG_PREFIX = f"{GREEN}[✨PromptAssistant]{RESET}"  # 绿色：结果阶段
+    REQUEST_PREFIX = f"{BLUE}[✨PromptAssistant]{RESET}"  # 蓝色：准备阶段
+    PROCESS_PREFIX = f"{YELLOW}[✨PromptAssistant]{RESET}"  # 黄色：API调用阶段
+    
+    # 提供商显示名称映射
+    PROVIDER_DISPLAY_MAP = {
+        "zhipu": "智谱",
+        "siliconflow": "硅基流动",
+        "302ai": "302.AI",
+        "ollama": "Ollama",
+        "custom": "自定义"
+    }
 
     @classmethod
     def INPUT_TYPES(cls):
@@ -63,6 +76,8 @@ class PromptExpand:
                 "用户提示词": ("STRING", {"multiline": True, "default": "", "placeholder": "填写的要扩写的提示词原文，若存在原文端口输入和内容输入，将合并提交"}),
                 # 扩写服务（使用LLM提供商）
                 "扩写服务": (["智谱", "硅基流动", "302.AI", "Ollama", "自定义"], {"default": "智谱"}),
+                # Ollama自动释放：仅对Ollama服务生效
+                "Ollama自动释放": ("BOOLEAN", {"default": True, "label_on": "启用", "label_off": "禁用", "tooltip": "⚠️ 该选项仅在选择了Ollama服务时生效"}),
             },
             "optional": {
                 # 原文输入端口：非必选
@@ -77,7 +92,7 @@ class PromptExpand:
     OUTPUT_NODE = False
 
     @classmethod
-    def IS_CHANGED(cls, 规则模板, 临时规则, 临时规则内容, 用户提示词, 扩写服务, 原文=None):
+    def IS_CHANGED(cls, 规则模板, 临时规则, 临时规则内容, 用户提示词, 扩写服务, Ollama自动释放, 原文=None):
         """
         只在输入内容真正变化时才触发重新执行
         使用输入参数的哈希值作为判断依据
@@ -92,11 +107,12 @@ class PromptExpand:
             temp_rule_hash,
             user_hint_hash,
             扩写服务,
+            bool(Ollama自动释放),
             text_hash,
         ))
         return input_hash
 
-    def expand(self, 规则模板, 临时规则, 临时规则内容, 用户提示词, 扩写服务, 原文=None):
+    def expand(self, 规则模板, 临时规则, 临时规则内容, 用户提示词, 扩写服务, Ollama自动释放, 原文=None):
         """
         扩写文本函数
 
@@ -107,6 +123,7 @@ class PromptExpand:
             临时规则内容: 临时规则的内容（启用时生效）
             用户提示词: 附加的用户提示信息，将与原文合并提交
             扩写服务: LLM提供商（智谱/硅基流动/自定义）
+            Ollama自动释放: 是否在调用完成后自动释放Ollama模型（仅对Ollama生效）
 
         Returns:
             tuple: 扩写结果
@@ -120,11 +137,11 @@ class PromptExpand:
 
             # 准备系统提示词（规则）
             system_message = None
+            rule_name = "临时规则" if (临时规则 and 临时规则内容) else 规则模板
 
             if 临时规则 and 临时规则内容:
                 # 使用临时规则
                 system_message = {"role": "system", "content": 临时规则内容}
-                print(f"{self.LOG_PREFIX} 扩写: 使用临时规则")
             else:
                 # 使用模板：从config_manager获取系统提示词配置
                 from ..config_manager import config_manager
@@ -137,7 +154,6 @@ class PromptExpand:
                     if value.get('name') == 规则模板:
                         system_message = {"role": value.get('role', 'system'), "content": value.get('content', '')}
                         template_found = True
-                        print(f"{self.LOG_PREFIX} 扩写: 使用模板 '{规则模板}'")
                         break
                 if not template_found:
                     # 允许用键名直接匹配
@@ -145,12 +161,11 @@ class PromptExpand:
                         if key == 规则模板:
                             system_message = {"role": value.get('role', 'system'), "content": value.get('content', '')}
                             template_found = True
-                            print(f"{self.LOG_PREFIX} 扩写: 使用模板 '{规则模板}'(按键名)")
                             break
                 if not template_found or not system_message or not system_message.get('content'):
                     # 回退到默认
                     system_message = {"role": "system", "content": "你是一名提示词扩写专家，请将用户给定文本扩写为更完整、更具可读性和可执行性的提示词。"}
-                    print(f"{self.LOG_PREFIX} 扩写: 未找到模板 '{规则模板}'，使用默认扩写提示词")
+                    rule_name = "默认规则"
 
             # 选择服务提供商
             provider_map = {
@@ -171,18 +186,20 @@ class PromptExpand:
                 provider_display = {"zhipu": "智谱", "siliconflow": "硅基流动", "302ai": "302.AI", "ollama": "Ollama", "custom": "自定义"}.get(selected_provider, selected_provider)
                 raise ValueError(f"未找到{provider_display}的配置，请先完成API配置")
 
-            print(f"{self.LOG_PREFIX} 扩写: 使用{扩写服务}服务, 模型: {provider_config.get('model')}")
-
             # 执行扩写（异步线程 + 可中断）
             request_id = f"expand_{int(time.time())}_{random.randint(1000, 9999)}"
-            result_container = {}
+            
             # 合并原文与用户提示词
             # 合并顺序：输入端口(原文)在前，节点输入框(用户提示词)在后
             combined_text = 用户提示词 if not 原文 else (f"{原文}\n\n{用户提示词}" if 用户提示词 else 原文)
+            
+            # 准备阶段日志（合并为一条）
+            print(f"{self.REQUEST_PREFIX} 扩写准备 | 服务:{扩写服务} | 模型:{provider_config.get('model')} | 规则:{rule_name} | 长度:{len(combined_text)} | 请求ID:{request_id}")
 
+            result_container = {}
             thread = threading.Thread(
                 target=self._run_llm_expand,
-                args=(combined_text, system_message, request_id, result_container, selected_provider, provider_config)
+                args=(combined_text, system_message, request_id, result_container, selected_provider, provider_config, 扩写服务, Ollama自动释放)
             )
             thread.start()
 
@@ -206,9 +223,10 @@ class PromptExpand:
                 expanded_text = result.get('data', {}).get('expanded', '').strip()
                 if not expanded_text:
                     error_msg = 'API返回结果为空，请检查API密钥、模型配置或网络连接'
-                    print(f"{self.LOG_PREFIX} 扩写失败: {error_msg}")
+                    print(f"{self.LOG_PREFIX} 扩写失败 | 错误:{error_msg}")
                     raise RuntimeError(f"扩写失败: {error_msg}")
-                print(f"{self.LOG_PREFIX} 扩写完成，结果长度: {len(expanded_text)}")
+                # 结果阶段日志（合并为一条）
+                print(f"{self.LOG_PREFIX} 扩写完成 | 服务:{扩写服务} | 请求ID:{request_id} | 结果字符数:{len(expanded_text)}")
                 return (expanded_text,)
             else:
                 error_msg = result.get('error', '扩写失败，未知错误') if result else '扩写服务未返回结果'
@@ -229,8 +247,45 @@ class PromptExpand:
         if 'providers' in llm_config and provider in llm_config['providers']:
             return llm_config['providers'][provider]
         return None
+    
+    async def _unload_ollama_model(self, model: str, provider_config: dict, auto_unload: bool):
+        """
+        卸载Ollama模型以释放显存和内存
+        
+        参数:
+            model: 模型名称
+            provider_config: 提供商配置字典
+            auto_unload: 是否启用自动释放（来自节点参数）
+        """
+        try:
+            # 检查是否启用自动释放（使用节点参数，不从provider_config读取）
+            if not auto_unload:
+                return
+            
+            # 获取base_url
+            base_url = provider_config.get('base_url', 'http://localhost:11434')
+            # 确保URL不以/v1结尾（Ollama原生API不需要/v1）
+            if base_url.endswith('/v1'):
+                base_url = base_url[:-3]
+            
+            # 调用Ollama API卸载模型
+            url = f"{base_url}/api/generate"
+            payload = {
+                "model": model,
+                "keep_alive": 0  # 立即卸载模型
+            }
+            
+            print(f"{self.PROCESS_PREFIX} Ollama自动释放显存 | 模型:{model}")
+            
+            import httpx
+            async with httpx.AsyncClient(timeout=5.0) as client:
+                await client.post(url, json=payload)
+                
+        except Exception as e:
+            # 释放失败不影响主流程，只记录警告
+            print(f"{self.LOG_PREFIX} Ollama模型释放失败（不影响结果） | 模型:{model} | 错误:{str(e)[:50]}")
 
