本地搭建AI出图环境：Stable Diffusion与ComfyUI从零到精通的实践指南

这两年AI绘画是真的火，但很多人只敢在线上的网站过过瘾，排队、限额、效果不可控都是小事，最难受的是好用的工具说没就没。我自己的做法一直很明确：本地搭建AI出图环境，把Stable Diffusion生态完全握在自己手里，离线都能跑，想怎么生成就怎么生成，还能自己训练微调。这套东西一点也不玄乎，今天就把我踩过坑之后的完整搭建过程，从硬件选型到软件部署到第一张图落地，一次说清楚。

我个人现在主力用的是ComfyUI，这套工作流足够灵活，调试起来也很直观，非常适合本地部署。这篇教程不会让你只学会点按钮，而是把原理和操作串起来讲，就算你是第一次接触AI出图，也能跟着一步步把环境跑起来。

1. 内容整体设计与思路拆解

1.1 本地AI出图环境到底是什么

很多人一听“本地搭建AI出图环境”就觉得高不可攀，其实说白了就是把之前放在服务器上的那套AI绘图模型，搬到自己的电脑上跑起来。现在主流的开源方案基本都围绕Stable Diffusion生态展开，最常见的两个前端是Stable Diffusion WebUI和ComfyUI，再搭配各种各样的模型权重文件，组合起来就是一套完整的出图环境。

这套环境能干什么？文生图、图生图、局部重绘、超分辨率放大、姿势控制、多模型融合，几乎线上付费工具能做的一切，本地都能做，而且没有次数限制、没有内容审核捆绑、不会突然停服。

为什么不直接用在线工具？我估摸很多人都有类似经历：生成一张图要排队几分钟，想用某个功能得开会员，出图分辨率稍微高点就要额外付费，更别提有些工具有意无意给你加各种限制，用起来束手束脚。本地搭建一次投入之后，硬件不淘汰就一直能用，长期看划算很多。

1.2 适合谁来搭这套环境

这个问题挺关键，能帮你判断要不要往下看。如果你属于下面几种情况，本地搭建AI出图环境就很值得：

• 对生成质量和精细控制有要求，需要微调提示词、尝试各种模型组合的创作者
• 有大量出图需求，线上工具效率太低、成本太高的设计师或内容生产者
• 隐私敏感型人群，不想把自己的图片素材和prompt上传到第三方服务器
• 想学习AI绘画原理、想深入接触模型训练和调试的技术爱好者

反过来说，如果你只是偶尔生成一两张图玩玩，对分辨率、风格、可控性没有特别要求，那确实没必要折腾本地环境。硬件门槛和初始学习成本摆在那里，没必要为了偶尔用一次去攒一台高配电脑。

1.3 核心组件拆解

本地AI出图环境从架构上看可以分四层，理解了这层逻辑，后面出问题排查也更有方向：

• 硬件层：以NVIDIA显卡为核心，显存大小基本决定了能跑多大的模型、出多大的图
• 运行层：Python环境、CUDA、PyTorch，这层负责把模型的计算指令调度到显卡上
• 框架层：ComfyUI或WebUI这类前端，负责模型的加载调度、参数传递、工作流组织
• 模型层：往框架里塞的checkpoint大模型、LoRA小模型、VAE、ControlNet等，决定最终出图的风格和清晰度

大多数新手折腾半天跑不起来，问题都出在第二层，也就是运行环境的依赖没配对。这个我后面实操部分会重点讲。

2. 硬件准备：先看显卡，再看其他

2.1 显卡是灵魂，显存大小决定上限

本地跑Stable Diffusion，最核心的硬件就是显卡。目前NVIDIA显卡的优势非常大，主要在于CUDA生态完善，PyTorch对CUDA的支持最成熟，基本上插上就能跑。AMD显卡虽然这几年也在追赶，但遇到各种兼容性问题的概率要大很多，新手我不建议一上来就挑战。

显存大小怎么选？我直接给个经验值参考：

显存这东西，有时候比显卡型号更重要。我见过有人用RTX 3090跑24GB显存，出图流畅度比RTX 4070 12GB还稳。选购显卡时先锁死显存大小，再看性能。

2.2 CPU、内存、硬盘和电源也不能拉胯

显卡虽然是大头，但其他配置太弱也会拖后腿。CPU负责数据预处理和调度，主流的中端CPU就够用，不需要追求顶级。内存建议最少16GB，如果经常跑SDXL或者同时开多个程序，32GB会更从容。

