本篇指南记录了在 AMD Radeon RX 7900 XTX (RDNA3 / gfx1100) 显卡、Ubuntu/Linux (ROCm 7.x + PyTorch 2.x) 环境下，运行 ComfyUI 启用 SageAttention (v1.0.6) 导致生成图片“全黑（无报错静默失败）”的硬核排障过程与解决方案。

如果你也遇到了开加速器必黑图、关掉就正常的灵异事件，本篇笔记能帮你彻底解决。

我们的软硬件测试环境

为便于对比排查，以下是本案所处的真实软硬件基础环境：

• GPU: AMD Radeon RX 7900 XTX (24GB GDDR6 / RDNA3 / gfx1100)
• CPU: 双路 Intel Xeon E5-2682 v4
• 内存: 64GB DDR4 REG ECC (全插满)
• 操作系统: Ubuntu (Kernel 5.15.0-181-generic)
• ROCm 运行环境: torch 2.12.0+rocm7.2
• SageAttention 库版本: 1.0.6（纯 Triton JIT 动态编译版）
• ComfyUI 版本: v0.24.0 (机智罗 A 卡专用整合版)

背景与受影响工作流

在运行以下针对 AMD 优化的 ComfyUI 整合包（如机智罗 A 卡专用包）工作流时极易触发此问题：

• 机智罗 44号工作流（基于 Qwen-Image / Flux 架构的 GGUF 混合多模态工作流）
• 机智罗 14号工作流（Wan2.2 视频生成工作流，大分辨率开启 SageAttention 加速时）

故障现象

• 表现：当且仅当在工作流中接入 XB_SageAttentionAccelerator（SageAttention 算子加速器） 节点时，最终输出的图片（或视频帧）100% 是一片漆黑。
• 控制台警告：生图结束、准备输出图像的瞬间，终端会静默弹出一行 RuntimeWarning，没有其他任何 CUDA/ROCm 崩溃堆栈：

  /home/peter/ComfyUI/nodes.py:1657: RuntimeWarning: invalid value encountered in cast
    img = Image.fromarray(np.clip(i, 0, 255).astype(np.uint8))
  

硬核根因分析

通过拉取并审计 SageAttention (v1.0.6) 在 Linux AMD 环境下的底层源码，揪出了以下两个核心冲突：

1. 累加精度不足导致数值溢出（NaN）

目前 pip 直接安装的 SageAttention 1.0.6 是纯 Triton JIT 编译版本（无预编译 .so），它在 GPU 运行时动态编译 attention kernel。
在其 attn_qk_int8_per_block.py 源码中，矩阵乘法累加计算硬编码为：

acc += tl.dot(p, v, out_dtype=tl.float16)  # 默认使用半精度累加

在 AMD RDNA3 (7900 XTX) 的 Triton 编译器后端上，半精度累加在长序列或特定激活值下极易发生数值精度溢出，产生大量 NaN（非数）。
NaN 顺着 KSampler 扩散到整个 latent，最终 VAE 解码时把 NaN 全部强制截断为 0，导致最终渲染出来的图片全黑。

2. Shared Memory 硬件超限

原版 SageAttention 的 block 大小硬编码为 BLOCK_M=128, BLOCK_N=64，这在编译时需要约 106KB 的 Shared Memory（共享内存）。
而 AMD RDNA3 显卡（7900 XTX）的物理 Shared Memory 单个 Workgroup 上限只有 65KB，这会导致 Triton 编译器在分配寄存器和共享内存时崩溃，或发生隐式内存回滚，进一步拉低速度并加剧精度混乱。

️ 终极解决方案（手动打补丁）

既然知道了是因为 “Shared Memory 超限” 和 “Triton 浮点累加溢出”，解决办法就是给 SageAttention 的 python 库手动替换补丁文件。

第一步：定位 SageAttention 库路径

在你的 ComfyUI 运行虚拟环境（venv）下，找到 sageattention 包的实际安装路径：

source /home/peter/ComfyUI/venv/bin/activate
SA_DIR=$(python3 -c 'import sageattention, os; print(os.path.dirname(sageattention.__file__))')
echo "你的包路径在: $SA_DIR"

第二步：备份原始文件（安全第一）

cp $SA_DIR/attn_qk_int8_per_block.py $SA_DIR/attn_qk_int8_per_block.py.bak
cp $SA_DIR/attn_qk_int8_per_block_causal.py $SA_DIR/attn_qk_int8_per_block_causal.py.bak
cp $SA_DIR/quant_per_block.py $SA_DIR/quant_per_block.py.bak

第三步：下载并覆盖 Zluda-AMD 优化版补丁

使用社区（来自 patientx/ComfyUI-Zluda）针对 AMD 显卡优化过的 Triton 参数补丁，直接覆盖本地文件：

BASE_URL='https://raw.githubusercontent.com/patientx/ComfyUI-Zluda/refs/heads/master/comfy/customzluda/sa'

curl -fsSL $BASE_URL/attn_qk_int8_per_block.py -o $SA_DIR/attn_qk_int8_per_block.py
curl -fsSL $BASE_URL/attn_qk_int8_per_block_causal.py -o $SA_DIR/attn_qk_int8_per_block_causal.py
curl -fsSL $BASE_URL/quant_per_block.py -o $SA_DIR/quant_per_block.py

第四步：清空 Triton 缓存（核心步骤）

为了让刚刚覆盖的补丁生效，必须清空 Triton 之前的旧编译缓存，强迫它在下次启动时重新编译 kernel：

rm -rf ~/.triton/cache

补丁到底改了什么？

1. out_dtype: tl.float16 ➔ tl.float32：累加矩阵全部改用 Float32 全精度。这一步彻底消灭了 A 卡上的精度溢出，是解决黑图（NaN）的核心！
2. BLOCK_M=128, BLOCK_N=64 ➔ BLOCK_M=32, BLOCK_N=16：将 Block 大小缩到极小。这使得单个 Workgroup 占用的 Shared Memory 从 106KB 暴降到 ~8KB，完美躲开 gfx1100 显卡的 65KB 硬件上限。
3. 引入 Autotune（自动寻优）：新增了对 qo_len、kv_len、h_qo 的 Triton 动态 autotune 查找，网卡会根据你的生成分辨率自动寻找效率最高的线程分配方案，不再死板硬编码。

🧪 验证与收尾

1. 导入冒烟测试：
   在命令行运行以下测试代码，确认没有 NaN 且有数据输出：

   python3 -c "
   import torch, sageattention
   from sageattention import sageattn
   q = torch.randn(1, 16, 256, 128, dtype=torch.float16, device='cuda')
   k = torch.randn(1, 16, 256, 128, dtype=torch.float16, device='cuda')
   v = torch.randn(1, 16, 256, 128, dtype=torch.float16, device='cuda')
   out = sageattn(q, k, v, tensor_layout='HND')
   print('是否有NaN:', torch.isnan(out).any().item())
   print('是否全为零:', (out == 0).all().item())
   "
   # 输出：是否有NaN: False，是否全为零: False  ➔  ✅ 算法通路畅通！
   

2. 重新运行 ComfyUI：
   重启你的 ComfyUI 进程，在网页上接回并点亮 XB_SageAttentionAccelerator 节点，重新点击“Queue Prompt”。

   生图不仅完全恢复了色彩，而且由于 Triton 自动寻优，7900 XTX 终于能满血享受 SageAttention 带来的显存带宽减半与推理无痛加速了！
   
   一开始agent建议我直接bypass掉
   
   
   终于判断出来问题所在
   
   解决方案出来了
   
   测试成功