-    def _run_llm_expand(self, text, system_message, request_id, result_container, provider, provider_config):
+    def _run_llm_expand(self, text, system_message, request_id, result_container, provider, provider_config, service_name, auto_unload):
         """在独立线程中运行LLM扩写"""
         loop = asyncio.new_event_loop()
         asyncio.set_event_loop(loop)
@@ -253,6 +308,20 @@ class PromptExpand:
                 }
                 return
 
+            # 检查是否启用直连模式
+            bypass_proxy = False
+            try:
+                from ..config_manager import config_manager as cm
+                settings = cm.get_settings()
+                bypass_proxy = settings.get('PromptAssistant.Settings.BypassProxy', False)
+            except Exception:
+                pass
+            
+            direct_mode_tag = "(直连)" if bypass_proxy else ""
+
+            # 获取提供商显示名称
+            provider_display_name = PromptExpand.PROVIDER_DISPLAY_MAP.get(provider, provider)
+
             # 创建客户端
             client = LLMService.get_openai_client(api_key, provider)
 
@@ -267,7 +336,8 @@ class PromptExpand:
                 {"role": "user", "content": text},
             ]
 
-            print(f"{self.LOG_PREFIX} 调用{provider}扩写API | 模型:{model}")
+            # API调用阶段日志（由LLMService打印，这里不重复）
+            print(f"{PromptExpand.PROCESS_PREFIX} 调用{provider_display_name}扩写API{direct_mode_tag} | 模型:{model}")
 
             stream = loop.run_until_complete(client.chat.completions.create(
                 model=model,
@@ -286,8 +356,15 @@ class PromptExpand:
                 async for chunk in stream:
                     if result_container.get('interrupted'):
                         break
-                    if chunk.choices[0].delta.content:
-                        full_content += chunk.choices[0].delta.content
+                    # 兼容部分第三方网关返回空 choices 的异常片段，做健壮性判断
+                    choices = getattr(chunk, "choices", None) or []
+                    for ch in choices:
+                        delta = getattr(ch, "delta", None)
+                        if not delta:
+                            continue
+                        content = getattr(delta, "content", None)
+                        if content:
+                            full_content += content
 
             loop.run_until_complete(process_stream())
 
@@ -302,14 +379,23 @@ class PromptExpand:
                     "expanded": full_content,
                 },
             }
-            print(f"{self.LOG_PREFIX} 扩写完成 | 服务:{provider} | 结果字符数:{len(full_content)}")
+            
+            # Ollama自动释放显存
+            if provider == 'ollama':
+                try:
+                    loop.run_until_complete(self._unload_ollama_model(model, provider_config, auto_unload))
+                except Exception as e:
+                    # 释放失败不影响结果
+                    pass
+            
+            # 结果日志已在expand方法中统一打印，这里不再重复
 
         except Exception as e:
             result_container['result'] = {
                 "success": False,
-                "error": format_api_error(e, provider)
+                "error": format_api_error(e, provider_display_name)
             }
-            print(f"{self.LOG_PREFIX} 扩写失败 | 服务:{provider} | 错误:{result_container['result']['error']}")
+            print(f"{self.LOG_PREFIX} 扩写失败 | 服务:{provider_display_name} | 错误:{result_container['result']['error']}")
         finally:
             loop.close()
 
diff --git a/node/image_caption_node.py b/node/image_caption_node.py
index 73ab41d..6c81527 100644
--- a/node/image_caption_node.py
+++ b/node/image_caption_node.py
@@ -17,7 +17,9 @@ from ..services.vlm import VisionService
 from ..services.error_util import format_api_error
 
 # 定义ANSI颜色代码常量
-GREEN = "\033[92m"
+GREEN = "\033[32m"
+BLUE = "\033[34m"
+YELLOW = "\033[33m"
 RESET = "\033[0m"
 
 
@@ -26,8 +28,19 @@ class ImageCaptionNode:
     图像反推提示词节点
     分析输入图像并生成描述性提示词
     """
-    # 定义日志前缀（带绿色）
-    LOG_PREFIX = f"{GREEN}[PromptAssistant]{RESET}"
+    # 定义日志前缀
+    LOG_PREFIX = f"{GREEN}[✨PromptAssistant]{RESET}"  # 绿色：结果阶段
+    REQUEST_PREFIX = f"{BLUE}[✨PromptAssistant]{RESET}"  # 蓝色：准备阶段
+    PROCESS_PREFIX = f"{YELLOW}[✨PromptAssistant]{RESET}"  # 黄色：API调用阶段
+    
+    # 提供商显示名称映射
+    PROVIDER_DISPLAY_MAP = {
+        "zhipu": "智谱",
+        "siliconflow": "硅基流动",
+        "302ai": "302.AI",
+        "ollama": "Ollama",
+        "custom": "自定义"
+    }
     
     @classmethod
     def INPUT_TYPES(cls):
@@ -57,6 +70,8 @@ class ImageCaptionNode:
                 "临时规则": ("BOOLEAN", {"default": False, "label_on": "启用", "label_off": "禁用"}),
                 "临时规则内容": ("STRING", {"multiline": True, "default": "", "placeholder": "请输入临时规则内容，仅在启用'临时规则'时生效"}),
                 "视觉服务": (["智谱", "硅基流动", "302.AI", "Ollama", "自定义"], {"default": "智谱"}),
+                # Ollama自动释放：仅对Ollama视觉服务生效
+                "Ollama自动释放": ("BOOLEAN", {"default": True, "label_on": "启用", "label_off": "禁用", "tooltip": "⚠️ 该选项仅在选择了Ollama服务时生效"}),
             },
         }
 
@@ -67,7 +82,7 @@ class ImageCaptionNode:
     OUTPUT_NODE = False
     
     @classmethod
-    def IS_CHANGED(cls, 图像, 规则模板, 临时规则, 临时规则内容, 视觉服务):
+    def IS_CHANGED(cls, 图像, 规则模板, 临时规则, 临时规则内容, 视觉服务, Ollama自动释放):
         """
         只在输入内容真正变化时才触发重新执行
         使用输入参数的哈希值作为判断依据
@@ -99,12 +114,13 @@ class ImageCaptionNode:
             规则模板,
             bool(临时规则),
             临时规则内容,
-            视觉服务
+            视觉服务,
+            bool(Ollama自动释放)
         ))
 
         return input_hash
     
-    def analyze_image(self, 图像, 规则模板, 临时规则, 临时规则内容, 视觉服务):
+    def analyze_image(self, 图像, 规则模板, 临时规则, 临时规则内容, 视觉服务, Ollama自动释放):
         """
         分析图像并生成提示词
 
@@ -129,9 +145,11 @@ class ImageCaptionNode:
             # 获取提示词模板内容
             prompt_template = None
 
+            # 确定使用的规则
+            rule_name = "临时规则" if (临时规则 and 临时规则内容) else 规则模板
+            
             if 临时规则 and 临时规则内容:
                 prompt_template = 临时规则内容
-                print(f"{self.LOG_PREFIX} 图像反推: 使用临时规则")
             else:
                 # 从config_manager获取系统提示词配置
                 from ..config_manager import config_manager
@@ -148,26 +166,20 @@ class ImageCaptionNode:
                     if value.get('name') == 规则模板:
                         prompt_template = value.get('content')
                         template_found = True
-                        print(f"{self.LOG_PREFIX} 图像反推: 使用模板 '{规则模板}'")
                         break
 
                 if not template_found:
-                    print(f"{self.LOG_PREFIX} 图像反推: 未找到模板 '{规则模板}'，尝试直接匹配键名")
                     # 尝试直接匹配键名
                     for key, value in vision_prompts.items():
                         if key == 规则模板:
                             prompt_template = value.get('content')
                             template_found = True
-                            print(f"{self.LOG_PREFIX} 图像反推: 使用模板 '{规则模板}'")
                             break
 
-            # 如果没有找到提示词模板，使用默认值
-            if not prompt_template:
-                prompt_template = "请详细描述这张图片的内容，包括主体、场景、风格、色彩等要素。"
-                print(f"{self.LOG_PREFIX} 图像反推: 未找到模板 '{规则模板}'，使用默认提示词")
-
-            # 执行图像分析
-            print(f"{self.LOG_PREFIX} 开始图像反推分析: {视觉服务}")
+                # 如果没有找到提示词模板，使用默认值
+                if not template_found or not prompt_template:
+                    prompt_template = "请详细描述这张图片的内容，包括主体、场景、风格、色彩等要素。"
+                    rule_name = "默认规则"
 
             # 映射视觉服务选项到provider
             provider_map = {
@@ -189,19 +201,23 @@ class ImageCaptionNode:
             if not provider_config:
                 raise ValueError(f"未找到{视觉服务}的配置，请先完成API配置")
 
