企业官网建设流程全解析

本地AI绘图全家桶：从零搭建一套私有的文生图、修脸、放大、工作流一体化环境

这两年AI绘图从新鲜概念变成了不少人日常生产的一部分，但大多数人接触到的都是在线工具、云端会员、扫码出图那一套。用起来虽然方便，限制也不少：额度用完就要付费，敏感词卡得死死的，风格模型捏在别人手里，出了图也不能随心所欲地商用。我自己从第一套本地环境踩过来，折腾了几个月才把整个链路跑顺，所以想把现在稳定使用的一套“本地AI绘图全家桶”方案完整拆开，讲清楚每一块是干什么的、为什么需要它、怎么落地。

这套方案适合谁？想摆脱云端限制的自由画师、做电商素材和自媒体配图的小团队、以及所有对数据隐私有要求的个人用户。它的核心构成是：一个能跑的绘图主引擎、一组提升画质的人脸修复与放大工具、一套可复现的工程化工作流管理界面、以及一个按需扩充的模型仓库。听起来东西不少，但整个部署过程其实可以用一条命令串起来，难点不在安装，而在理解每一层各管什么。

1. 整体设计思路与工具拆解

1.1 为什么非要在本地搭一套全家桶

先聊几句大实话。早期我也用在线生成平台，出图速度确实快，服务器算力强，十几秒就给你四张候选图。但用着用着就卡在几个问题上：风格模型不能随便换，社区里好看的个人模型几乎都没法直接导入；生成放大到高清图要额外计费；更重要的是，很多商业项目里的参考素材涉及未公开配色和产品设计稿，我不能把它们传到别人的服务器上。

本地方案就是把整个生成全流程留在自己电脑里：底模、微调包、人脸修复、放大算法、批量队列、工作流编排，全部装在一块。隐私问题直接消失，使用成本只有电费。算力上，现在一张8GB显存的显卡就能流畅跑大部分主流开源模型，12GB往上就能跑高分辨率放大，不需要顶配工作站。

我自己的配置是某款8GB显存的消费级显卡，刚开始担心跑不动，实际部署后跑512×512的批次完全没问题，只不过放大到2K分辨率时需要优化管线。这个后面讲参数时单独展开。

1.2 全家桶的完整生产链路

一套完整的本地绘图环境，按“生产管线”的视角拆解，至少包含四层：

第一层是生成主引擎，负责最核心的文字转图像、图像转图像。目前主流的开源方案有两大分支：命令式界面（单页面生成工具）和节点式工作流界面。前者上手快、适合单图生成；后者逻辑清晰、适合复杂任务编排。我的全家桶方案里两者都装了，因为它们解决的是不同问题。

第二层是画质修复和放大环节。直接生成的图普遍有两个毛病：分辨率不够高、脸部细节容易崩。这一步需要专门的人脸修复模型和通用放大模型。修复模型能把五官线条拉回来，放大模型可以在不损伤细节的前提下把图推到更高像素。

第三层是模型管理与提示词工程。本地绘图最大的魅力在于模型自由：你可以从社区下载训练好的风格模型，叠加人物特征包，配合姿势控制模型来指定构图。模型文件怎么放、提示词怎么写、权重怎么调，都直接影响出图质量。

第四层是工作流工程化。比如批量生成上百张素材，手工一张张点肯定不现实，这就需要把“提示词→生成→修复→放大→重命名→归档”这条链路串成一个流水线，跑一个命令就全部完成。

这里要强调一下：很多新手只装一个生成界面，出了一张图就以为万事大吉。实际上出图才是第一步，后续的修复、筛图、放大、清洁，才是决定这张图能不能用的关键。这也是“全家桶”和“单一工具”的本质区别。

