秋叶ComfyUI V17中文整合包：一键部署本地AI绘画节点工作流

秋叶ComfyUI V17中文整合包：一键部署本地AI绘画节点工作流

发布时间：2026/9/4 17:08:23
秋叶ComfyUI V17中文整合包：一键部署本地AI绘画节点工作流 这次我们来看一个对本地AI绘画工作流有重大提升的工具秋叶最新发布的ComfyUI V17中文整合包。这个项目的核心价值非常直接——它解决了ComfyUI原版对中文用户不友好的两大痛点复杂的安装配置和全英文的界面。现在无论是Windows还是Mac用户都能通过一键安装的方式快速获得一个支持中文提示词、拥有全中文界面的强大AI绘画工作流环境。对于已经熟悉Stable Diffusion WebUI秋叶包但想尝试更灵活、更高效节点式工作流的用户或者被ComfyUI原版安装劝退的新手来说这个整合包是一个绝佳的起点。它内置了必要的依赖、模型管理和常用插件让你能跳过繁琐的环境搭建直接进入创作和效率提升阶段。本文将带你完整走通从下载、安装到启动、验证的整个流程。你会了解到这个整合包的核心特性、硬件门槛、启动方式并通过实际的功能测试验证其中文支持、插件可用性以及作为生产力工具的稳定性。无论你是想体验ComfyUI的节点式编程魅力还是寻求一个更稳定的本地AI绘画解决方案这篇文章都能提供清晰的指引。1. 核心能力速览在深入操作之前我们先通过一个表格快速了解这个整合包的核心能力与规格这有助于你判断它是否适合你的设备和需求。能力项说明项目类型ComfyUI 图形化节点工作流的本地部署整合包核心改进全中文界面、支持中文提示词输入、一键安装支持平台Windows (主流版本如 Win10/11)、macOS (Intel Apple Silicon)硬件门槛推荐具备独立显卡 (NVIDIA GPU 效果最佳)显存4GB 以上可进行基础文生图。Mac 用户可利用 Apple Silicon 芯片的神经网络引擎加速。显存占用取决于加载的模型和工作流复杂度。基础 SD1.5 模型文生图6G 显存可流畅运行。实际占用需以具体操作测试为准。启动方式提供一键启动脚本(Windows为.batMac为.command或脚本)解压后双击即可运行。界面语言默认即为中文界面无需额外配置。主要功能完整的 ComfyUI 节点工作流功能支持文生图、图生图、局部重绘、ControlNet、LoRA 加载、多模型切换等。整合包通常预置优化插件。是否支持 API支持。ComfyUI 原生支持 API 调用整合包继承了此能力可用于自动化任务或与其他工具集成。是否支持批量任务支持。可通过工作流节点设置或 API 方式实现批量图片生成与处理。适合场景本地 AI 绘画创作、工作流学习与研究、定制化图像生成、需要中文环境的 Stable Diffusion 进阶用户。2. 适用场景与使用边界在决定使用之前明确它能做什么、不能做什么以及需要注意什么可以避免走弯路。这个整合包最适合以下用户从 Stable Diffusion WebUI 过渡的用户你已经熟悉了 A1111 WebUI 的基本操作但希望尝试更可控、可复现、效率更高的节点式工作流。被原生 ComfyUI 安装劝退的新手不想折腾 Python 环境、Git 克隆、依赖冲突等问题希望开箱即用。需要中文操作环境的创作者对全英文界面感到不便希望提示词输入、界面按钮、错误提示都是中文。追求工作流稳定与复用的开发者ComfyUI 的工作流可以保存为 JSON 文件便于分享和精准复现生成过程适合团队协作或系列作品创作。Mac 平台上的 AI 绘画爱好者提供了针对 macOS 的专门适配和启动方案。它能解决的核心问题安装复杂整合了 Python、PyTorch、CUDA/cuDNN (Win)、依赖包实现解压即用。语言障碍汉化了图形界面并优化了中文提示词的解析与处理。环境隔离通常采用便携式设计与系统环境隔离避免污染。插件管理预置或提供了便捷的插件安装方式如管理器、工作流示例等。需要注意的使用边界与合规提醒版权与授权整合包本身是开源工具的整合但其中用于生成图像的 AI 模型如 Stable Diffusion 系列有其特定的使用许可。用于商业用途前请务必了解所用模型的许可证如 CreativeML Open RAIL-M。生成涉及真人肖像的内容时必须获得当事人明确授权避免侵权。硬件限制虽然支持低显存模式如使用--lowvram参数但生成高分辨率、多步骤的复杂图像仍需足够的 GPU 内存。显存不足会导致生成失败或自动切换到 CPU速度极慢。