安装前先确认使用场景
Automatic1111通常指Stable Diffusion WebUI项目，适合在个人电脑或工作站上执行文本生成图像、图像生成图像、ControlNet应用、LoRA测试及提示词管理等任务。其优势在于生态成熟、插件丰富且交互界面直观易懂；不足之处在于对显卡性能、驱动程序、Python版本以及模型文件路径较为敏感。在安装前，建议先明确三个关键问题：是用于个人单机操作，还是多人共享同一台机器；主要运行基础模型，还是大尺寸高精度模型；是否需要保证长期稳定运行。不同的答案将直接影响目录结构规划、端口分配策略、扩展安装方式以及权限管理设置。
免费的本地部署方案核心在于充分利用开源项目、本地显卡算力以及公开可用的依赖工具，无需额外购置云端服务。在硬件方面，NVIDIA显卡通常能提供更省心的体验，显存建议至少6GB起步，8GB以上更适合日常出图需求，12GB以上则能更流畅地处理高分辨率图像、ControlNet及多个扩展插件。CPU虽然也可运行，但速度较慢，更适合用于体验或流程调试。磁盘空间建议至少预留80GB，因为基础模型、VAE、LoRA、ControlNet模型以及输出图像会迅速占用大量存储。
基础环境配置步骤
第一步，安装显卡驱动。Windows用户应优先安装官方稳定版驱动，安装完成后重启计算机，并在命令行中输入nvidia-smi确认显卡是否被正常识别。Linux用户同样需要确保驱动与CUDA运行环境兼容。这里不建议新手手动混装多个CUDA版本，Automatic1111会通过PyTorch自动安装合适的组件，因此确保驱动正常往往比单独安装CUDA更为重要。
第二步，安装Python。Automatic1111长期稳定的选择为Python 3.10.x，常见版本为3.10.6。在Windows安装时需勾选“Add Python to PATH”选项，并避免使用过新的Python版本，以防依赖包出现兼容性问题。安装完成后，在命令行中输入python --version确认版本号。若电脑中已存在多个Python版本，建议通过py -3.10 --version进行核对，避免WebUI调用到错误的版本。
第三步，安装Git并拉取项目。选择一个路径清晰且不含中文及特殊符号的目录，例如D:\AI\stable-diffusion-webui。进入该目录后，执行git clone项目地址，或下载压缩包后解压。简洁的路径能减少脚本识别异常，也便于后续的多账号管理。首次启动时，Windows用户可运行webui-user.bat，Linux或macOS用户可运行webui.sh。这一过程将自动创建虚拟环境并下载依赖，耗时取决于网络速度和硬盘性能。
第四步，放置模型文件。基础模型通常存放于models/Stable-diffusion目录，VAE目录为models/VAE，LoRA目录为models/Lora，ControlNet相关模型则位于扩展对应的目录或指定模型目录。由于模型文件体积较大，建议从一开始就建立统一的模型库，避免每个账号重复复制，从而节省存储空间。
启动参数怎么设置更稳
Automatic1111的常用参数通常写在webui-user.bat或webui-user.sh中的COMMANDLINE_ARGS。对于显存较低的用户，可使用--medvram或--lowvram参数来降低显存压力，但这会导致生成速度下降。如果需要让同局域网内的其他设备访问，可使用--listen参数，并配合--port指定端口。不过，这增加了访问面，必须设置账号口令，切勿直接暴露至公网。多人环境下，建议添加--gradio-auth 用户名:口令，并为不同使用者设置独立的入口。
常见端口可从7860开始分配，例如个人A使用7860，个人B使用7861，测试环境使用7862。切勿让多个实例抢占同一端口，否则将导致启动失败或页面无法打开。如果希望减少启动时的检查耗时，可以在系统稳定后再考虑相关参数。不过，新手阶段不建议为了追求“快速”而随意跳过依赖校验，因为许多故障都源于版本不一致。
多账号配置的三种方案
方案一：独立系统账号加独立WebUI目录。每位使用者拥有自己的系统登录账号、独立的stable-diffusion-webui目录、专属的venv虚拟环境以及配置文件。此方案的优点是隔离性高，扩展互不干扰；缺点是依赖及部分文件会重复占用存储空间。适合教学机房、团队测试机以及多人长期使用的工作站环境。