-            print(f"{self.LOG_PREFIX} 图像反推: 使用{视觉服务}服务, API: {provider_config.get('model')}")
+            # 创建请求ID
+            request_id = f"image_caption_{int(time.time())}_{random.randint(1000, 9999)}"
+            
+            # 准备阶段日志（合并为一条）
+            print(f"{self.REQUEST_PREFIX} 图像反推准备 | 服务:{视觉服务} | 模型:{provider_config.get('model')} | 规则:{rule_name} | 请求ID:{request_id}")
 
             # 执行图像分析
-            result = self._analyze_with_vision_service(image_data, prompt_template, selected_provider, provider_config)
+            result = self._analyze_with_vision_service(image_data, prompt_template, selected_provider, provider_config, request_id, Ollama自动释放)
 
             if result and result.get('success'):
                 description = result.get('data', {}).get('description', '').strip()
                 if not description:
                     error_msg = 'API返回结果为空，请检查API密钥、模型配置或网络连接'
-                    print(f"{self.LOG_PREFIX} 图像反推分析失败: {error_msg}")
+                    print(f"{self.LOG_PREFIX} 图像反推失败 | 错误:{error_msg}")
                     raise RuntimeError(f"分析失败: {error_msg}")
 
-                print(f"{self.LOG_PREFIX} 图像反推分析完成，结果长度: {len(description)}")
+                # 服务层已经打印了完成日志，这里不再重复
                 return (description,)
             else:
                 error_msg = result.get('error', '分析失败，未知错误') if result else '分析服务未返回结果'
@@ -216,17 +232,15 @@ class ImageCaptionNode:
             print(f"{self.LOG_PREFIX} 图像反推节点异常: {error_msg}")
             raise RuntimeError(f"分析异常: {error_msg}")
 
-    def _analyze_with_vision_service(self, image_data, prompt_template, provider, provider_config):
+    def _analyze_with_vision_service(self, image_data, prompt_template, provider, provider_config, request_id, auto_unload):
         """使用视觉服务分析图像"""
         try:
-            # 创建请求ID
-            request_id = f"image_caption_{int(time.time())}_{random.randint(1000, 9999)}"
             result_container = {}
 
             # 在独立线程中运行图像分析
             thread = threading.Thread(
                 target=self._run_async_vision_analysis,
-                args=(image_data, prompt_template, request_id, result_container, provider, provider_config)
+                args=(image_data, prompt_template, request_id, result_container, provider, provider_config, auto_unload)
             )
             thread.start()
 
@@ -254,7 +268,7 @@ class ImageCaptionNode:
         except Exception as e:
             return {"success": False, "error": str(e)}
 
-    def _run_async_vision_analysis(self, image_data, prompt_template, request_id, result_container, provider, provider_config):
+    def _run_async_vision_analysis(self, image_data, prompt_template, request_id, result_container, provider, provider_config, auto_unload):
         """在独立线程中运行异步图像分析任务"""
         loop = asyncio.new_event_loop()
         asyncio.set_event_loop(loop)
@@ -264,21 +278,107 @@ class ImageCaptionNode:
                 result_container['result'] = {"success": False, "error": "任务被中断"}
                 return
 
-            result = loop.run_until_complete(
-                VisionService.analyze_image(image_data, request_id, None, prompt_template, provider, provider_config)
-            )
+            # 获取API密钥和模型
+            api_key = provider_config.get('api_key', '')
+            model = provider_config.get('model', '')
+            temperature = provider_config.get('temperature', 0.7)
+            top_p = provider_config.get('top_p', 0.9)
+            max_tokens = provider_config.get('max_tokens', 500)
+
+            if not api_key or not model:
+                result_container['result'] = {
+                    "success": False,
+                    "error": f"请先配置{provider}的API密钥和模型"
+                }
+                return
+
+            # 检查是否启用直连模式
+            bypass_proxy = False
+            try:
+                from ..config_manager import config_manager as cm
+                settings = cm.get_settings()
+                bypass_proxy = settings.get('PromptAssistant.Settings.BypassProxy', False)
+            except Exception:
+                pass
+            
+            direct_mode_tag = "(直连)" if bypass_proxy else ""
+
+            # 获取提供商显示名称
+            provider_display_name = ImageCaptionNode.PROVIDER_DISPLAY_MAP.get(provider, provider)
+
+            # 创建客户端（复用VisionService的工具方法）
+            client = VisionService.get_openai_client(api_key, provider)
+
+            # 预处理图像（复用VisionService的工具方法）
+            image_data = VisionService.preprocess_image(image_data, request_id)
+
+            # 构建消息
+            messages = [{
+                "role": "user",
+                "content": [
+                    {"type": "text", "text": prompt_template},
+                    {"type": "image_url", "image_url": {"url": image_data}}
+                ]
+            }]
+
+            print(f"{ImageCaptionNode.PROCESS_PREFIX} 调用{provider_display_name}视觉API{direct_mode_tag} | 模型:{model}")
+
+            # 调用API
+            stream = loop.run_until_complete(client.chat.completions.create(
+                model=model,
+                messages=messages,
+                temperature=temperature,
+                top_p=top_p,
+                max_tokens=max_tokens,
+                stream=True
+            ))
+
+            # 处理流式响应
+            full_content = ""
+            
+            async def process_stream():
+                nonlocal full_content
+                async for chunk in stream:
+                    if result_container.get('interrupted'):
+                        break
+                    # 兼容部分第三方网关返回空 choices 的异常片段
+                    choices = getattr(chunk, "choices", None) or []
+                    for ch in choices:
+                        delta = getattr(ch, "delta", None)
+                        if not delta:
+                            continue
+                        content = getattr(delta, "content", None)
+                        if content:
+                            full_content += content
+
+            loop.run_until_complete(process_stream())
 
             # 检查是否在执行过程中被中断了
             if result_container.get('interrupted'):
                 result_container['result'] = {"success": False, "error": "任务被中断"}
                 return
 
-            result_container['result'] = result
+            result_container['result'] = {
+                "success": True,
+                "data": {
+                    "description": full_content
+                }
+            }
+            
+            # Ollama自动释放显存
+            if provider == 'ollama':
+                try:
+                    loop.run_until_complete(self._unload_ollama_model(model, provider_config, auto_unload))
+                except Exception as e:
+                    # 释放失败不影响结果
+                    pass
+
         except Exception as e:
             if result_container.get('interrupted'):
                 result_container['result'] = {"success": False, "error": "任务被中断"}
             else:
-                result_container['result'] = {"success": False, "error": str(e)}
+                error_message = format_api_error(e, provider_display_name if 'provider_display_name' in locals() else provider)
+                result_container['result'] = {"success": False, "error": error_message}
         finally:
             loop.close()
     
@@ -289,6 +389,43 @@ class ImageCaptionNode:
             return vision_config['providers'][provider]
         return None
     
+    async def _unload_ollama_model(self, model: str, provider_config: dict, auto_unload: bool):
+        """
+        卸载Ollama模型以释放显存和内存
+        
+        参数:
+            model: 模型名称
+            provider_config: 提供商配置字典
+            auto_unload: 是否启用自动释放（来自节点参数）
+        """
+        try:
+            # 检查是否启用自动释放（使用节点参数，不从provider_config读取）
+            if not auto_unload:
+                return
+            
+            # 获取base_url
+            base_url = provider_config.get('base_url', 'http://localhost:11434')
+            # 确保URL不以/v1结尾（Ollama原生API不需要/v1）
+            if base_url.endswith('/v1'):
+                base_url = base_url[:-3]
+            
+            # 调用Ollama API卸载模型
+            url = f"{base_url}/api/generate"
+            payload = {
+                "model": model,
+                "keep_alive": 0  # 立即卸载模型
+            }
+            
+            print(f"{self.PROCESS_PREFIX} Ollama自动释放显存 | 模型:{model}")
+            
+            import httpx
+            async with httpx.AsyncClient(timeout=5.0) as client:
+                await client.post(url, json=payload)
+                
+        except Exception as e:
+            # 释放失败不影响主流程，只记录警告
+            print(f"{self.LOG_PREFIX} Ollama模型释放失败（不影响结果） | 模型:{model} | 错误:{str(e)[:50]}")
+    
     def _image_to_base64(self, image_tensor):
         """将图像张量转换为base64编码"""
         # 确保图像是正确的形状 [batch, height, width, channels]
diff --git a/node/kontext_preset_node.py b/node/kontext_preset_node.py
index d79d90e..0bafbc9 100644
--- a/node/kontext_preset_node.py
+++ b/node/kontext_preset_node.py
@@ -17,7 +17,9 @@ from ..services.vlm import VisionService
 from ..services.error_util import format_api_error
 
