feat: sync latest local version as authoritative codebase

Complete rewrite/sync of comfyui_o1key custom nodes.
Treat this commit as the current canonical version.

Co-Authored-By: Claude Sonnet 4.5 <[email protected]>

nodes/batch_images_o1key.py

@@ -0,0 +1,80 @@
+"""
+批量图像（o1key）节点
+复刻 ComfyUI 原生「批量图像」节点的动态输入行为：
+
+- 默认显示 2 个图像输入端口（图1, 图2）
+- 当最后一个端口连上图像后，自动追加新端口
+- 断开连线后，多余的端口自动消失，最少保留 2 个
+
+与原生节点的区别：
+  原生节点会把所有图像强制 resize 到第一张的分辨率再合并为单一 tensor。
+  本节点保留每张图的原始分辨率，以 list[Tensor] 形式输出（is_output_list）。
+  下游节点（如「多分辨率图像预览」）需开启 INPUT_IS_LIST 才能正确接收。
+
+实现方式：使用 V3 API 的 io.Autogrow.TemplateNames，
+框架原生支持动态 slot 增减，无需编写任何 JS 扩展。
+"""
+
+import torch
+from comfy_api.latest import io
+
+# 预生成 50 个端口名：图1, 图2, ..., 图50
+_SLOT_NAMES = [f"图{i}" for i in range(1, 51)]
+
+
+class BatchImagesO1key(io.ComfyNode):
+    """
+    批量图像（o1key）
+
+    - 动态输入端口（默认 2 个，最多 50 个），端口名为 图1、图2、图3...
+    - 连接最后一个端口时自动增加新端口
+    - 断开后自动减少，保持界面整洁
+    - 保留每张图的原始分辨率，不做任何 resize / 裁剪
+    - 输出为图像列表，可直接接入「多分辨率图像预览」节点
+    """
+
+    @classmethod
+    def define_schema(cls):
+        autogrow_template = io.Autogrow.TemplateNames(
+            input=io.Image.Input("image"),
+            names=_SLOT_NAMES,
+            min=2,
+        )
+        return io.Schema(
+            node_id="BatchImagesO1key",
+            display_name="加载图像（批量）",
+            category="image",
+            description=(
+                "将多个独立图像收集为图像列表输出，保留每张图的原始分辨率。\n"
+                "• 默认显示 2 个输入端口（图1、图2），连接最后一个后自动追加新端口\n"
+                "• 断开连线后端口自动减少，最少保留 2 个\n"
+                "• 不做任何 resize / 裁剪，原图尺寸原样输出\n"
+                "• 输出为图像列表，可直接接入「多分辨率图像预览」节点"
+            ),
+            search_aliases=["批量图像", "batch images", "合并图像", "图像合并", "stack images"],
+            inputs=[
+                io.Autogrow.Input("images", template=autogrow_template)
+            ],
+            outputs=[
+                io.Image.Output(display_name="图像", is_output_list=True),
+            ],
+        )
+
+    @classmethod
+    def execute(cls, images: io.Autogrow.Type) -> io.NodeOutput:
+        # images 是 dict，key 为 "图1", "图2", ... ；未连接的 slot 值为 None
+        tensors = [v for v in images.values() if v is not None]
+
+        if not tensors:
+            raise ValueError("批量图像（o1key）：请至少连接一张图像")
+
+        for i, t in enumerate(tensors):
+            h, w = t.shape[1], t.shape[2]
+            print(f"批量图像（o1key）：图{i + 1} → {w}×{h}，shape={list(t.shape)}")
+
+        print(f"批量图像（o1key）：共收集 {len(tensors)} 张，原始分辨率原样输出")
+
+        # 以 list[Tensor] 形式返回，每张图保持自身分辨率
+        return io.NodeOutput(tensors)
+
+