硬盘这块容易被忽略。模型文件动辄4GB到7GB，你收藏几十个模型就是几百GB，而且模型加载速度受硬盘读写速度影响很大。强烈建议准备至少100GB空闲空间，并且放在SSD或者NVMe硬盘上。我之前用机械硬盘跑，加载一个SDXL模型要等两三分钟，换到SSD之后十几秒就进界面了。

电源和散热看着不起眼，但GPU满载跑图时的瞬时功耗比玩游戏还高。电源瓦数留足余量，机箱散热做好，不然跑久了容易黑屏重启。我有个朋友用500W电源带3070，每次出图跑到一半就崩，换了750W再没出过问题。

2.3 硬件不达标也有办法

预算有限或者手上显卡比较旧的同学先别急着放弃，几条路可以走：

• 用云GPU服务器，按小时租用，一次几块钱，适合先体验再决定要不要添置硬件
• 跑SD 1.5的轻量模型，512x512分辨率也能出不错的效果
• 开启内存换显存的优化参数，比如使用--lowvram或者--medvram启动参数
• 使用GGUF量化模型配合专用加载器，让低显存也能运行高性能模型

我到现在偶尔还会用内存换显存的方式在8GB显卡上调SDXL参数，效果虽然不如大显存流畅，但至少能跑。

3. 软件选型：ComfyUI还是WebUI

3.1 两大主流前端怎么选

Stable Diffusion生态里最主流的两个前端，一个叫Stable Diffusion WebUI，一个叫ComfyUI。很多人第一个问题就是选哪个，我把两者的核心差异列出来：

我的个人看法：如果你是纯新手，想最快速度出第一张图，WebUI更友好，装上就是一套完整的界面，输入提示词点生成就行。但如果你打算长期玩，对出图的稳定性、复现性有要求，甚至想研究ControlNet、自训练LoRA，那直接上ComfyUI是对的。

ComfyUI的节点式工作流很像Blender的着色器编辑器或者UE的蓝图，你把不同功能的节点连起来，数据在节点间流动，最终输出图片。这种设计的好处是，同一个工作流保存下来就能反复使用，今天调的参数明天还能原封不动复现，线上社区里也有海量别人分享的工作流可以下载来直接用。

3.2 为什么我最终留在ComfyUI

我用WebUI用了大概两三个月，后来彻底切换到ComfyUI，核心原因是几个痛点被解决了：

• 工作流可以拖拽导入，社区分享的复杂效果一键复刻
• 节点式结构让每一步处理都清晰可见，出错能定位到具体节点
• 同张图用同样的模型，ComfyUI的显存占用往往更低
• 方便做批量处理，批量出图、批量换模型都比WebUI灵活

当然ComfyUI也有缺点。网上那些花里胡哨的工作流节点很多，初学者容易被一堆连线和各种陌生节点劝退。我的建议是先从默认的“文生图”工作流入手，跑通了再逐步加需求。

3.3 还有哪些可选的轻量方案

如果你只想简单出图，不想学任何前端，也可以试试Fooocus。这玩意儿相当于是把Stable Diffusion封装成了一个极简应用，界面只有一个输入框和几个选项，对新手极其友好。但它的缺点也很明显：可定制性太差。

还有一种方案是直接用Diffusers库写Python脚本，完全绕开Web UI。这适合有一定编程基础的人，代码可控性最强，但学习成本也最高，一般人没必要这么折腾。

4. 实操搭建：从零到第一张图

4.1 准备工作：Git和Python环境

我以Windows为例讲整个实操过程，Linux和macOS的思路一样，只是命令有些差异。开始之前先把Git和Python装好。

Python版本建议3.10或3.11，不要装最新的3.13，很多依赖库还没跟上。安装时有一个非常关键的步骤：一定要勾选“Add Python to PATH”，不然后面命令行会找不到Python。

装完后打开命令行验证一下：

python --version git --version

能打印出版本号就说明环境变量没问题。顺便说一句，安装Git的时候一路默认选项就好，不用改什么。

如果希望管理多个Python版本，可以用Conda创建一个干净环境，后面装依赖不容易和系统其他项目起冲突。我自己就习惯给AI项目单独建一个环境，踩过一次依赖冲突的坑之后老实了。