学习曲线即使界面汉化ComfyUI 的节点式操作逻辑仍有一定学习成本不同于 WebUI 的线性流程。需要花时间理解节点连接与数据流。内容安全请负责任地使用 AI 生成技术。切勿生成任何违法、违规、侵犯他人权益或违背公序良俗的内容。工具本身不产生内容内容取决于使用者的输入与意图。3. 环境准备与前置条件在下载整合包之前请确保你的系统满足基本要求并做好必要的准备。1. 操作系统确认Windows: Windows 10 或 Windows 11 64位操作系统。确保系统更新至较新版本。macOS: 支持 Intel 芯片和 Apple Silicon (M1/M2/M3 系列) 的 Mac。建议系统版本在 macOS Monterey (12) 或更高。2. 硬件与存储空间显卡 (GPU)Windows (NVIDIA)这是最佳体验环境。请确保已安装最新版的 NVIDIA 显卡驱动程序。CUDA 和 cuDNN 等深度学习库通常已整合在包内无需单独安装。Windows (AMD/Intel)可通过 DirectML 或 CPU 模式运行但性能可能不及 NVIDIA GPU。整合包可能包含相关支持。macOS利用 Apple Silicon 的 Neural Engine 进行加速性能可观。Intel Mac 主要依赖 CPU速度较慢。内存 (RAM)建议16GB 或以上。处理大图或复杂工作流时内存占用会显著增加。磁盘空间整合包本体可能占用 5-10GB。最重要的是模型文件。你需要为模型预留充足空间基础 checkpoint 模型 (大模型)每个约 2-7GB。VAE、LoRA、ControlNet、Embedding 等数量众多总体可能占用数十 GB。建议准备至少 50GB 的可用固态硬盘 (SSD) 空间用于存放整合包和模型库。机械硬盘速度慢会影响模型加载速度。3. 网络环境首次启动时ComfyUI 或整合包管理器可能需要在线下载缺失的节点依赖或模型。请保持网络通畅。你需要自行下载所需的 AI 模型文件如从 Civitai、Hugging Face 等社区。这不是整合包提供的。4. 端口占用检查可选但建议ComfyUI 默认通过 Web 浏览器访问会占用一个本地端口常见如8188。如果你本地有其他服务如之前的 Stable Diffusion WebUI、其他 ComfyUI 实例占用了相同端口会导致冲突。启动前你可以通过命令检查端口占用非必须冲突时再处理也行# Windows (在命令提示符或 PowerShell 中) netstat -ano | findstr :8188 # macOS / Linux (在终端中) lsof -i :8188如果端口被占用后续启动时可以修改启动脚本中的端口号。4. 安装部署与启动方式这是最关键的一步。秋叶整合包通常设计为“解压即用”但仍有细节需要注意。步骤 1获取整合包从秋叶发布的官方渠道如百度网盘、GitHub Release 页面下载最新的ComfyUI_V17_秋叶整合包.7z或类似名称的压缩包。注意核对版本和平台区分 Windows 版和 Mac 版。步骤 2解压文件使用解压软件如 7-Zip、Bandizip、Mac 上的 The Unarchiver将压缩包解压到你希望安装的目录。路径建议路径中不要包含中文或特殊字符如!#$%^*()和空格使用纯英文或数字路径最佳例如D:\AI_Tools\ComfyUI或~/Applications/ComfyUI。这可以避免许多潜在的编码和路径解析问题。解压后你会看到一个包含多个文件和文件夹的目录其中应有run_nvidia_gpu.bat(Windows) 或run.command(Mac) 等启动文件。步骤 3放置模型文件首次使用必做整合包不包含模型。你需要将已有的 Stable Diffusion 模型文件放入指定文件夹。找到解压目录下的models文件夹其内部结构通常如下models/ ├── checkpoints/ # 放置大模型 (.ckpt, .safetensors) ├── vae/ # 放置 VAE 模型 ├── loras/ # 放置 LoRA 模型 ├── controlnet/ # 放置 ControlNet 模型 ├── clip/ # CLIP 相关模型通常无需手动放置 ├── clip_vision/ # CLIP Vision 模型 ├── gligen/ # GLIGEN 模型 ├── upscale_models/ # 超分辨率模型如 ESRGAN └── ... (其他)将你下载的模型文件放入对应的文件夹。