 # 定义ANSI颜色代码常量
-GREEN = "\033[92m"
+GREEN = "\033[32m"
+BLUE = "\033[34m"
+YELLOW = "\033[33m"
 RESET = "\033[0m"
 
 
@@ -26,8 +28,19 @@ class KontextPresetNode:
     Kontext预设助手节点
     使用Kontext预设分析图像并生成创意转换指令
     """
-    # 定义日志前缀（带绿色）
-    LOG_PREFIX = f"{GREEN}[PromptAssistant]{RESET}"
+    # 定义日志前缀
+    LOG_PREFIX = f"{GREEN}[✨PromptAssistant]{RESET}"  # 绿色：结果阶段
+    REQUEST_PREFIX = f"{BLUE}[✨PromptAssistant]{RESET}"  # 蓝色：准备阶段
+    PROCESS_PREFIX = f"{YELLOW}[✨PromptAssistant]{RESET}"  # 黄色：API调用阶段
+    
+    # 提供商显示名称映射
+    PROVIDER_DISPLAY_MAP = {
+        "zhipu": "智谱",
+        "siliconflow": "硅基流动",
+        "302ai": "302.AI",
+        "ollama": "Ollama",
+        "custom": "自定义"
+    }
     
     # 缓存配置数据，避免重复从文件系统读取
     _kontext_config = None
@@ -72,6 +85,8 @@ class KontextPresetNode:
                 "图像": ("IMAGE",),
                 "Kontext预设": (prompt_template_options, {"default": prompt_template_options[0] if prompt_template_options else "情境深度融合"}),
                 "视觉服务": (["智谱", "硅基流动", "302.AI", "Ollama", "自定义"], {"default": "智谱"}),
+                # Ollama自动释放：仅对Ollama视觉服务生效
+                "Ollama自动释放": ("BOOLEAN", {"default": True, "label_on": "启用", "label_off": "禁用", "tooltip": "⚠️ 该选项仅在选择了Ollama服务时生效"}),
             },
         }
 
@@ -82,7 +97,7 @@ class KontextPresetNode:
     OUTPUT_NODE = False
     
     @classmethod
-    def IS_CHANGED(cls, 图像, Kontext预设, 视觉服务):
+    def IS_CHANGED(cls, 图像, Kontext预设, 视觉服务, Ollama自动释放):
         """
         只在输入内容真正变化时才触发重新执行
         使用输入参数的哈希值作为判断依据
@@ -112,12 +127,13 @@ class KontextPresetNode:
         input_hash = hash((
             img_hash,
             Kontext预设,
-            视觉服务
+            视觉服务,
+            bool(Ollama自动释放)
         ))
 
         return input_hash
     
-    def analyze_image(self, 图像, Kontext预设, 视觉服务):
+    def analyze_image(self, 图像, Kontext预设, 视觉服务, Ollama自动释放):
         """
         使用Kontext预设分析图像并生成创意转换指令
 
@@ -147,37 +163,31 @@ class KontextPresetNode:
             prompt_template = None
 
             # 查找选定的提示词模板
+            preset_name = Kontext预设
             template_found = False
             for key, value in kontext_presets.items():
                 if value.get('name') == Kontext预设:
                     prompt_template = value.get('content')
                     template_found = True
-                    print(f"{self.LOG_PREFIX} Kontext预设: 使用预设 '{Kontext预设}'")
                     break
 
             if not template_found:
-                print(f"{self.LOG_PREFIX} Kontext预设: 未找到预设 '{Kontext预设}'，尝试直接匹配键名")
                 # 尝试直接匹配键名
                 for key, value in kontext_presets.items():
                     if key == Kontext预设 or key == f"kontext_{Kontext预设}":
                         prompt_template = value.get('content')
                         template_found = True
-                        print(f"{self.LOG_PREFIX} Kontext预设: 使用预设 '{Kontext预设}'")
                         break
 
             # 如果没有找到提示词模板，使用默认值
             if not prompt_template:
                 prompt_template = "Transform the image into a detailed pencil sketch with fine lines and careful shading."
-                print(f"{self.LOG_PREFIX} Kontext预设: 未找到预设 '{Kontext预设}'，使用默认提示词")
+                preset_name = "默认预设"
 
             # 构建最终提示词，添加前缀和后缀
             final_prompt = prompt_template
             if kontext_prefix and kontext_suffix:
                 final_prompt = f"{kontext_prefix}\n\nThe Brief: {prompt_template}\n\n{kontext_suffix}"
-                print(f"{self.LOG_PREFIX} Kontext预设: 添加前缀和后缀")
-
-            # 执行图像分析
-            print(f"{self.LOG_PREFIX} 开始Kontext预设分析: {视觉服务}")
 
             # 映射视觉服务选项到provider
             provider_map = {
@@ -199,19 +209,23 @@ class KontextPresetNode:
             if not provider_config:
                 raise ValueError(f"未找到{视觉服务}的配置，请先完成API配置")
 
-            print(f"{self.LOG_PREFIX} Kontext预设: 使用{视觉服务}服务, API: {provider_config.get('model')}")
+            # 创建请求ID
+            request_id = f"kontext_preset_{int(time.time())}_{random.randint(1000, 9999)}"
+            
+            # 准备阶段日志（合并为一条）
+            print(f"{self.REQUEST_PREFIX} Kontext预设准备 | 服务:{视觉服务} | 模型:{provider_config.get('model')} | 预设:{preset_name} | 请求ID:{request_id}")
 
             # 执行图像分析
-            result = self._analyze_with_vision_service(image_data, final_prompt, selected_provider, provider_config)
+            result = self._analyze_with_vision_service(image_data, final_prompt, selected_provider, provider_config, request_id, Ollama自动释放)
 
             if result and result.get('success'):
                 description = result.get('data', {}).get('description', '').strip()
                 if not description:
                     error_msg = 'API返回结果为空，请检查API密钥、模型配置或网络连接'
-                    print(f"{self.LOG_PREFIX} Kontext预设分析失败: {error_msg}")
+                    print(f"{self.LOG_PREFIX} Kontext预设失败 | 错误:{error_msg}")
                     raise RuntimeError(f"分析失败: {error_msg}")
 
-                print(f"{self.LOG_PREFIX} Kontext预设分析完成，结果长度: {len(description)}")
+                # 服务层已经打印了完成日志，这里不再重复
                 return (description,)
             else:
                 error_msg = result.get('error', '分析失败，未知错误') if result else '分析服务未返回结果'
@@ -226,17 +240,15 @@ class KontextPresetNode:
             print(f"{self.LOG_PREFIX} Kontext预设节点异常: {error_msg}")
             raise RuntimeError(f"分析异常: {error_msg}")
 
-    def _analyze_with_vision_service(self, image_data, prompt_template, provider, provider_config):
+    def _analyze_with_vision_service(self, image_data, prompt_template, provider, provider_config, request_id, auto_unload):
         """使用视觉服务分析图像"""
         try:
-            # 创建请求ID
-            request_id = f"kontext_preset_{int(time.time())}_{random.randint(1000, 9999)}"
             result_container = {}
 
             # 在独立线程中运行图像分析
             thread = threading.Thread(
                 target=self._run_async_vision_analysis,
-                args=(image_data, prompt_template, request_id, result_container, provider, provider_config)
+                args=(image_data, prompt_template, request_id, result_container, provider, provider_config, auto_unload)
             )
             thread.start()
 
@@ -264,7 +276,7 @@ class KontextPresetNode:
         except Exception as e:
             return {"success": False, "error": str(e)}
 
-    def _run_async_vision_analysis(self, image_data, prompt_template, request_id, result_container, provider, provider_config):
+    def _run_async_vision_analysis(self, image_data, prompt_template, request_id, result_container, provider, provider_config, auto_unload):
         """在独立线程中运行异步图像分析任务"""
         loop = asyncio.new_event_loop()
         asyncio.set_event_loop(loop)
@@ -274,21 +286,107 @@ class KontextPresetNode:
                 result_container['result'] = {"success": False, "error": "任务被中断"}
                 return
 