4.2 整合包 vs 手动部署

国内很多教程都会推荐各种一键整合包，下载下来解压就能用，确实省事。但我的建议是，如果你想把这套环境吃透，尽量手动部署一次。原因有几个：

• 整合包会把Python、环境依赖全部塞进去，黑盒状态，出了问题不知道怎么修
• 整合包更新往往滞后，想用新功能还得等打包作者更新
• 手动部署出来的环境干净可控，升级模型、装插件都方便

当然我也理解，第一次玩就想马上看到效果的心情。你可以先用整合包跑通流程，接着再按手动方式搭一套干干净的环境，把原理理明白。

这篇教程直接讲手动部署的完整过程，照着做一遍，你会对这套系统的关联关系有很直观的认识。

4.3 下载ComfyUI主程序

找一个干净的工作目录，用Git把ComfyUI仓库克隆下来：

git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI

克隆完的目录结构大概是这样的：

• main.py是启动入口
• models/存放所有模型文件，checkpoints、loras、vae等都在这下面
• custom_nodes/放第三方扩展节点
• input/和output/保存输入输出图片

看到models/下面已经预置了目录结构，你就能猜到后面要把模型文件放到哪里。

4.4 创建虚拟环境并安装PyTorch

在ComfyUI目录下创建虚拟环境，推荐用Conda或者Python自带的venv：

python -m venv venv

Windows下激活虚拟环境：

venv\Scripts\activate

激活成功后命令行前面会出现(venv)字样，说明你已经在这个独立环境里了。接下来装PyTorch，这是整个搭建过程最容易出问题的一步，CUDA版本必须和你的显卡驱动匹配。

NVIDIA官网或者PyTorch官网都有对应的安装命令。以CUDA 12.1为例：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

安装完成后一定要验证一下PyTorch能不能调用GPU：

python -c "import torch; print(torch.cuda.is_available())"

输出True说明GPU调用正常，如果输出False说明CUDA版本或驱动有问题，先解决这个再继续。

4.5 安装依赖并启动

PyTorch装好后，安装ComfyUI的其余依赖：

pip install -r requirements.txt

这一步会装一堆东西，主要依赖包括transformers、safetensors、tokenizers等，具体看ComfyUI版本。装的时候如果遇到网络慢，建议用国内镜像源：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

依赖装完后先不要急着启动，还需要准备一个模型文件。

4.6 下载基础模型并放置到正确位置

Stable Diffusion的模型权重文件格式最常见的是.safetensors，一个基础模型文件的大小通常在2GB到7GB之间。市面上模型很多，新手先别贪心，选一个跑通流程再说。

我建议第一个模型用SD 1.5系列，文件相对较小，出图速度也快。可以从Hugging Face下载stable-diffusion-v1-5对应的safetensors文件，或者选择社区训练好的写实模型、二次元模型，比如Realistic Vision、Anything系列都是很好的选择。

下载好的模型放这里：

ComfyUI/models/checkpoints/

如果放进来的文件名带中文或者很长的后缀，建议改个简短的名字，比如realisticVision.safetensors，方便后面引用。

4.7 首次启动ComfyUI

模型就位后，在虚拟环境里运行：

python main.py

看到类似下面的输出就成功了：

Starting server To see the GUI go to: http://127.0.0.1:8188

小内存显卡可以加参数优化启动：

python main.py --lowvram

浏览器打开http://127.0.0.1:8188，ComfyUI的默认工作流界面就出来了。第一次进去你可能有点懵，满屏的节点连线，其实这就是文生图的基础工作流。

4.8 用默认工作流生成第一张图

ComfyUI默认自带的文生图工作流已经把所有节点连好了。你需要做的只有两件事：

第一，在Load Checkpoint节点处选择你刚才放进去的模型；第二，在CLIP Text Encode (Prompt)节点里填入提示词，正面提示词写你想要的内容，负面提示词写你不想要的东西。

比如正面写：

a beautiful girl, portrait, best quality, ultra detailed, soft lighting

负面提示词填：

lowres, bad anatomy, bad hands, extra fingers, blurry, jpeg artifacts

然后在KSampler节点设置步数（默认20），分辨率从默认的512x512开始，点击Queue Prompt按钮执行。过个十几秒或者几十秒，Queue旁边的状态会显示完成，双击生成的图片就能看到结果。

说实话，第一次出图成功的时候，那种从零到一跑通全流程的成就感，挺值得体验一下的。

5. 模型组合与出图质量优化

5.1 checkpoint、VAE、LoRA各管什么

出了第一张图之后，你想追求更好的效果，就绕不开模型组合的概念：

• Checkpoint（大模型）：基础模型，直接决定画面的整体风格倾向，是写实风还是二次元风，很大程度上看它
• VAE：负责图像的色彩和细节还原，能修复浅色区域发灰发白的问题，很多模型会内置VAE，不需要额外加载
• LoRA：小型风格模型，负责往大模型里注入特定元素，比如某个人物特征、某种画风、某个物体的样式，体积小，叠加方便