例如将xxx.safetensors大模型放入models/checkpoints。步骤 4启动 ComfyUIWindows 用户进入解压后的文件夹。双击run_nvidia_gpu.bat文件如果你使用 NVIDIA GPU。如果你的显卡是 AMD 或 Intel或者想用 CPU 运行可能会有对应的run_amd_gpu.bat或run_cpu.bat请根据情况选择。首次运行会初始化环境可能会弹出一个命令行窗口自动安装一些 Python 依赖包。请耐心等待直到出现类似“* Running on http://127.0.0.1:8188”的输出信息。macOS 用户进入解压后的文件夹。双击run.command文件。系统可能会提示“无法打开因为来自不受信任的开发者”。此时需要进入系统设置 隐私与安全性在“安全性”部分找到相关提示点击“仍要打开”。首次运行同样会初始化请在终端窗口中等待直到看到服务启动成功的地址信息。步骤 5访问 Web 界面当启动脚本输出服务地址后通常是http://127.0.0.1:8188或http://127.0.0.1:8189打开你的浏览器Chrome、Edge 等在地址栏输入该地址并访问。如果一切顺利你将看到全中文的 ComfyUI 节点编辑器界面。恭喜安装成功5. 功能测试与效果验证成功启动并进入中文界面后我们需要进行一系列测试来验证核心功能是否正常工作并熟悉基本操作。5.1 基础文生图测试验证模型加载与中文提示词这是最基础的测试目的是确认大模型已正确加载并且中文提示词能生效。加载默认工作流首次打开界面可能是空的。点击右侧的“加载”按钮或类似名称在弹出窗口中导航至ComfyUI\web\default_workflows文件夹路径可能因整合包而异选择basic_text_to_image.json或类似的基础文生图工作流文件并打开。检查节点与模型工作流加载后你会看到一系列相连的节点。找到CheckpointLoaderSimple节点点击其中的“ckpt_name”下拉框。你应该能看到你放置在models/checkpoints文件夹中的大模型列表。选择一个你熟悉的模型例如v1-5-pruned-emaonly.safetensors。找到CLIPTextEncode(正面提示词) 和CLIPTextEncode_1(负面提示词) 节点。输入中文提示词在正面提示词节点CLIPTextEncode的文本框中输入一段中文描述例如“一只可爱的卡通猫戴着眼镜坐在书本上数字艺术细节丰富”。在负面提示词节点CLIPTextEncode_1中可以输入一些通用的负面词如“丑陋模糊畸形文字水印”。这是验证整合包中文支持的关键步骤。原版 ComfyUI 对复杂中文的处理可能不佳而整合包通常集成了更好的中文分词器或优化。设置生成参数找到KSampler节点设置采样步数steps如 20、CFG 值cfg如 7.5、采样器sampler_name如euler和调度器scheduler如normal。找到EmptyLatentImage节点设置生成图片的宽高width,height如 512x512。生成图像点击界面最右侧的“添加提示词队列”按钮或直接按CtrlEnter/CmdEnter。观察命令行窗口或界面下方的进度条。生成完成后图像会显示在VAEDecode节点连接的SaveImage节点预览区并自动保存到ComfyUI\output目录下。验证结果成功标志顺利生成与中文提示词语义相关的图片且图片质量正常。观察点生成过程中命令行无红色报错图片内容基本符合“卡通猫”的描述图片没有严重扭曲或噪点。5.2 插件与管理器测试验证扩展功能秋叶整合包通常会预装或集成一些实用插件和管理器极大方便了后续的扩展。查找插件管理器在 Web 界面中寻找名为“管理器”或“ComfyUI Manager”的按钮或标签页。点击进入。浏览可用插件在管理器中你应该能看到一个插件列表。这里可以浏览、安装、更新或卸载插件。尝试搜索一个常见插件如ComfyUI-Impact-Pack功能强大的工具包或efficiency-nodes-comfyui效率节点。安装测试选择一个你感兴趣的插件点击“安装”。观察命令行窗口看是否自动从 GitHub 克隆仓库并安装依赖。安装成功后通常需要重启 ComfyUI关闭启动脚本的窗口重新双击启动脚本。验证插件加载重启后在节点列表右键点击画布空白处或使用节点搜索框中搜索新安装插件提供的节点名称。