方案二：共享程序目录，多端口启动。所有人使用同一个WebUI安装目录，但通过不同的启动脚本指定不同端口与输出目录。例如，复制webui-user.bat为webui-user-a.bat与webui-user-b.bat，在各自脚本中分别设置--port 7860和--port 7861，并用--outdir-samples、--outdir-grids指定个人输出路径。此方案的优点是节省空间、维护简便；缺点是扩展、配置及依赖会相互影响，不适合频繁调试插件的团队。
方案三：独立程序目录，共享模型库。这是更为推荐的折中方案。每个账号拥有独立的WebUI目录和虚拟环境，但模型文件统一存放于D:\AI\models或/data/ai-models，再通过启动参数或目录链接指向共享模型库。这样既能减少模型重复，又能避免扩展冲突。Windows用户可使用目录快捷映射或mklink方式，Linux用户可使用软链接。设置前需确保使用者只有读取模型库的权限，尽量避免误删公共模型。
推荐的目录规划
一个清晰的免费本地方案可以这样规划：在AI根目录下分为apps、models、outputs、logs、backup等文件夹。apps用于存放不同账号的WebUI程序目录，例如webui-alice、webui-bob；models用于存放Stable-diffusion、VAE、Lora、ControlNet等公共模型；outputs按账号分文件夹存储；backup用于备份配置文件。切勿将模型和输出图混在项目根目录中，否则迁移、清理和排错都将变得更加复杂。
每个账号至少需要独立保存三类重要内容：config.json、ui-config.json以及styles.csv。config.json保存界面和生成默认参数，styles.csv保存提示词风格模板。在升级或重装之前，应优先备份这些文件，以及extensions目录中确实需要保留的插件配置。很多用户重装后发现习惯设置丢失，通常就是因为没有备份这几类小文件。
扩展安装与版本控制
Automatic1111的扩展能力十分强大，但扩展也是故障的高发区域。建议先完成基础安装，确认文本生成图像、图像生成图像功能均可正常运行后，再逐步安装ControlNet、图库管理、提示词辅助等扩展。每次只新增一到两个扩展，启动成功并测试无误后再继续。不要一次性导入大量扩展，否则出现报错时很难快速定位问题。
升级项目或扩展之前，应先记录当前可用的版本号。在团队环境中，不要让每个使用者随意点击更新，最好由管理员统一测试后再同步。若升级后出现页面空白、按钮失效或依赖报错等问题，可先临时移除最近安装的扩展目录，再重启WebUI。必要时可回退到旧版本，并重新安装依赖。对于稳定使用的机器，不建议每天追求新版本，除非新版本确实解决了你遇到的具体问题。
常见问题排查
如果页面无法打开，首先查看启动窗口是否显示“Running on local URL”，再确认端口是否被占用。若提示端口冲突，更换一个端口即可。如果依赖下载失败，先检查网络连通性和Python版本，不要反复删除整个项目。当venv损坏时，可在备份配置后删除venv目录，让脚本重新创建。
若出现“CUDA out of memory”提示，说明显存不足或参数设置过高。可尝试降低分辨率、减少Batch Size、关闭高耗显存储扩展，或使用--medvram参数。出图速度很慢时，需确认是否真正调用了显卡，而非降级到CPU运行。如果在nvidia-smi中看不到Python进程，通常表明驱动、PyTorch或启动环境存在异常。
如果模型无法显示，请检查文件是否放置在正确目录下，扩展名是否为ckpt或safetensors，以及文件是否完整下载。若LoRA不生效，确认已放入models/Lora目录，并在提示词中使用正确名称。如果ControlNet无效果，除了检查模型文件外，还需确认预处理器、权重、起止步数以及输入图像尺寸等参数设置。
安全边界与使用建议
本地部署并不等同于绝对安全。请勿运行来源不明的脚本，不要随意安装陌生的扩展，也不要把包含口令的启动信息分享给无关人员。在多人共用环境中，应限制模型库的写入权限，防止误删公共文件。如果启用了局域网访问，务必设置登录口令，并仅在可信网络内使用。当输出内容涉及真实人物、商业素材或客户资料时，应严格遵守授权要求，不要随意上传或扩散敏感文件。
免费的本地部署方案检查清单可按以下顺序核对：显卡驱动可被正常识别；Python版本为3.10.x；Git已安装且可用；安装路径不含中文及特殊符号；首次启动成功；基础模型可正常加载；端口分配无冲突；每个账号拥有独立的输出目录；公共模型库已规划完毕；关键配置已完成备份；扩展逐个安装并做好记录；局域网访问已设置口令；升级前具备回退能力。只要将这些基础工作做扎实，Automatic1111的多账号环境就能长期保持稳定，后续无论新增模型、迁移硬盘还是扩展功能，维护成本都会大大降低。