理解这三者的关系，你就能明白出图组合是怎么回事：大模型打底风格，LoRA微调细节，VAE修正色彩。

5.2 提示词的结构化写法

提示词是控图的核心，新手最喜欢复制粘贴一堆神秘关键词，但实际效果往往一般。我习惯按层次组织提示词：

• 质量修饰词：masterpiece, best quality, ultra detailed, 8k
• 主体描述：who/what + 动作 + 表情 + 穿着
• 环境描述：场景、光线、构图、镜头
• 风格参考：画风、艺术家风格、媒介

负面提示词同样重要。很多脏图、崩手脚的问题，用一套好的负面提示词就能挡掉大半。

5.3 采样器、步数和CFG怎么调

Stable Diffusion的参数看似很多，核心就几个。采样器影响生成过程的去噪方式，常见的有Euler a、DPM++ 2M Karras、DDIM等。

CFG这个参数我多说一句，好多人以为越大越好，其实不是。CFG值太大画面会过锐化，颜色失真，人物脸部出现那种很假的塑料感。我一般写实风格用5到8，二次元用7到10，然后根据效果微调。

5.4 用放大模型提升分辨率

底模原生分辨率有限，SD1.5通常是512x512，硬放大到1024或更高会很糊。常规做法是先用低分辨率生成，再用专门的放大模型做超分。ComfyUI里有内置的Upscale节点，配合Upscale Model，能把图片放大2到4倍，细节还能补回来不少。

6. 常见问题与排查技巧实录

6.1 显存不足报错怎么办

运行时报CUDA out of memory是最常见的问题。我的排查顺序是：

• 降低输出分辨率，先跑512x512跑通
• 加启动参数--lowvram或--medvram
• 换更小的模型，比如从SDXL换成SD1.5
• 关掉其他占显存的程序，浏览器标签页都最好清理一下

实测8GB显存跑SD1.5很轻松，跑SDXL就要靠--lowvram来撑。

6.2 界面能开但出图崩灰或黑图

这种问题大概率是VAE缺失或没选对。画面发灰，尤其是头发、阴影部分大面积偏灰色，说明没加载VAE。很多模型单独提供VAE文件，放到models/vae/目录，然后在工作流里加一个Load VAE节点接入即可。如果黑图出现的很随机，也可以考虑换一个模型文件试试。

6.3 提示词明明写了但完全没生效

检查是不是没选对模型。有些模型对提示词的理解能力很差，特别是某些早期模型，写得太隐晦它反应不过来。换一个写实或者二次元主流模型，通常理解力会强很多。另外检查一下你的扩展有没有生效，某些插件会造成提示词解析异常。

6.4 生成速度特别慢

显存不够导致的计算单元利用率低是一种情况。另外一种可能是模型文件放在了机械硬盘上。解决方法很直接：换SSD，同时确认加载模型时没有频繁swap。如果跑图时风扇狂转但速度上不去，多半是散热降频了，需要加强机箱散热。

6.5 常见问题速查表

7. 动手过程中的心得体会与后续进阶

如果你完整走完一遍手动部署，对AI出图环境的整个链路应该有很清晰的感觉了。这套环境的本质就是：显卡提供算力，PyTorch做计算调度，ComfyUI做流程组织，模型决定风格上限。任何环节出问题，都能顺着这个链路排查。

再分享几个我个人摸索出来的经验。第一，勤保存工作流。ComfyUI做好的工作流导出为json文件，放在单独的目录里，按用途命名，后面想用直接拖进来。第二，模型不用贪多，把一个模型的脾气摸透，比下载几百个模型吃灰要实际得多。我出图主力长期就三四个模型。第三，善用社区资源，很多现成的复杂工作流不用自己从零拼，下载下来研究它们的连接逻辑，是提升最快的方式。

后续你还可以往两个方向深入：一是ControlNet，它能让你的AI出图带姿势控制、边缘控制，实用价值极高；二是LoRA训练，把自己攒的素材训练成风格模型或特定角色模型。这两块都建立在这套本地环境跑通的基础之上，搞定了今天的搭建，后面就算想玩训练，无非就是多装几个依赖的事。