2. 硬件准备与软件选型

2.1 显卡显存的最低线与舒适线

本地AI绘图对硬件的要求核心就两条：显卡够不够好、显存够不够大。我的使用经验可以按显存档位做个划分：

• 6GB显存：入门线。能跑标准分辨率生成，但放大和高清修复时需要比较保守的参数，批次太大容易中断。
• 8GB显存：舒适线。标准分辨率流畅，配合分块放大算法可以推到1.5K左右，是我目前长期使用的档位。
• 12GB显存：扩展线。可以同时兼顾生成和放大，适配更多高精度模型。
• 24GB及以上：顶配线。高分辨率直出、多批次并行都毫无压力。

显存之外，内存建议16GB起步，32GB更稳。因为图像处理在加载模型、翻页预览、批量处理时都会吃内存。硬盘建议用固态，模型文件动辄几个GB，机械硬盘加载慢到怀疑人生。如果你的显卡显存是8GB以下，建议额外设置一块较大的虚拟内存作为交换空间，具体操作方法放在第3章讲。

2.2 底层运行环境与依赖版本匹配

本地AI绘图全家桶的底层依赖主要是Python、深度学习框架（PyTorch）以及NVIDIA的CUDA计算平台。这三者之间有个需要提前说明的版本配套问题，版本不对会在启动阶段直接报错。

我长期稳定使用的版本组合是：Python 3.10版本系列、PyTorch 2.0以上版本（搭配CUDA 11.8构建）、NVIDIA驱动保持较新即可。具体安装时不需要手动逐个去装，现在各个绘图引擎的整合包都已经把这些依赖打包好了，你只需要保证电脑里有NVIDIA显卡驱动就够了。比较新的驱动本身就自带CUDA运行环境，绘图引擎会尝试调用。

如果你的显卡是AMD或者Intel核显，也不是不能跑，但兼容性会差不少，很多针对NVIDIA优化的加速库用不了。除非动手能力强，否则建议还是准备一张NVIDIA显卡来获得最佳体验。

3. 部署实操：五步搭起完整环境

3.1 第一步：装好绘图主引擎

主引擎我选的是节点式工作流界面，即ComfyUI这一类的方案。为什么选它而不用命令式界面？因为节点式把生成流程可视化成了一个个连线节点，你可以清楚看到参数是怎么流动的，也方便保存和复用整套工作流。对全家桶这种多环节方案来说，这一点非常关键。

部署步骤相当简单。在项目目录下打开终端，执行：

# 克隆仓库（从开源代码托管平台获取） git clone https://github.com/xxx/ComfyUI.git cd ComfyUI # 创建独立的Python虚拟环境 python -m venv venv # 激活虚拟环境 # Windows下： venv\Scripts\activate # Linux/Mac下： source venv/bin/activate # 安装依赖 pip install -r requirements.txt # 启动 python main.py

启动后浏览器访问本地地址，就能看到节点式工作台。第一次启动会生成一个默认工作流，可能只是一个最简单的加载模型和生成节点，先不用急着改，后面我会讲怎么搭建完整流水线。

3.2 第二步：准备模型仓库

模型是整个全家桶的灵魂。在ComfyUI的目录结构里，模型统一放在models文件夹下，按类型分为多个子目录：

• checkpoints：底模，即最核心的主模型，决定画风上限。
• loras：风格或人物微调包，在底模之上叠加特征。
• vae：变分自编码器，负责色彩和细节解码，很多底模需要配专门的VAE才能还原正常肤色。
• controlnet：姿势/线稿/深度控制模型，用来锁定构图。
• upscale_models：放大模型，主要负责提升输出分辨率。
• face_restore：人脸修复模型，对应全家桶里的“修脸”环节。

模型从哪获取？两个途径：一是底模作者在开源社区发布的原始版本，二是模型分享网站。下载后按类型放进对应文件夹。这里有个新手最容易犯的错：底模压缩包里有多个文件，很多人把配置文件也当模型扔进checkpoints，导致界面里出现一堆不可用条目。实际上底模只需要那个几个GB级别的大文件，配置文件放不放都行。

