fn_registry/python/functions/ml/comfyui_critique_image_llm.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_critique_image_llm	function	py	ml	1.0.0	impure	def comfyui_critique_image_llm(image_path: str, prompt: str, *, model: str = 'claude-opus-4-8', max_tokens: int = 1024, token: str = '') -> dict	Critica de un LLM-vision sobre una imagen generada: detecta artefactos, anatomia rota, texto ilegible, watermarks, incoherencias de composicion. Tercer juez del panel comfyui-judge. Compone ask_llm_vision (claude-direct, API directa) con un system prompt que obliga a devolver JSON {verdict good|bad, score 0-10, reasons}. Impura: red (API Anthropic) + lectura de imagen.	comfyui-judge ml llm vision critique scoring	ask_llm_vision_py_core			false	error_go_core		name desc image_path Ruta a la imagen en disco local. name desc prompt Prompt original de la generacion (contexto para juzgar la fidelidad). Puede ir vacio si solo se evalua calidad intrinseca. name desc model id del modelo Anthropic con vision. Default 'claude-opus-4-8'. keyword-only. name desc max_tokens Maximo de tokens de la respuesta. keyword-only. name desc token Token OAuth; si vacio lo carga ask_llm_vision automaticamente. keyword-only.	dict {ok, verdict, score_0_10, reasons, error}. En exito ok=True, verdict 'good'|'bad', score_0_10 el score del modelo y reasons la lista de razones. En error (imagen invalida, API caida, 429, JSON no parseable) ok=False con error. Nunca lanza excepcion.	false			python/functions/ml/comfyui_critique_image_llm.py

Ejemplo

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

img = os.path.expanduser("~/ComfyUI/output/comfy_sdxl_00001_.png")
res = comfyui_critique_image_llm(img, "a majestic lion standing on rocks at sunset, photorealistic")
print(res)
# {'ok': True, 'verdict': 'good', 'score_0_10': 8.0,
#  'reasons': ['anatomia del leon correcta', 'iluminacion coherente con el atardecer'], 'error': ''}

CLI directa:

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

Cuando usarla

• Cuando los scores numericos (estetico/CLIP) no bastan: el LLM ve defectos finos que el score global no penaliza (dedos de mas, ojos asimetricos, texto basura, watermarks).
• Como el juez "humano" de comfyui_judge_image, para desempatar good/bad.
• Para obtener razones LEGIBLES de por que una imagen es mala (feedback accionable al skill).

Gotchas

• Cuesta tokens de API. Cada llamada va a api.anthropic.com (claude-direct). Usar con mesura; en validacion, pocas llamadas.
• Rate limit (HTTP 429). Si el rate limit compartido esta saturado, devuelve ok=False con el error 429 — no crashea. El panel comfyui_judge_image sigue votando con los otros dos jueces. Reintentar mas tarde o bajar a un modelo con cuota (haiku).
• El modelo puede no devolver JSON limpio. Se extrae el primer objeto {...} (tolera fences ```json). Si no hay JSON parseable, ok=False.
• verdict conservador. Si el modelo responde algo ambiguo (ni 'good' ni 'bad'), se normaliza a 'bad' (ante la duda, no es producto).
• NUNCA claude -p. Respeta la regla llm_invocation: solo claude-direct via ask_llm_vision (arranque 0, API directa).