-            result = loop.run_until_complete(
-                VisionService.analyze_image(image_data, request_id, None, prompt_template, provider, provider_config)
-            )
+            # 获取API密钥和模型
+            api_key = provider_config.get('api_key', '')
+            model = provider_config.get('model', '')
+            temperature = provider_config.get('temperature', 0.7)
+            top_p = provider_config.get('top_p', 0.9)
+            max_tokens = provider_config.get('max_tokens', 500)
+
+            if not api_key or not model:
+                result_container['result'] = {
+                    "success": False,
+                    "error": f"请先配置{provider}的API密钥和模型"
+                }
+                return
+
+            # 检查是否启用直连模式
+            bypass_proxy = False
+            try:
+                from ..config_manager import config_manager as cm
+                settings = cm.get_settings()
+                bypass_proxy = settings.get('PromptAssistant.Settings.BypassProxy', False)
+            except Exception:
+                pass
+            
+            direct_mode_tag = "(直连)" if bypass_proxy else ""
+
+            # 获取提供商显示名称
+            provider_display_name = KontextPresetNode.PROVIDER_DISPLAY_MAP.get(provider, provider)
+
+            # 创建客户端（复用VisionService的工具方法）
+            client = VisionService.get_openai_client(api_key, provider)
+
+            # 预处理图像（复用VisionService的工具方法）
+            image_data = VisionService.preprocess_image(image_data, request_id)
+
+            # 构建消息
+            messages = [{
+                "role": "user",
+                "content": [
+                    {"type": "text", "text": prompt_template},
+                    {"type": "image_url", "image_url": {"url": image_data}}
+                ]
+            }]
+
+            print(f"{KontextPresetNode.PROCESS_PREFIX} 调用{provider_display_name}视觉API{direct_mode_tag} | 模型:{model}")
+
+            # 调用API
+            stream = loop.run_until_complete(client.chat.completions.create(
+                model=model,
+                messages=messages,
+                temperature=temperature,
+                top_p=top_p,
+                max_tokens=max_tokens,
+                stream=True
+            ))
+
+            # 处理流式响应
+            full_content = ""
+            
+            async def process_stream():
+                nonlocal full_content
+                async for chunk in stream:
+                    if result_container.get('interrupted'):
+                        break
+                    # 兼容部分第三方网关返回空 choices 的异常片段
+                    choices = getattr(chunk, "choices", None) or []
+                    for ch in choices:
+                        delta = getattr(ch, "delta", None)
+                        if not delta:
+                            continue
+                        content = getattr(delta, "content", None)
+                        if content:
+                            full_content += content
+
+            loop.run_until_complete(process_stream())
 
             # 检查是否在执行过程中被中断了
             if result_container.get('interrupted'):
                 result_container['result'] = {"success": False, "error": "任务被中断"}
                 return
 
-            result_container['result'] = result
+            result_container['result'] = {
+                "success": True,
+                "data": {
+                    "description": full_content
+                }
+            }
+            
+            # Ollama自动释放显存
+            if provider == 'ollama':
+                try:
+                    loop.run_until_complete(self._unload_ollama_model(model, provider_config, auto_unload))
+                except Exception as e:
+                    # 释放失败不影响结果
+                    pass
+
         except Exception as e:
             if result_container.get('interrupted'):
                 result_container['result'] = {"success": False, "error": "任务被中断"}
             else:
-                result_container['result'] = {"success": False, "error": str(e)}
+                error_message = format_api_error(e, provider_display_name if 'provider_display_name' in locals() else provider)
+                result_container['result'] = {"success": False, "error": error_message}
         finally:
             loop.close()
 
@@ -299,6 +397,43 @@ class KontextPresetNode:
             return vision_config['providers'][provider]
         return None
     
+    async def _unload_ollama_model(self, model: str, provider_config: dict, auto_unload: bool):
+        """
+        卸载Ollama模型以释放显存和内存
+        
+        参数:
+            model: 模型名称
+            provider_config: 提供商配置字典
+            auto_unload: 是否启用自动释放（来自节点参数）
+        """
+        try:
+            # 检查是否启用自动释放（使用节点参数，不从provider_config读取）
+            if not auto_unload:
+                return
+            
+            # 获取base_url
+            base_url = provider_config.get('base_url', 'http://localhost:11434')
+            # 确保URL不以/v1结尾（Ollama原生API不需要/v1）
+            if base_url.endswith('/v1'):
+                base_url = base_url[:-3]
+            
+            # 调用Ollama API卸载模型
+            url = f"{base_url}/api/generate"
+            payload = {
+                "model": model,
+                "keep_alive": 0  # 立即卸载模型
+            }
+            
+            print(f"{self.PROCESS_PREFIX} Ollama自动释放显存 | 模型:{model}")
+            
+            import httpx
+            async with httpx.AsyncClient(timeout=5.0) as client:
+                await client.post(url, json=payload)
+                
+        except Exception as e:
+            # 释放失败不影响主流程，只记录警告
+            print(f"{self.LOG_PREFIX} Ollama模型释放失败（不影响结果） | 模型:{model} | 错误:{str(e)[:50]}")
+    
     def _image_to_base64(self, image_tensor):
         """将图像张量转换为base64编码"""
         # 确保图像是正确的形状 [batch, height, width, channels]
diff --git a/node/translate_node.py b/node/translate_node.py
index 40e26e2..263ceb8 100644
--- a/node/translate_node.py
+++ b/node/translate_node.py
@@ -14,7 +14,9 @@ from ..services.error_util import format_api_error
 
 
 # 定义ANSI颜色代码常量
-GREEN = "\033[92m"
+GREEN = "\033[32m"
+BLUE = "\033[34m"
+YELLOW = "\033[33m"
 RESET = "\033[0m"
 
 
@@ -23,8 +25,19 @@ class PromptTranslate:
     文本翻译节点
     自动识别输入语言并翻译成目标语言，支持多种翻译服务
     """
-    # 定义日志前缀（带绿色）
-    LOG_PREFIX = f"{GREEN}[PromptAssistant]{RESET}"
+    # 定义日志前缀
+    LOG_PREFIX = f"{GREEN}[✨PromptAssistant]{RESET}"  # 绿色：结果阶段
+    REQUEST_PREFIX = f"{BLUE}[✨PromptAssistant]{RESET}"  # 蓝色：准备阶段
+    PROCESS_PREFIX = f"{YELLOW}[✨PromptAssistant]{RESET}"  # 黄色：API调用阶段
+    
+    # 提供商显示名称映射
+    PROVIDER_DISPLAY_MAP = {
+        "zhipu": "智谱",
+        "siliconflow": "硅基流动",
+        "302ai": "302.AI",
+        "ollama": "Ollama",
+        "custom": "自定义"
+    }
 
     @classmethod
     def INPUT_TYPES(cls):
@@ -33,6 +46,8 @@ class PromptTranslate:
                 "原文": ("STRING", {"forceInput": True, "default": "", "multiline": True, "placeholder": "输入要翻译的文本..."}),
                 "目标语言": (["英文", "中文"], {"default": "英文"}),
                 "翻译服务": (["百度翻译", "智谱翻译", "硅基流动翻译", "302.AI翻译", "Ollama翻译", "自定义翻译"], {"default": "百度翻译"}),
+                # Ollama自动释放：仅对Ollama翻译服务生效
+                "Ollama自动释放": ("BOOLEAN", {"default": True, "label_on": "启用", "label_off": "禁用", "tooltip": "⚠️ 该选项仅在选择了Ollama服务时生效"}),
             },
         }
 
@@ -43,7 +58,7 @@ class PromptTranslate:
     OUTPUT_NODE = False
     
     @classmethod
-    def IS_CHANGED(cls, 原文, 目标语言, 翻译服务):
+    def IS_CHANGED(cls, 原文, 目标语言, 翻译服务, Ollama自动释放):
         """
         只在输入内容真正变化时才触发重新执行
         使用输入参数的哈希值作为判断依据
@@ -58,7 +73,8 @@ class PromptTranslate:
         input_hash = hash((
             text_hash,
             目标语言,
-            翻译服务
+            翻译服务,
+            bool(Ollama自动释放)
         ))
 
         return input_hash
@@ -86,7 +102,7 @@ class PromptTranslate:
         else:
             return "auto"
     
-    def translate(self, 原文, 目标语言, 翻译服务):
+    def translate(self, 原文, 目标语言, 翻译服务, Ollama自动释放):
         """
         翻译文本函数
 
@@ -94,6 +110,7 @@ class PromptTranslate:
             原文: 输入的文本
             目标语言: 目标语言 ("英文", "中文")
             翻译服务: 翻译服务 ("百度翻译", "智谱翻译")
+            Ollama自动释放: 是否在调用完成后自动释放Ollama模型（仅对Ollama翻译生效）
 
         Returns:
             tuple: 翻译结果
@@ -110,30 +127,32 @@ class PromptTranslate:
             # 智能跳过翻译逻辑
             skip_translation = False
             if to_lang == 'en' and detected_lang == 'en':
-                print(f"{self.LOG_PREFIX} 检测到英文输入，目标为英文，无需翻译。")
+                print(f"{self.REQUEST_PREFIX} 检测到英文输入，目标为英文，无需翻译")
                 skip_translation = True
             elif to_lang == 'zh' and detected_lang == 'zh':
-                print(f"{self.LOG_PREFIX} 检测到中文输入，目标为中文，无需翻译。")
+                print(f"{self.REQUEST_PREFIX} 检测到中文输入，目标为中文，无需翻译")
                 skip_translation = True
 
             if skip_translation:
                 return (原文,)
 