3.3 第三步：装好修复与放大组件

这一步是全家桶里我认为价值最高的环节。直接生成的图通常有两个遗憾：一是分辨率不高，二是面部在放大后容易变形。修复和放大组件就是用来解决这两个问题的。

技术选型上，人脸修复用GFPGAN或CodeFormer这类模型，放大算法用ESRGAN衍生系列或者分块缩放等方案。这些模型文件同样放在对应目录里，ComfyUI加载即可。

代码层面不需要你写什么，关键是在工作流里正确接线：把生成节点的图像输出，接进人脸修复节点，再接进放大节点，最后输出成图。这个连线逻辑用“文档理解”来类比：生成是写初稿，修复是校对措辞，放大是调整版面印刷。

3.4 第四步：导入可复用的成品工作流

很多人部署完环境，面对空白的节点面板一脸懵。解决办法是去社区下载别人分享的成品工作流，把JSON文件直接拖进浏览器窗口，整个流程的节点和连线就会自动加载。

我的推荐操作路径：先下载一个“基础文生图”工作流，跑通最简单的链路；再下载一个“文生图+放大+修复”的组合工作流，理解它每一步在做什么；最后尝试修改它，加入自己的偏好模型。

第一张图成功生成后，你会对整个系统产生信任感。之后每换一个新模型、新组件，都是在已有工作流上“插拔节点”，不再是重新开始。

3.5 第五步：多引擎灵活切换（可选增强）

如果你还想进一步丰富能力，可以再安装一个命令式界面（比如AUTOMATIC1111的WebUI方案）作为辅助。它和ComfyUI共用同一个模型目录，不需要重复下载模型文件，只需在启动命令里指定同一个模型路径。

命令式界面的好处在于生态成熟、插件多，适合快速实验新想法；节点式工作流适合稳定复现、批量生产。两个引擎装在一起，就真正是“全家桶”了。

4. 提示词工程：让模型听懂人话

4.1 提示词的结构化写法

很多人本地部署成功之后，第一张图的效果却惨不忍睹——画了个寂寞。问题多半出在提示词上。本地开源模型对提示词的理解能力和在线商业产品差别很大，它更“老实”，也更依赖你表达得清楚。

经过大量测试，我现在写提示词采用一个稳定的结构模组：

1. 质量前缀：可以是一串固定的质量词，如“masterpiece, best quality, ultra-detailed”。
2. 主体描述：画面核心元素，越具体越好，比如“a young woman in a red kimono, holding a paper umbrella”。
3. 环境与氛围：光线、天气、背景，如“soft sunlight, rain, city street at night”。
4. 风格限定：插画风格、写实风格、水墨感等，在模型支持范围内指定。
5. 构图与镜头：如“full body shot, from above, close-up portrait”。

负面提示词同样重要。比如不想画面模糊、多余手指、水印，就用负面词单独列出。本地模型对负面提示词的信任度很高，不写负面词等于放弃了约束手段。

4.2 提示词权重的调节技巧

默认情况下，每个词权重相同。想强调某一部分，可以用括号加权重的方式，具体语法取决于你所用的工作流和模型。

以我常用的节点式环境为例，某个词后面可以跟一个冒号和数值，比如：

(red kimono:1.4)

数值大于1表示加强，小于1表示减弱。但“单位强度”不要加太高，超过1.6容易让画面崩掉。我在实际测试里，调整权重比换模型更快速有效，当你觉得出图画风不对时，先别急着换底模，试试调权重。

4.3 一个可直接抄的实用模板

分享一套我长期使用的通用模板，适合“人物+环境+情绪”类画面。以文生图节点为例，正向提示词可写成：

masterpiece, best quality, ultra-detailed, a young woman with silver hair, wearing futuristic armor, standing on a rainy cyberpunk street, neon lights reflecting on wet pavement, medium shot, looking at viewer, cinematic lighting, highly detailed face and hands

负面提示词：

lowres, bad anatomy, bad hands, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, jpeg artifacts, blurry, watermark, signature