如果能找到说明插件安装成功。加载预置工作流整合包可能自带一些演示工作流。尝试加载一个更复杂的工作流例如包含 ControlNet 或 LoRA 的测试多节点协作是否正常。5.3 图生图与 ControlNet 测试验证进阶功能如果基础文生图正常可以测试更复杂的流程。准备测试图在ComfyUI\input文件夹中放入一张简单的线稿或姿势图如一个人物轮廓。加载图生图工作流通过管理器或手动加载一个包含LoadImage、VAEEncode和ControlNet相关节点的工作流。连接节点使用LoadImage节点加载你的测试图。将其连接到ControlNet对应的预处理节点如CannyEdgePreprocessor或DWPreprocessor。再将预处理结果连接到ControlNetApply节点并加载对应的 ControlNet 模型需提前放入models/controlnet。确保ControlNetApply节点的输出连接到KSampler的positive和negative。生成与验证输入提示词例如“一个穿着时尚的模特”点击生成。成功标志是生成的图像在姿势、轮廓上与你输入的测试图高度一致证明 ControlNet 功能正常。6. 接口 API 与批量任务ComfyUI 不仅是一个图形界面工具更是一个可以通过 API 驱动的强大引擎。这对于自动化、集成到其他应用或批量处理至关重要。6.1 API 服务验证ComfyUI 启动后其 API 服务默认同时启用。确认 API 地址启动脚本输出的信息中除了 Web 地址也意味着 API 服务运行在同一个主机和端口上。API 基础地址通常是http://127.0.0.1:8188。获取可用工作流列表可选你可以通过简单的 GET 请求查看。curl http://127.0.0.1:8188/object_info通过 API 触发图像生成这是核心用法。你需要将当前界面的工作流导出为 API 格式。在 Web 界面中点击“保存”按钮旁的下拉箭头选择“保存API 格式”或类似选项保存为一个.json文件。这个 JSON 文件包含了所有节点和连接的完整信息。使用 Python 脚本调用 APIimport requests import json import uuid # ComfyUI 服务器地址 server_address http://127.0.0.1:8188 # 1. 加载你保存的 API 格式工作流文件 with open(你的工作流文件.json, r, encodingutf-8) as f: workflow json.load(f) # 2. 准备 API 请求负载 prompt workflow # 整个工作流定义就是 prompt # 你可以在这里动态修改 prompt 中的某些节点参数例如提示词 # prompt[6][inputs][text] 新的中文提示词 # 生成一个唯一的客户端 ID client_id str(uuid.uuid4()) # 3. 发送生成请求 api_url f{server_address}/prompt payload { prompt: prompt, client_id: client_id } response requests.post(api_url, jsonpayload) print(f提交响应: {response.status_code}, {response.json()}) # 4. 轮询获取生成结果简化示例实际需处理队列 # 更健壮的做法是使用 WebSocket 监听进度或轮询 /history 端点 if response.status_code 200: prompt_id response.json()[prompt_id] print(f任务 ID: {prompt_id}) # 等待一段时间后查询历史这里只是简单演示 import time time.sleep(30) # 等待生成完成时间取决于你的工作流复杂度 history_url f{server_address}/history/{prompt_id} history_resp requests.get(history_url) history_data history_resp.json() # 从 history_data 中解析输出的图片信息... print(生成任务已完成请检查输出文件夹。)注意上述代码仅为基本示例。