-            # 执行翻译
-            print(f"{self.LOG_PREFIX} 开始翻译: {detected_lang} -> {to_lang}, 服务: {翻译服务}")
-
+            # 映射语言名称
+            lang_map = {'zh': '中文', 'en': '英文', 'auto': '原文'}
+            from_lang_name = lang_map.get(detected_lang, detected_lang)
+            to_lang_name = lang_map.get(to_lang, to_lang)
+            
             if 翻译服务 == "百度翻译":
-                result = self._translate_with_baidu(原文, detected_lang, to_lang)
+                result = self._translate_with_baidu(原文, detected_lang, to_lang, 翻译服务, from_lang_name, to_lang_name)
             elif 翻译服务 == "智谱翻译":
-                result = self._translate_with_llm(原文, detected_lang, to_lang, "zhipu")
+                result = self._translate_with_llm(原文, detected_lang, to_lang, "zhipu", 翻译服务, from_lang_name, to_lang_name, Ollama自动释放)
             elif 翻译服务 == "硅基流动翻译":
-                result = self._translate_with_llm(原文, detected_lang, to_lang, "siliconflow")
+                result = self._translate_with_llm(原文, detected_lang, to_lang, "siliconflow", 翻译服务, from_lang_name, to_lang_name, Ollama自动释放)
             elif 翻译服务 == "302.AI翻译":
-                result = self._translate_with_llm(原文, detected_lang, to_lang, "302ai")
+                result = self._translate_with_llm(原文, detected_lang, to_lang, "302ai", 翻译服务, from_lang_name, to_lang_name, Ollama自动释放)
             elif 翻译服务 == "Ollama翻译":
-                result = self._translate_with_llm(原文, detected_lang, to_lang, "ollama")
+                result = self._translate_with_llm(原文, detected_lang, to_lang, "ollama", 翻译服务, from_lang_name, to_lang_name, Ollama自动释放)
             elif 翻译服务 == "自定义翻译":
-                result = self._translate_with_llm(原文, detected_lang, to_lang, "custom")
+                result = self._translate_with_llm(原文, detected_lang, to_lang, "custom", 翻译服务, from_lang_name, to_lang_name, Ollama自动释放)
             else:
                 raise ValueError(f"不支持的翻译服务: {翻译服务}")
 
@@ -141,10 +160,13 @@ class PromptTranslate:
                 translated_text = result.get('data', {}).get('translated', '').strip()
                 if not translated_text:
                     error_msg = 'API返回结果为空，请检查API密钥、模型配置或网络连接'
-                    print(f"{self.LOG_PREFIX} 翻译失败: {error_msg}")
+                    print(f"{self.LOG_PREFIX} 翻译失败 | 错误:{error_msg}")
                     raise RuntimeError(f"翻译失败: {error_msg}")
 
-                print(f"{self.LOG_PREFIX} 翻译完成，结果长度: {len(translated_text)}")
+                # 结果阶段日志（合并为一条）
+                # 获取request_id（从result或重新生成时间戳）
+                request_id = result.get('request_id', 'unknown')
+                print(f"{self.LOG_PREFIX} 翻译完成 | 服务:{翻译服务} | 结果字符数:{len(translated_text)}")
                 return (translated_text,)
             else:
                 error_msg = result.get('error', '翻译失败，未知错误') if result else '翻译服务未返回结果'
@@ -159,11 +181,15 @@ class PromptTranslate:
             print(f"{self.LOG_PREFIX} 翻译异常: {error_msg}")
             raise RuntimeError(f"翻译异常: {error_msg}")
 
-    def _translate_with_baidu(self, text, from_lang, to_lang):
+    def _translate_with_baidu(self, text, from_lang, to_lang, service_name, from_lang_name, to_lang_name):
         """使用百度翻译服务"""
         try:
             # 创建请求ID
             request_id = f"translate_{int(time.time())}_{random.randint(1000, 9999)}"
+            
+            # 准备阶段日志（合并为一条）
+            print(f"{PromptTranslate.REQUEST_PREFIX} 翻译准备 | 服务:{service_name} | 方向:{from_lang_name} → {to_lang_name} | 长度:{len(text)} | 请求ID:{request_id}")
+            
             result_container = {}
 
             # 在独立线程中运行异步翻译
@@ -197,7 +223,7 @@ class PromptTranslate:
         except Exception as e:
             return {"success": False, "error": str(e)}
 
-    def _translate_with_llm(self, text, from_lang, to_lang, provider):
+    def _translate_with_llm(self, text, from_lang, to_lang, provider, service_name, from_lang_name, to_lang_name, auto_unload):
         """使用LLM翻译服务"""
         try:
             # 获取配置
@@ -205,24 +231,21 @@ class PromptTranslate:
             provider_config = self._get_provider_config(config_manager, provider)
 
             if not provider_config:
-                provider_display_map = {
-                    "zhipu": "智谱翻译",
-                    "siliconflow": "硅基流动翻译",
-                    "302ai": "302.AI翻译",
-                    "ollama": "Ollama翻译",
-                    "custom": "自定义翻译"
-                }
-                provider_display_name = provider_display_map.get(provider, provider)
+                provider_display_name = self.PROVIDER_DISPLAY_MAP.get(provider, provider)
                 return {"success": False, "error": f"未找到{provider_display_name}的配置，请先完成API配置"}
 
             # 创建请求ID
             request_id = f"translate_{int(time.time())}_{random.randint(1000, 9999)}"
+            
+            # 准备阶段日志（合并为一条）
+            print(f"{PromptTranslate.REQUEST_PREFIX} 翻译准备 | 服务:{service_name} | 模型:{provider_config.get('model')} | 方向:{from_lang_name} → {to_lang_name} | 长度:{len(text)} | 请求ID:{request_id}")
+            
             result_container = {}
 
             # 在独立线程中运行LLM翻译
             thread = threading.Thread(
                 target=self._run_llm_translation,
-                args=(text, from_lang, to_lang, request_id, result_container, provider, provider_config)
+                args=(text, from_lang, to_lang, request_id, result_container, provider, provider_config, auto_unload)
             )
             thread.start()
 
@@ -284,8 +307,45 @@ class PromptTranslate:
         if 'providers' in llm_config and provider in llm_config['providers']:
             return llm_config['providers'][provider]
         return None
+    
+    async def _unload_ollama_model(self, model: str, provider_config: dict, auto_unload: bool):
+        """
+        卸载Ollama模型以释放显存和内存
+        
+        参数:
+            model: 模型名称
+            provider_config: 提供商配置字典
+            auto_unload: 是否启用自动释放（来自节点参数）
+        """
+        try:
+            # 检查是否启用自动释放（使用节点参数，不从provider_config读取）
+            if not auto_unload:
+                return
+            
+            # 获取base_url
+            base_url = provider_config.get('base_url', 'http://localhost:11434')
+            # 确保URL不以/v1结尾（Ollama原生API不需要/v1）
+            if base_url.endswith('/v1'):
+                base_url = base_url[:-3]
+            
+            # 调用Ollama API卸载模型
+            url = f"{base_url}/api/generate"
+            payload = {
+                "model": model,
+                "keep_alive": 0  # 立即卸载模型
+            }
+            
+            print(f"{self.PROCESS_PREFIX} Ollama自动释放显存 | 模型:{model}")
+            
+            import httpx
+            async with httpx.AsyncClient(timeout=5.0) as client:
+                await client.post(url, json=payload)
+                
+        except Exception as e:
+            # 释放失败不影响主流程，只记录警告
+            print(f"{self.LOG_PREFIX} Ollama模型释放失败（不影响结果） | 模型:{model} | 错误:{str(e)[:50]}")
 
-    def _run_llm_translation(self, text, from_lang, to_lang, request_id, result_container, provider, provider_config):
+    def _run_llm_translation(self, text, from_lang, to_lang, request_id, result_container, provider, provider_config, auto_unload):
         """在独立线程中运行LLM翻译"""
         loop = asyncio.new_event_loop()
         asyncio.set_event_loop(loop)
@@ -306,6 +366,20 @@ class PromptTranslate:
                 }
                 return
 
+            # 检查是否启用直连模式
+            bypass_proxy = False
+            try:
+                from ..config_manager import config_manager as cm
+                settings = cm.get_settings()
+                bypass_proxy = settings.get('PromptAssistant.Settings.BypassProxy', False)
+            except Exception:
+                pass
+            
+            direct_mode_tag = "(直连)" if bypass_proxy else ""
+
+            # 获取提供商显示名称
+            provider_display_name = PromptTranslate.PROVIDER_DISPLAY_MAP.get(provider, provider)
+
             # 创建临时客户端
             client = LLMService.get_openai_client(api_key, provider)
 
@@ -339,7 +413,7 @@ class PromptTranslate:
                 {"role": "user", "content": text}
             ]
 
-            print(f"{PromptTranslate.LOG_PREFIX} 调用{provider}翻译API | 模型:{model}")
+            print(f"{PromptTranslate.PROCESS_PREFIX} 调用{provider_display_name}翻译API{direct_mode_tag} | 模型:{model}")
 
