安装前先确认：你的电脑是否适合本地部署
Stable Diffusion WebUI 是目前使用较广的本地 AI 绘图界面，适合希望在自己电脑上生成图片、管理模型、调试提示词和复用工作流的用户。Windows 本地部署的优势是数据和模型都在本机，使用灵活，不依赖网页排队；缺点是对硬件和运行环境有要求，安装失败也多半出在环境不匹配。
推荐配置是 Windows 10 或 Windows 11 64 位系统，NVIDIA 独立显卡更省心，显存建议 6GB 起步，8GB 以上体验更稳定。内存建议 16GB，硬盘至少预留 30GB 空间，因为基础程序、Python 环境、模型文件、插件和输出图片都会持续占用容量。如果只有核显或显存较小，也可以尝试 CPU 模式或低显存参数，但速度会明显变慢，不适合高分辨率批量生成。
第一步：安装基础组件
安装 Stable Diffusion WebUI 前，需要准备 Git、Python 和显卡驱动。Git 用来获取项目文件；Python 用来运行程序；显卡驱动决定能否调用 GPU。建议从官方渠道下载安装 Git for Windows，安装时保持默认选项即可。Python 建议使用 3.10.6 版本，这是很多 WebUI 版本兼容性较好的选择。安装 Python 时务必勾选“Add Python to PATH”，否则后续脚本可能找不到 Python。
NVIDIA 显卡用户应更新到较新的 Studio Driver 或 Game Ready Driver。驱动安装完成后，可以按 Win+R 输入 cmd，在命令行输入 nvidia-smi 查看是否能识别显卡。如果提示不是内部命令，通常是驱动未正确安装，或显卡不支持相关调用。此时先处理驱动问题，不要急着安装 WebUI。
第二步：获取 WebUI 程序并准备模型
建议在磁盘根目录创建一个英文路径文件夹，例如 D:\AI\sd-webui，避免中文路径、空格路径和过深目录导致脚本异常。打开该文件夹，右键选择终端或命令提示符，使用 Git 获取项目文件。也可以下载项目压缩包解压，但后续更新不如 Git 方便。
程序下载完成后，还需要准备基础模型文件，常见后缀为 .safetensors 或 .ckpt。将模型放入 stable-diffusion-webui\models\Stable-diffusion 文件夹。新手建议先放一个常用基础模型，不要一次堆太多，便于排查问题。模型来源要选择可信站点，优先使用 .safetensors 格式，减少加载未知文件带来的风险。
第三步：首次启动与常用参数设置
进入 WebUI 文件夹，双击 webui-user.bat 启动。首次运行会自动创建虚拟环境并下载依赖，时间可能较长，网络和磁盘速度都会影响进度。看到本地访问地址后，在浏览器打开对应地址即可进入界面。若窗口未报错但网页打不开，先确认命令行是否仍在运行，不要关闭黑色窗口；关闭后服务也会停止。
如果显存较小，可以右键编辑 webui-user.bat，在 COMMANDLINE_ARGS 后添加 --medvram 或 --lowvram。显卡较新且支持半精度计算时，一般默认即可。遇到黑图或精度相关错误，可尝试添加 --no-half 或 --precision full，但会增加显存占用。需要局域网内其他设备访问时可使用 --listen，但仅建议在可信网络中使用，并设置访问控制，避免把本地服务暴露给不相关设备。
安装失败的常见原因与处理方法
第一类是 Python 版本不对。很多用户电脑里安装过多个 Python，脚本调用到了 3.11、3.12 或商店版本，导致依赖编译失败。处理方法是卸载多余版本，保留 Python 3.10.6，并确认命令行输入 python --version 显示正确版本。如果仍然异常，可删除项目中的 venv 文件夹后重新运行 webui-user.bat，让程序重新创建环境。
第二类是 Git 未安装或环境变量未生效。报错中间出现 git 相关提示时，先在命令行输入 git --version 检查。如果无法识别，重新安装 Git，并重启终端或电脑。第三类是依赖下载中断。首次启动依赖较多，失败后不要反复乱改文件，先重新运行脚本；若多次卡在同一依赖，可检查系统时间、证书、袋里类软件设置和安全软件拦截情况。