生产环境应使用更完善的异步处理和结果监听机制如监听/wsWebSocket 端点。6.2 批量任务处理实现批量任务有两种主要思路方法一通过 API 循环调用这是最灵活的方式。你可以编写一个脚本遍历一个包含多组参数的列表如不同的提示词、种子、ControlNet 参考图等每次循环都构造一个对应的工作流prompt并通过上述 API 提交。方法二利用工作流内的批量节点一些高级插件如ComfyUI-Impact-Pack提供了专门的“批量处理”节点。你可以在工作流中设置一个输入目录节点会自动读取目录下的所有图片进行处理并将结果输出到指定目录。这更适合于图生图、重绘等需要对多张图片进行相同处理的场景。批量任务最佳实践队列管理ComfyUI 内部有任务队列。通过 API 提交的任务会依次执行。避免一次性提交过多任务导致内存溢出。错误处理在批量脚本中加入异常捕获和重试机制。资源监控批量处理时密切关注 GPU 显存占用避免因单任务过大导致后续任务失败。输出组织在 API 调用或工作流中为每批任务使用不同的输出子目录便于结果管理。7. 资源占用与性能观察了解工具的资源消耗模式有助于优化使用体验和排查问题。1. 观察显存占用Windows (NVIDIA)打开任务管理器 (CtrlShiftEsc)切换到“性能”选项卡选择 GPU查看“专用 GPU 内存”的使用情况。生成图片时显存占用会显著上升生成结束后部分释放。macOS (Apple Silicon)使用“活动监视器”在“内存”标签页中观察“内存压力”和各个进程的内存使用。对于 GPU 使用可以通过终端命令sudo powermetrics --samplers gpu_power -i 1000来观察需要关闭 SIP 或有一定门槛。通用命令行工具 (nvidia-smi)对于 Windows/Linux 的 NVIDIA 用户在命令行运行nvidia-smi可以实时查看所有进程的 GPU 显存占用。找到python.exe或comfyui相关进程。2. 性能影响因素模型大小SDXL 模型比 SD1.5 模型占用更多显存和计算资源。分辨率生成1024x1024的图片比512x512消耗更多显存且生成时间更长。采样步数steps值越高生成时间线性增加。ControlNet/LoRA 数量同时启用多个 ControlNet 或加载多个 LoRA 会增加显存开销。批处理大小在KSampler中设置batch_size大于 1 可以一次生成多张图但显存占用也近乎成倍增加。3. 降低资源占用的技巧使用--lowvram或--cpu模式启动修改启动脚本在启动命令后添加这些参数如果脚本支持。--lowvram会尝试更激进地优化显存但可能会降低速度。在 KSampler 中启用“降显存”选项某些采样器或整合包优化提供了此选项。使用 TAESD 解码器这是一种快速的 VAE 近似解码器可以显著降低解码阶段的显存占用和加快速度但可能损失少量细节。及时清理生成完成后可以点击界面上的“清除”按钮来释放当前工作流占用的部分内存。重启 ComfyUI 可以彻底释放所有资源。8. 常见问题与排查方法即使使用整合包也可能遇到一些问题。下表列出了常见问题及其解决方法。问题现象可能原因排查方式解决方案双击启动脚本后窗口闪退1. 路径包含中文或特殊字符。2. 运行库缺失如 VC Redist。3. 端口被占用。4. 显卡驱动太旧。1. 查看脚本最后几行错误信息可在脚本末尾加pause命令阻止关闭。2. 检查解压路径。3. 检查端口8188是否被占。1. 将整合包移动到纯英文路径。2. 为 Windows 安装最新的 VC Redist。3. 修改启动脚本中的--port参数为其他值如8189。4. 更新显卡驱动。Web 界面能打开但加载模型时失败或报错1. 模型文件损坏或不兼容。2. 模型文件未放在正确的models子目录下。3. 模型文件名包含特殊字符。1. 查看命令行窗口的红色错误信息。2. 核对模型文件路径和格式。1. 重新下载模型文件确保是.ckpt或.safetensors格式。2. 将模型文件放入models/checkpoints等对应文件夹。3. 重命名模型文件使用英文和数字。生成图片时显存不足 (OutOfMemory)1. 生成分辨率过高。2. 同时加载了过多大型模型或 LoRA。3. 批处理大小 (batch_size) 设置过大。1. 观察任务管理器中的显存使用情况。2. 检查工作流中加载的模型数量。1. 