             # 调用API
             stream = loop.run_until_complete(client.chat.completions.create(
@@ -359,9 +433,15 @@ class PromptTranslate:
                     # 检查是否被中断
                     if result_container.get('interrupted'):
                         break
-                    if chunk.choices[0].delta.content:
-                        content = chunk.choices[0].delta.content
-                        full_content += content
+                    # 兼容部分第三方网关返回空 choices 的异常片段，做健壮性判断
+                    choices = getattr(chunk, "choices", None) or []
+                    for ch in choices:
+                        delta = getattr(ch, "delta", None)
+                        if not delta:
+                            continue
+                        content = getattr(delta, "content", None)
+                        if content:
+                            full_content += content
 
             loop.run_until_complete(process_stream())
 
@@ -379,25 +459,26 @@ class PromptTranslate:
                     "translated": full_content
                 }
             }
-            print(f"{PromptTranslate.LOG_PREFIX} 翻译完成 | 服务:{provider} | 结果字符数:{len(full_content)}")
+            
+            # Ollama自动释放显存
+            if provider == 'ollama':
+                try:
+                    loop.run_until_complete(self._unload_ollama_model(model, provider_config, auto_unload))
+                except Exception as e:
+                    # 释放失败不影响结果
+                    pass
+            
+            # 结果日志已在translate方法中统一打印，这里不再重复
 
         except Exception as e:
             # 格式化错误信息
-            provider_display_map = {
-                "zhipu": "智谱翻译",
-                "siliconflow": "硅基流动翻译",
-                "302ai": "302.AI翻译",
-                "ollama": "Ollama翻译",
-                "custom": "自定义翻译"
-            }
-            provider_display_name = provider_display_map.get(provider, provider)
             error_message = format_api_error(e, provider_display_name)
 
             result_container['result'] = {
                 "success": False,
                 "error": error_message
             }
-            print(f"{PromptTranslate.LOG_PREFIX} 翻译失败 | 服务:{provider} | 错误:{error_message}")
+            print(f"{PromptTranslate.LOG_PREFIX} 翻译失败 | 服务:{provider_display_name} | 错误:{error_message}")
         finally:
             loop.close()
 
diff --git a/services/baidu.py b/services/baidu.py
index 42a7fea..f0d836c 100644
--- a/services/baidu.py
+++ b/services/baidu.py
@@ -149,9 +149,10 @@ class BaiduTranslateService:
             from ..server import PREFIX, AUTO_TRANSLATE_PREFIX
 
             # 请求阶段：蓝色
+            # 百度翻译始终使用直连模式（trust_env=False）
             from ..server import AUTO_TRANSLATE_REQUEST_PREFIX, REQUEST_PREFIX
             prefix = AUTO_TRANSLATE_REQUEST_PREFIX if is_auto else REQUEST_PREFIX
-            print(f"{prefix} {'工作流自动翻译' if is_auto else '翻译请求'} | 服务:百度翻译 | 请求ID:{request_id} | 原文长度:{len(text)} | 方向:{from_lang}->{to_lang}")
+            print(f"{prefix} {'工作流自动翻译' if is_auto else '翻译请求'}(直连) | 服务:百度翻译 | 请求ID:{request_id} | 原文长度:{len(text)} | 方向:{from_lang}->{to_lang}")
 
             text_chunks = BaiduTranslateService.split_text_by_paragraphs(text)
             if not text_chunks:
diff --git a/services/llm.py b/services/llm.py
index c7d111c..7c90dd8 100644
--- a/services/llm.py
+++ b/services/llm.py
@@ -20,6 +20,16 @@ class LLMService:
         'ollama': 'http://localhost:11434/v1',
         'custom': None  # 使用配置中的自定义URL
     }
+    
+    # 提供商显示名称映射
+    _provider_display_names = {
+        'zhipu': '智谱',
+        'siliconflow': '硅基流动',
+        'openai': 'OpenAI',
+        '302ai': '302.AI',
+        'ollama': 'Ollama',
+        'custom': '自定义'
+    }
 
     @classmethod
     def get_openai_client(cls, api_key: str, provider: str) -> AsyncOpenAI:
@@ -53,6 +63,15 @@ class LLMService:
         else:
             base_url = cls._provider_base_urls.get(provider)
 
+        # 检查是否启用"跳过代理直连"
+        bypass_proxy = False
+        try:
+            from ..config_manager import config_manager
+            settings = config_manager.get_settings()
+            bypass_proxy = settings.get('PromptAssistant.Settings.BypassProxy', False)
+        except Exception:
+            pass
+
         # 创建简化的httpx客户端，明确禁用HTTP/2以提高国内服务商兼容性
         # 仅在"发起请求"阶段打印一条请求日志，避免重复
         from ..server import PROCESS_PREFIX
@@ -68,18 +87,23 @@ class LLMService:
         # read: 等待服务器响应的超时时间
         # write: 发送请求数据的超时时间
         # pool: 从连接池获取连接的超时时间
-        http_client = httpx.AsyncClient(
-            timeout=httpx.Timeout(
+        http_client_kwargs = {
+            'timeout': httpx.Timeout(
                 connect=10.0,  # 连接超时：10秒
                 read=60.0,     # 读取超时：60秒（流式响应需要较长时间）
                 write=10.0,    # 写入超时：10秒
                 pool=5.0       # 连接池超时：5秒
             ),
-            event_hooks={'request': [_on_request]},
-            http2=False,       # 明确禁用HTTP/2，提高国内服务商兼容性
-            proxy=None,        # 明确禁用代理，避免连接问题
-            verify=True        # 启用SSL验证，但使用系统证书
-        )
+            'event_hooks': {'request': [_on_request]},
+            'http2': False,    # 明确禁用HTTP/2，提高国内服务商兼容性
+            'verify': True     # 启用SSL验证，但使用系统证书
+        }
+        
+        # 如果启用"跳过代理直连"，则设置 proxy=None
+        if bypass_proxy:
+            http_client_kwargs['proxy'] = None
+        
+        http_client = httpx.AsyncClient(**http_client_kwargs)
 
         kwargs = {
             "api_key": api_key,
@@ -194,15 +218,21 @@ class LLMService:
             from ..server import PREFIX, ERROR_PREFIX
 
             # 获取提供商显示名称
-            provider_display_name = {
-                'zhipu': '智谱',
-                'siliconflow': '硅基流动',
-                'openai': 'OpenAI',
-                'custom': '自定义'
-            }.get(provider, provider)
+            provider_display_name = LLMService._provider_display_names.get(provider, provider)
+
+            # 检查是否启用直连模式
+            bypass_proxy = False
+            try:
+                from ..config_manager import config_manager as cm
+                settings = cm.get_settings()
+                bypass_proxy = settings.get('PromptAssistant.Settings.BypassProxy', False)
+            except Exception:
+                pass
+            
+            direct_mode_tag = "(直连)" if bypass_proxy else ""
 
             from ..server import REQUEST_PREFIX
-            print(f"{REQUEST_PREFIX} LLM扩写请求 | 服务:{provider_display_name} | ID:{request_id} | 内容:{prompt[:30]}...")
+            print(f"{REQUEST_PREFIX} LLM扩写请求{direct_mode_tag} | 服务:{provider_display_name} | ID:{request_id} | 内容:{prompt[:30]}...")
 
             # 加载系统提示词
             from ..config_manager import config_manager
@@ -258,9 +288,9 @@ class LLMService:
                     _thinking_tag = "（已关闭思维链）" if _thinking_extra else ""
                     from ..server import PROCESS_PREFIX
                     if attempt > 0:
-                        print(f"{PROCESS_PREFIX} 重试LLM API调用 | 尝试:{attempt + 1}/{max_retries} | 服务:{provider_display_name} | 模型:{model}{_thinking_tag}")
+                        print(f"{PROCESS_PREFIX} 重试LLM API调用{direct_mode_tag} | 尝试:{attempt + 1}/{max_retries} | 服务:{provider_display_name} | 模型:{model}{_thinking_tag}")
                     else:
-                        print(f"{PROCESS_PREFIX} 调用LLM API | 服务:{provider_display_name} | 模型:{model}{_thinking_tag}")
+                        print(f"{PROCESS_PREFIX} 调用LLM API{direct_mode_tag} | 服务:{provider_display_name} | 模型:{model}{_thinking_tag}")
                     start_time = time.perf_counter()
 
                     # 兼容不同提供商：将 reasoning_effort 放到顶层，其它参数放入 extra_body
@@ -406,17 +436,23 @@ class LLMService:
             from ..server import PREFIX, AUTO_TRANSLATE_PREFIX
 