第四类是显存不足。表现为 CUDA out of memory、运行一会儿崩溃、出图到高清修复阶段失败。解决思路是降低宽高，例如先用 512×512 或 768×768；减少批量数量；关闭不必要插件；使用 --medvram；高清修复倍数不要过高。第五类是模型放错位置或文件损坏。模型应放在 models\Stable-diffusion 下，VAE 放在 models\VAE 下，LoRA 放在 models\Lora 下。若模型列表不显示，可点击刷新，仍不显示则检查后缀和文件完整性。
基础出图配置：先跑通，再追求效果
新手第一次进入界面，不建议马上安装大量插件或导入复杂工作流。可以先在 txt2img 页面选择一个基础模型，填写简单提示词，采样器选择 DPM++ 2M Karras 或 Euler a，步数设置 20 到 30，尺寸 512×512，CFG 设置 6 到 8，批次数量为 1。能稳定出图后，再逐步提高尺寸、启用高清修复、加载 LoRA 或 ControlNet 等扩展。
负面提示词用于减少不希望出现的元素，但不是越长越好。建议先使用简洁模板，再根据图片问题调整。Seed 可用于复现结果，随机种子适合探索，固定种子适合对比参数。每次只改一个关键参数，更容易判断影响来源。
工作流模板如何导入和复用
在 Stable Diffusion WebUI 中，“工作流模板”通常可以理解为一组可复用的参数组合，包括模型、提示词、负面提示词、采样器、尺寸、步数、CFG、Seed、高清修复设置，以及部分插件参数。最简单的导入方式是读取图片信息：将别人生成的图片拖入 PNG Info 页面，如果图片保留了生成参数，点击发送到 txt2img 或 img2img，就能复用大部分设置。
如果模板以文本形式提供，可以手动复制提示词和参数到对应位置，并确认本机拥有相同或相近的模型、LoRA、VAE 和扩展。若缺少模型，界面可能提示找不到资源，或者结果差异很大。对于插件型模板，例如 ControlNet 参数，需要先安装对应扩展，并把控制模型放到指定目录。安装扩展后建议重启 WebUI，再进入 Extensions 页面确认启用状态。
复用模板时要注意版本差异。不同 WebUI 版本、模型版本和扩展版本会让同一组参数产生不同结果。建议建立自己的模板文件夹，把稳定可用的提示词、参数截图、所需模型名称和版本记录下来。团队协作时，可以统一文件命名规则，例如“模型名_用途_尺寸_日期”，减少找错文件的概率。
插件安装与升级建议
WebUI 的扩展能力很强，但插件越多，冲突概率越高。新手只建议先安装确实需要的扩展，例如图库管理、提示词辅助、ControlNet 等。安装扩展前，先确认当前 WebUI 可以正常启动；安装后若报错，优先禁用最近安装的插件，而不是重装整个项目。
升级 WebUI 前要备份 webui-user.bat、models 文件夹外的自定义配置、outputs 重要图片，以及 extensions 中关键插件。使用 Git 更新后，如果出现依赖异常，可以删除 venv 文件夹重新生成环境。若升级后问题较多，可回到之前可用的项目备份。生产用途或稳定创作环境不建议频繁追新，先看更新说明和插件兼容反馈更稳妥。
安全边界与使用提醒
本地部署并不等于没有风险。不要运行来源不明的脚本，不要随意双击陌生可执行文件，不要把他人提供的整套压缩包直接覆盖到系统关键目录。模型文件优先选择可信来源和安全格式，下载后注意文件大小是否异常。WebUI 只建议在本机或可信局域环境使用，不要随意开放远程访问。
生成内容也应遵守平台规则和实际使用场景要求。用于商业设计、广告素材、人物形象、品牌元素时，要确认模型授权、素材来源和使用范围。涉及真实人物、企业标识、受保护作品风格时，更要谨慎处理，避免后续版权和合规问题。
常见问题快速答疑
问：双击 webui-user.bat 一闪而过怎么办？答：在文件夹空白处打开命令行，手动运行脚本查看完整报错，常见原因是 Python 未加入 PATH、路径含中文、依赖未装好。
问：安装很久不动是不是失败了？答：首次安装会下载较多组件，短时间无输出不一定失败。可以观察磁盘和网络活动；若半小时以上停在同一报错，再按提示排查。
问：出图速度很慢怎么办？答：先确认是否调用 GPU，再降低尺寸、步数和批量数量。显存较小可使用低显存参数，关闭高消耗插件。
问：导入模板后效果完全不同？答：通常是模型、LoRA、VAE、采样器或版本不同。先补齐资源，再对照参数逐项检查，不要只复制提示词。
总体来说，Windows 本地部署 Stable Diffusion WebUI 的关键不是“装得多”，而是先把基础环境跑通，再逐步加入模型、插件和工作流。遇到失败时保留报错信息，按 Python、Git、驱动、依赖、模型路径、显存六个方向排查，通常都能定位问题。