降低生成图片的宽高 (width/height)。2. 尝试使用--lowvram模式启动。3. 将batch_size改为 1。4. 关闭其他占用显存的程序。中文提示词效果不理想1. 模型本身对中文训练不足。2. 提示词语义过于复杂或歧义。1. 尝试相同的提示词用英文描述对比。2. 使用更简单、直接的中文词汇。1. 使用专门针对中文优化的模型或 LoRA。2. 在提示词中混合使用简单英文关键词和中文描述。3. 尝试整合包可能内置的中文提示词优化插件。插件安装失败或加载不显示1. 网络问题无法从 GitHub 克隆。2. 插件与当前 ComfyUI 版本不兼容。3. 安装后未重启。1. 查看管理器安装日志或命令行错误。2. 检查插件要求的 ComfyUI 版本。1. 检查网络连接或尝试使用代理。2. 在插件管理器中更新 ComfyUI 到兼容版本谨慎操作。3. 安装插件后务必完全关闭并重启 ComfyUI 服务。API 调用返回错误或超时1. API 地址或端口错误。2. 工作流 JSON 格式不正确。3. 服务器端生成任务失败。1. 确认服务器正在运行且端口正确。2. 在 Web 界面手动运行相同工作流看是否成功。3. 查看 ComfyUI 命令行输出的错误信息。1. 使用http://127.0.0.1:8188这样的完整地址。2. 确保通过“保存API 格式”导出的 JSON 未被手动错误修改。3. 简化工作流进行 API 测试逐步排查问题节点。Mac 上启动非常慢或报错1. Apple Silicon Mac 首次运行需要编译优化。2. 系统权限问题。3. Python 环境冲突。1. 首次启动时耐心等待会显示编译进度。2. 检查是否授予了终端或脚本完全磁盘访问权限。1. 首次启动可能耗时较长10-30分钟属正常现象。2. 在系统设置中为终端或相关应用添加“完全磁盘访问权限”。3. 确保按照整合包说明操作不要混用系统 Python。9. 最佳实践与使用建议为了获得更稳定、高效的体验遵循一些最佳实践很有帮助。首次使用先跑通最小流程不要一开始就加载复杂的、包含十几个 LoRA 的工作流。先用一个基础文生图工作流确认从模型加载、提示词输入到图片保存的整个链路是通的。建立规范的模型库目录在models文件夹下清晰分类存放你的模型。可以按类型、作者、风格建立子文件夹方便在 ComfyUI 的下拉菜单中快速查找。管理工作流文件将调试成功的、有价值的工作流.json或.png文件妥善保存。.json是 API 调用和精确复现的保证.png文件也内嵌了工作流信息可以直接拖入 ComfyUI 界面加载。建议建立专门的workflows目录进行归档。利用“队列”功能在界面中设置好参数后可以多次点击“队列”按钮连续生成多张不同种子或稍作修改的图片而无需每次重新设置适合抽卡。定期清理输出文件夹ComfyUI\output文件夹会积累大量图片定期清理或转移避免占用过多磁盘空间。备份关键配置如果你通过管理器安装了很多插件并进行了自定义配置建议定期备份整个整合包目录或者记录下已安装的插件列表。合规使用模型始终尊重模型作者的许可协议。对于生成内容特别是涉及真人相貌或可能用于商业用途的确保你拥有相应的权利或已获得授权。探索社区资源ComfyUI 的精华在于社区分享的工作流。访问如Civitai、OpenArt等平台搜索“ComfyUI workflow”可以找到无数实现特定效果如换脸、高清修复、特定艺术风格的现成工作流直接导入学习是快速提升的捷径。10. 总结秋叶的 ComfyUI V17 中文整合包通过提供全中文界面和一键安装极大地降低了 ComfyUI 这个强大节点的使用门槛。它让用户能够跳过环境配置的泥潭直接专注于 AI 绘画工作流的学习与创作本身。对于想要从 WebUI 升级到更可控、更高效流程的用户或者一直想尝试 ComfyUI 但被英文界面和复杂安装阻挡的用户来说这是一个非常值得尝试的解决方案。你最应该优先验证的是基础文生图流程和中文提示词支持这是整合包的核心价值点。在操作过程中最容易遇到的坑通常是路径问题、模型放置错误以及首次启动时的依赖安装等待。按照本文的步骤保持耐心大部分问题都能迎刃而解。成功部署后下一步就是深入探索 ComfyUI 的节点世界了。从加载一个社区分享的精彩工作流开始反向学习节点的连接逻辑逐步构建属于自己的自动化图像生成管线。无论是用于个人艺术创作还是作为集成到更大项目中的图像生成引擎这个中文整合包都为你提供了一个坚实且友好的起点。建议收藏本文在遇到问题时随时查阅排查清单。