用途：使用 ostris AI-Toolkit 训练自定义 LoRA，主要面向 WAN 2.2/2.1（人物、风格、视频运动）与 Z-Image（Turbo 与 Base，低显存图像 LoRA）。AI-Toolkit 是 MIT 许可的独立训练器，自带 Web UI，而非 ComfyUI 自定义节点。
主要能力：后端由 python run.py config/<job>.yml 驱动，UI 为 Node.js 应用，负责调度与监控任务，任务在 Python 后端运行，可关闭浏览器。输出为标准 .safetensors LoRA，放入 ComfyUI models/loras/ 后用 LoraLoaderModelOnly 加载。WAN 有图像 LoRA（较省资源，适合身份或风格）与视频 LoRA（较重，适合运动，建议云端）；Z-Image 仅图像。
安装与使用：安装脚本分两代，均克隆 ostris/ai-toolkit、按 GPU 代际安装 Torch 并启动 Web UI，安装路径不能含空格。V1（AI-TOOLKIT_AUTO_INSTALL.bat）需预装 Git、Python 3.10.x、Node 18+；V2（AI-TOOLKIT_AUTO_INSTALL-V2.bat，推荐）使用内置 Python 3.10.11 并自动安装 Git 与 Node。RunPod/Linux 用 AI-TOOLKIT_AUTO_INSTALL-RUNPOD.sh，装入 /workspace/ai-toolkit，UI 端口 8675，Jupyter 8888，需先设置 AI_TOOLKIT_AUTH。Windows 运行 LAUNCHER-TOOLKIT.bat 或 SECURE_LAUNCHER-TOOLKIT.bat。数据集需图像/片段与同名 .txt 配对，人物建议约 15–40 张多样图像。
限制与注意：参数表（WAN 与 Z-Image）为社区经验起点，非仓库示例配置，需以克隆中 config/examples/*.yml 为准调参。WAN 图像 LoRA 本地需 24GB+ 显存，视频/高分辨率/高 rank 更重，建议云端。Z-Image 显存要求最低，但仍应实测。启动器 .bat 来自第三方 HuggingFace 仓库，运行前应审查。其它已知问题包括 torchaudio 缺失、Blackwell onnxruntime 报错、路径含空格失败等。模型权重在任务时由 AI-Toolkit/HF 获取，非安装器下载。