ComfyUI-to-Python-Extension
ComfyUI-to-Python-Extension 是一款能将 ComfyUI 可视化工作流自动转换为可执行 Python 代码的开源工具。它主要解决了从图形化节点操作向代码自动化过渡的痛点:用户无需手动重写逻辑,即可将精心设计的节点图转化为标准脚本,从而实现批量化处理、实验复现及集成到更复杂的自动化系统中。
该工具特别适合希望突破界面限制的开发者和研究人员,同时也服务于需要高效重复生成内容的设计师。其核心亮点在于提供了灵活的导出方式:既支持在 ComfyUI 网页端通过"Save As Script"一键下载脚本,也支持命令行批量转换 API 格式的工作流文件。生成的代码不仅保留了完整的运行逻辑,还兼容 ComfyUI 的运行环境参数(如显存优化选项),甚至支持将输出图片拖回界面以还原原始工作流元数据。无论是想要探索底层机制的技术爱好者,还是寻求稳定生产流程的专业用户,都能借此轻松打通视觉编程与代码工程之间的壁垒。
使用场景
某 AIGC 初创公司的算法工程师需要将在 ComfyUI 中调试完美的复杂图像生成工作流,集成到后端的自动化批量生产系统中。
没有 ComfyUI-to-Python-Extension 时
- 手动重构成本极高:工程师必须对着节点图,逐行手写 Python 代码来复现复杂的连接逻辑和参数设置,耗时数小时且极易出错。
- 版本同步困难:一旦前端调整了提示词或采样器参数,后端代码无法自动更新,导致测试环境与生产环境效果不一致。
- 难以融入现有架构:可视化的工作流无法直接作为模块嵌入公司现有的 CI/CD 流水线或定时任务脚本中,只能依赖人工操作界面。
- 实验复现性差:团队成员间分享实验成果时,往往只能发送截图或庞大的 JSON 文件,缺乏可执行、可审查的标准代码版本。
使用 ComfyUI-to-Python-Extension 后
- 一键生成可执行脚本:在 ComfyUI 界面点击"Save As Script",瞬间将可视化节点图转换为结构清晰、可直接运行的 Python 代码,开发时间从小时级缩短至分钟级。
- 实现前后端无缝同步:前端优化工作流后,重新导出即可覆盖旧脚本,确保后端批量任务始终使用最新的生成逻辑,彻底消除环境差异。
- 轻松集成自动化流程:生成的脚本原生支持命令行参数和队列控制,可直接部署到服务器后台,通过 cron 或 API 触发大规模图像生成任务。
- 提升协作与审计效率:代码化的工作流便于纳入 Git 版本管理,团队成员可通过 Code Review 精确追踪参数变更,让实验过程透明且可追溯。
ComfyUI-to-Python-Extension 打破了可视化原型与工程化落地之间的壁垒,让创意工作流能零摩擦地转化为稳定的生产力代码。
运行环境要求
- 未说明
未说明
未说明

快速开始
ComfyUI 转 Python 扩展

在 ComfyUI 中构建工作流,然后直接获得可运行的 Python 脚本。
ComfyUI-to-Python-Extension 可以将可视化工作流转换为可执行脚本,使您能够从节点图过渡到自动化、实验以及可重复的生成任务,而无需手动重新构建一切。
本项目支持:
- 使用
另存为脚本从 ComfyUI 界面导出 - 使用 CLI 将保存的 API 格式工作流进行转换
安装
根据您希望使用该项目的方式选择相应的安装方法。本项目支持 Python 3.12 及更高版本。
Web UI 扩展(文件 -> 另存为脚本)
为了让 ComfyUI 将本项目识别为扩展,该仓库必须可以通过 ComfyUI 的 custom_nodes 搜索路径被发现。
您可以采用以下任一方式:
- 直接克隆到
ComfyUI/custom_nodes目录下:
cd /path/to/ComfyUI/custom_nodes
git clone https://github.com/pydn/ComfyUI-to-Python-Extension.git
cd ComfyUI-to-Python-Extension
uv sync
- 将仓库保留在其他位置,然后:
- 创建符号链接将其指向
ComfyUI/custom_nodes - 或者通过
extra_model_paths.yaml文件将仓库的父目录添加到 ComfyUI 的custom_nodes搜索路径中
符号链接示例:
git clone https://github.com/pydn/ComfyUI-to-Python-Extension.git
cd /path/to/ComfyUI/custom_nodes
ln -s /path/to/ComfyUI-to-Python-Extension ComfyUI-to-Python-Extension
cd /path/to/ComfyUI-to-Python-Extension
uv sync
安装完成后,请重启 ComfyUI。
CLI 导出工具 / 生成的脚本
对于 CLI 使用和生成脚本的执行,您可以将仓库放置在任何位置。
git clone https://github.com/pydn/ComfyUI-to-Python-Extension.git
cd ComfyUI-to-Python-Extension
uv sync
export COMFYUI_PATH=/path/to/ComfyUI
COMFYUI_PATH 帮助导出工具和生成的脚本找到 ComfyUI 的代码库。它本身并不会将此仓库注册为 Web UI 的 ComfyUI 扩展。
程序会首先检查 COMFYUI_PATH 是否已设置。如果未设置,则导出工具会回退到在其父目录中搜索名为 ComfyUI 的文件夹。
Web UI 导出
在当前的 ComfyUI 版本中,另存为脚本 通常位于以下菜单路径下:
文件 -> 另存为脚本
该命令会下载一个生成的 .py 文件。当前的 UI 导出使用默认文件名 workflow_api.py,因此可以在 ComfyUI Desktop 中直接运行,而无需依赖 prompt() 函数。

