fn_registry/python/functions/ml/comfyui_judge_image.md

name, kind, lang, domain, version, purity, signature, description, tags, uses_functions, uses_types, returns, returns_optional, error_type, imports, params, output, tested, tests, test_file_path, file_path

name	kind	lang	domain	version	purity	signature	description	tags	uses_functions	uses_types	returns	returns_optional	error_type	imports	params	output	tested	tests	test_file_path	file_path
comfyui_judge_image	function	py	ml	1.0.0	impure	def comfyui_judge_image(image_path: str, prompt: str, *, weights: dict = None, threshold: float = 6.0, clip_threshold: float = 0.24, server: str = '127.0.0.1:8188', model: str = 'claude-opus-4-8', venv_python: str = '~/ComfyUI/.venv/bin/python3') -> dict	Panel multi-juez que vota good/bad la calidad de una imagen generada. Agregadora del grupo comfyui-judge: combina comfyui_score_aesthetic (estetico 0-10), comfyui_score_clip_alignment (fidelidad 0-1) y comfyui_critique_image_llm (LLM-vision good/bad). Cada juez vota; veredicto por MAYORIA. Si un juez falla, se excluye y se anota; el panel sigue con los restantes. Es el gate objetivo para tests/DoD y el bucle de mejora de skills.	comfyui-judge ml quality gate aggregator scoring	comfyui_score_aesthetic_py_ml comfyui_score_clip_alignment_py_ml comfyui_critique_image_llm_py_ml			false	error_go_core		name desc image_path Ruta a la imagen en disco local. name desc prompt Prompt original de la generacion (usado por los jueces de fidelidad y critico). name desc weights Pesos {aesthetic, clip, llm} para el score agregado; None = iguales. No afecta al voto por mayoria (1 juez = 1 voto). keyword-only. name desc threshold Umbral 0-10 para el voto del juez estetico (score>=threshold => good). keyword-only. name desc clip_threshold Umbral 0-1 para el voto de fidelidad (score>=clip_threshold => good). keyword-only. name desc server host:port del server ComfyUI (pasado al juez de fidelidad). keyword-only. name desc model Modelo Anthropic para el juez critico LLM. keyword-only. name desc venv_python Python del venv ComfyUI para los jueces estetico/fidelidad. keyword-only.	dict {ok, verdict, score, votes, reasons, error, details}. verdict 'good'|'bad' por mayoria; score media ponderada 0-10 de los jueces vivos; votes = {clip, aesthetic, llm} cada uno 'good'|'bad'|'failed'; reasons agrega razones del critico + notas de jueces caidos; details lleva el dict crudo de cada juez. ok=False solo si los tres fallan.	true	tres votos good -> verdict good + score medio mayoria bad empate -> bad conservador juez caido se excluye sin crashear los tres jueces fallan -> ok=False weights afectan score pero no el voto	python/functions/ml/tests/test_comfyui_judge_image.py	python/functions/ml/comfyui_judge_image.py

Ejemplo

import sys, os
sys.path.insert(0, os.path.join("python", "functions"))
from ml.comfyui_judge_image import comfyui_judge_image

img = os.path.expanduser("~/ComfyUI/output/comfy_sdxl_00001_.png")
res = comfyui_judge_image(img, "a majestic lion standing on rocks at sunset, photorealistic")
print(res["verdict"], round(res["score"], 2), res["votes"])
# good 7.1 {'aesthetic': 'good', 'clip': 'good', 'llm': 'good'}

CLI directa:

python/.venv/bin/python3 python/functions/ml/comfyui_judge_image.py ~/ComfyUI/output/comfy_sdxl_00001_.png "a majestic lion at sunset"

Cuando usarla

• Como GATE objetivo de un test o DoD: "la imagen que produce este skill ComfyUI debe pasar el panel (verdict='good')". Un voto mayoritario es mas robusto que un solo score.
• En el bucle de mejora de skills: si el panel vota 'bad', sus reasons dicen que arreglar.
• Para elegir la mejor de N generaciones: ejecutar el panel sobre cada una y rankear por score (o exigir verdict='good').

Gotchas

• Es la suma de las gotchas de sus tres jueces. Necesita el venv de ComfyUI (torch + open_clip) para estetico/fidelidad y la API Anthropic para el critico.
• Degradacion, no fallo. Si un juez cae (p.ej. el LLM en 429), se marca votes[x]='failed', se anota en reasons y el veredicto sale por mayoria de los 2 restantes. Solo ok=False si los TRES fallan.
• Empate => 'bad'. Con 2 jueces vivos y voto 1-1 (o cualquier empate), el veredicto es 'bad' por conservadurismo (ante la duda, no es producto).
• El voto es 1 juez = 1 voto; los weights solo ponderan el score numerico, no el veredicto. Para cambiar el veredicto, ajusta threshold/clip_threshold.
• El juez critico cuesta API. Llamar al panel en bucle sobre muchas imagenes consume tokens; considerar saltarse el LLM (futuro flag) para barridos grandes.