             # 获取提供商显示名称
-            provider_display_name = {
-                'zhipu': '智谱',
-                'siliconflow': '硅基流动',
-                'openai': 'OpenAI',
-                'custom': '自定义'
-            }.get(provider, provider)
+            provider_display_name = LLMService._provider_display_names.get(provider, provider)
+
+            # 检查是否启用直连模式
+            bypass_proxy = False
+            try:
+                from ..config_manager import config_manager as cm
+                settings = cm.get_settings()
+                bypass_proxy = settings.get('PromptAssistant.Settings.BypassProxy', False)
+            except Exception:
+                pass
+            
+            direct_mode_tag = "(直连)" if bypass_proxy else ""
 
             # 使用统一的前缀（请求阶段使用蓝色）
             from ..server import AUTO_TRANSLATE_REQUEST_PREFIX, REQUEST_PREFIX
             prefix = AUTO_TRANSLATE_REQUEST_PREFIX if is_auto else REQUEST_PREFIX
-            print(f"{prefix} {'工作流自动翻译' if is_auto else '翻译请求'} | 服务:{provider_display_name}翻译 | 请求ID:{request_id} | 原文长度:{len(text)} | 方向:{from_lang}->{to_lang}")
+            print(f"{prefix} {'工作流自动翻译' if is_auto else '翻译请求'}{direct_mode_tag} | 服务:{provider_display_name}翻译 | 请求ID:{request_id} | 原文长度:{len(text)} | 方向:{from_lang}->{to_lang}")
 
             # 加载系统提示词
             from ..config_manager import config_manager
@@ -461,9 +497,9 @@ class LLMService:
                     _thinking_tag = "（已关闭思维链）" if _thinking_extra else ""
                     from ..server import PROCESS_PREFIX
                     if attempt > 0:
-                        print(f"{PROCESS_PREFIX} 重试LLM API调用 | 尝试:{attempt + 1}/{max_retries} | 服务:{provider_display_name} | 模型:{model}{_thinking_tag}")
+                        print(f"{PROCESS_PREFIX} 重试LLM API调用{direct_mode_tag} | 尝试:{attempt + 1}/{max_retries} | 服务:{provider_display_name} | 模型:{model}{_thinking_tag}")
                     else:
-                        print(f"{PROCESS_PREFIX} 调用LLM API | 服务:{provider_display_name} | 模型:{model}{_thinking_tag}")
+                        print(f"{PROCESS_PREFIX} 调用LLM API{direct_mode_tag} | 服务:{provider_display_name} | 模型:{model}{_thinking_tag}")
                     start_time = time.perf_counter()
 
                     # 兼容不同提供商：将 reasoning_effort 放到顶层，其它参数放入 extra_body
diff --git a/services/vlm.py b/services/vlm.py
index 75dc4dd..8e5c8ef 100644
--- a/services/vlm.py
+++ b/services/vlm.py
@@ -21,6 +21,16 @@ class VisionService:
         'ollama': 'http://localhost:11434/v1',
         'custom': None  # 使用配置中的自定义URL
     }
+    
+    # 提供商显示名称映射
+    _provider_display_names = {
+        'zhipu': '智谱',
+        'siliconflow': '硅基流动',
+        'openai': 'OpenAI',
+        '302ai': '302.AI',
+        'ollama': 'Ollama',
+        'custom': '自定义'
+    }
 
     @classmethod
     def get_openai_client(cls, api_key: str, provider: str) -> AsyncOpenAI:
@@ -52,6 +62,15 @@ class VisionService:
         else:
             base_url = cls._provider_base_urls.get(provider)
 
+        # 检查是否启用"跳过代理直连"
+        bypass_proxy = False
+        try:
+            from ..config_manager import config_manager
+            settings = config_manager.get_settings()
+            bypass_proxy = settings.get('PromptAssistant.Settings.BypassProxy', False)
+        except Exception:
+            pass
+
         # 创建简化的httpx客户端，明确禁用HTTP/2以提高国内服务商兼容性
         # 视觉模型需要较长的超时时间
         # 仅在"发起请求"阶段打印一条请求日志，避免重复
@@ -65,18 +84,23 @@ class VisionService:
 
         # 使用细粒度的超时配置，提高网络波动下的稳定性
         # 视觉模型处理需要较长时间，因此读取超时设置更长
-        http_client = httpx.AsyncClient(
-            timeout=httpx.Timeout(
+        http_client_kwargs = {
+            'timeout': httpx.Timeout(
                 connect=15.0,   # 连接超时：15秒
                 read=120.0,     # 读取超时：120秒（视觉模型分析需要更长时间）
                 write=15.0,     # 写入超时：15秒
                 pool=10.0       # 连接池超时：10秒
             ),
-            event_hooks={'request': [_on_request]},
-            http2=False,       # 明确禁用HTTP/2，提高国内服务商兼容性
-            proxy=None,        # 明确禁用代理，避免连接问题
-            verify=True        # 启用SSL验证，但使用系统证书
-        )
+            'event_hooks': {'request': [_on_request]},
+            'http2': False,    # 明确禁用HTTP/2，提高国内服务商兼容性
+            'verify': True     # 启用SSL验证，但使用系统证书
+        }
+        
+        # 如果启用"跳过代理直连"，则设置 proxy=None
+        if bypass_proxy:
+            http_client_kwargs['proxy'] = None
+        
+        http_client = httpx.AsyncClient(**http_client_kwargs)
 
         kwargs = {
             "api_key": api_key,
@@ -290,12 +314,7 @@ class VisionService:
             image_data = VisionService.preprocess_image(image_data, request_id)
 
             # 获取提供商显示名称
-            provider_display_name = {
-                'zhipu': '智谱',
-                'siliconflow': '硅基流动',
-                'openai': 'OpenAI',
-                'custom': '自定义'
-            }.get(provider, provider)
+            provider_display_name = VisionService._provider_display_names.get(provider, provider)
 
             # 直接使用传入的提示词内容
             system_prompt = prompt_content
@@ -308,14 +327,8 @@ class VisionService:
                 from ..config_manager import config_manager
                 system_prompts_all = config_manager.get_system_prompts()
                 vision_prompts = (system_prompts_all or {}).get('vision_prompts', {})
-                matched_name = None
-                for pid, pdata in vision_prompts.items():
-                    if isinstance(pdata, dict) and pdata.get('content') == system_prompt:
-                        matched_name = pdata.get('name', pid)
-                        break
-                if matched_name:
-                    from ..server import REQUEST_PREFIX
-                    print(f"{REQUEST_PREFIX} 使用视觉反推规则：{matched_name}")
+                # 规则匹配不再打印，准备阶段已经显示过规则信息
+                pass
             except Exception:
                 pass
 
@@ -336,14 +349,25 @@ class VisionService:
             max_retries = 3
             retry_delay = 1.0  # 初始重试延迟（秒）
             
+            # 检查是否启用直连模式
+            bypass_proxy = False
+            try:
+                from ..config_manager import config_manager as cm
+                settings = cm.get_settings()
+                bypass_proxy = settings.get('PromptAssistant.Settings.BypassProxy', False)
+            except Exception:
+                pass
+            
+            direct_mode_tag = "(直连)" if bypass_proxy else ""
+            
             for attempt in range(max_retries):
                 try:
                     # 添加调试信息
                     from ..server import PROCESS_PREFIX
                     if attempt > 0:
-                        print(f"{PROCESS_PREFIX} 重试视觉模型API调用 | 尝试:{attempt + 1}/{max_retries} | 服务:{provider_display_name} | 模型:{model}{_thinking_tag}")
+                        print(f"{PROCESS_PREFIX} 重试视觉模型API调用{direct_mode_tag} | 尝试:{attempt + 1}/{max_retries} | 服务:{provider_display_name} | 模型:{model}{_thinking_tag}")
                     else:
-                        print(f"{PROCESS_PREFIX} 调用视觉模型API | 服务:{provider_display_name} | 模型:{model}{_thinking_tag}")
+                        print(f"{PROCESS_PREFIX} 调用视觉模型API{direct_mode_tag} | 服务:{provider_display_name} | 模型:{model}{_thinking_tag}")
                     start_time = time.perf_counter()
 
                     # 使用配置中的参数
@@ -434,7 +458,14 @@ class VisionService:
 
                 # 输出结构化成功日志
                 elapsed_ms = int((time.perf_counter() - start_time) * 1000)
-                print(f"{PREFIX} 视觉模型分析成功 | 服务:{provider_display_name} | 请求ID:{request_id} | 结果字符数:{len(full_content)} | 耗时:{elapsed_ms}ms")
+                # 根据request_id前缀判断节点类型
+                if request_id.startswith('image_caption_'):
+                    success_msg = "图像反推完成"
+                elif request_id.startswith('kontext_preset_'):
+                    success_msg = "Kontext预设完成"
+                else:
+                    success_msg = "图像反推成功"
+                print(f"{PREFIX} {success_msg} | 服务:{provider_display_name} | 请求ID:{request_id} | 结果字符数:{len(full_content)} | 耗时:{elapsed_ms}ms")
 
                 # Ollama自动释放显存
                 if provider == 'ollama':