注意事项:
- 不同前端版本的菜单位置可能有所不同
- Web UI 导出使用固定的默认文件名,而不是交互式地询问文件名
CLI 导出
- 在 ComfyUI 中,如有需要,请启用开发模式选项。
- 将工作流保存为 API 格式:
文件 -> 导出 (API)。 - 运行导出工具:
uv run python -m comfyui_to_python
选项:
uv run python -m comfyui_to_python \
--input_file workflow_api.json \
--output_file workflow_api.py \
--queue_size 10
如果您更喜欢旧版封装方式,仍然可以使用:
uv run python comfyui_to_python.py
标志说明:
--input_file:输入的工作流 JSON 文件,默认为workflow_api.json--output_file:输出的 Python 文件,默认为workflow_api.py--queue_size:生成脚本中的默认执行次数,默认为10

生成的脚本
生成的脚本依赖于一个正常运行的 ComfyUI 运行时环境。
如果仓库不在 ComfyUI 内部,请设置:
export COMFYUI_PATH=/path/to/ComfyUI
生成的脚本是工作流的导出文件,它不会自动将工作流的输入参数转换为命令行参数。
直接从 ComfyUI 界面的 文件 -> 另存为脚本 导出的脚本已经包含了用于拖放式重新导入所需的前端工作流元数据。这些脚本保存的图像可以直接拖放到 ComfyUI 中,并恢复原始的工作流元数据。
生成的脚本在启动时会复用 ComfyUI 的运行时参数解析器,因此常见的 ComfyUI 内存相关标志,如 --highvram、--normalvram、--lowvram、--novram、--cpu 和 --disable-smart-memory,都可以直接传递给导出的 .py 文件。
生命周期注意事项:
- 导出的脚本是一次性的工作流运行程序,而非长期运行的 ComfyUI 提示服务器
- 它们不会实现跨多次服务调用的 Web UI 提示/结果缓存功能
- 导出的
main()函数现在会在finally块中尽力清理 ComfyUI 的模型和缓存 - 如果嵌入式或重复调用的宿主环境希望在每次运行后主动卸载模型,而不是保留以供重用,请设置
COMFYUI_TOPYTHON_UNLOAD_MODELS=1,或者调用main(unload_models=True)。
故障排除
- 不支持的 Python 版本:
请使用 Python 3.12 或更高版本,然后重新运行
uv sync 另存为脚本未显示: 请检查您当前使用的 ComfyUI 菜单/前端版本,并在文件菜单中查找- 重启后仍看不到
另存为脚本: 确保此仓库可通过custom_nodes路径被 ComfyUI 发现,方法是将其克隆到ComfyUI/custom_nodes目录下、创建符号链接,或在extra_model_paths.yaml文件中添加外部的custom_nodes路径 - 保存时使用默认文件名:
如果您希望使用不同的本地文件名,请在下载后重命名
workflow_api.py - 找不到 ComfyUI:
请设置
COMFYUI_PATH - 运行时缺少模型或路径:
请确认目标 ComfyUI 安装及其
extra_model_paths.yaml配置文件是否正确。
版本历史
v2.1.02026/03/30v2.0.02026/03/29v1.3.22026/03/28v1.3.12025/01/14v1.3.02024/09/14v1.2.12024/09/12v1.2.02024/09/11v1.1.02023/08/25v1.0.02023/08/20v0.9.02023/08/19常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备