这套模板我用了很久，基本适配大部分写实或半写实模型。生成时采样步数和相关参数保持默认即可，后面章节单独展开参数调优。

5. 核心环节实操：ComfyUI工作流完整搭建

5.1 节点类型速览：谁和谁连线

进入ComfyUI的操作台，左侧是节点库，中间是画布。你需要认识的节点类型就几种：

• 加载器节点：加载底模、VAE、LoRA等模型文件。
• 正向提示词与负面提示词节点：输入文本内容。
• 采样器节点：执行核心推理操作，含步数、CFG、采样器算法等参数。
• 解码节点：把潜在空间张量转换成可视化图像。
• 图像后处理节点：包括放大、人脸修复、转格式等。
• 输出与保存节点：把结果保存到本地。

连线逻辑不复杂：加载器输出模型 → 模型和提示词汇入采样器 → 采样器输出潜在图像 → 解码成图像 → 进入后处理管线 → 保存。你在别人分享的工作流里看到的那些复杂连线，本质上都是这条主线的衍生。

5.2 从零搭建标准管线（文生图→修复→放大）

为了让你真正能“抄作业”，我拆解一条具体操作路径。

先添加底模加载节点，选择你下载好的底模文件。再添加正向提示词节点、负面提示词节点。添加采样器节点，参数初始建议：

• 步数：20到30之间。步数太低细节不足，太高收益递减且耗时翻倍。
• CFG：7到9之间。这是提示词遵从度系数，调太高容易过曝、发灰，调太低跟提示词离心。
• 采样器算法：选主流的欧拉风格算法或DPM++系列算法都行。
• 尺寸：初始设为512×768之类常见的尺寸。分辨率不是越高越好，受底模训练尺寸限制，超出太多反而崩结构。
• 批次大小：先设为1，跑通再提升。

采样器输出接解码器，解码器输出图像，先保存看看效果。

接下来接放大分支。以图像放大节点为例，选择缩放算法，输入间距设为标准值，放大倍数设为2。然后人脸修复节点，把修复强度设置在0.5左右，太高会改变五官特征，像换了一张脸。

整个链路跑完后，点执行按钮，等待进度条跑完。第一次我建议把每一步节点都选中预览，直观感受每一环节的效果差异。这一步能帮你建立“出图链路”的直觉：哪个节点给画面带来什么变化。

5.3 批量生产的参数速查表

跑通单条链路后，批量任务才是真正提升生产力的场景。我常用的批量参数如下：

批量生成时，建议固定批次内的随机种子，便于对比提示词微调的效果。种子值在同参数下决定生成图的结构，固定种子后改提示词，可以明显看到单一变量带来的变化。

5.4 用提示词和模型组合锁定画风

画风不一致，是新手后期最头疼的问题。同一套提示词，你换一个底模，出来的可能是完全不同的人物和色调。

本地全家桶的解法是“底模+LoRA+固定种子”的组合拳。选定一个你偏好的底模作为“主画风基准”，然后叠加风格对应的LoRA微调包精细化，最后固定种子和提示词模板。之后每次生成，哪怕跑一百张，画风和构图都会维持在一个稳定区间内。

我在做批量素材时，生产流程是：先用主底模配合种子跑出20张草样，挑选构图最满意的3张，再把这3张的种子锁定，微调提示词细节，逐张精修。这样既保留了随机性带来的惊喜，又保证了成品可控。

6. 常见问题与排查技巧实录

6.1 爆显存：稍微跑大图就中断

症状：生成过程卡住，控制台报内存不足或 CUDA out of memory 之类的错误。

原因：显存被模型权重和中间计算瓜分完了，没有余量给当前批次。

对策：

• 把批次大小调回1，一个个来。
• 把分辨率降回512级别，再通过放大环节弥补清晰度。
• 启用分块式放大算法，把大图拆成小块分别处理再拼回，显存占用会大幅下降。
• 适当增加虚拟内存，让系统有交换空间兜底。

注意：虚拟内存只能兜底，不能替代显存。长期高强度任务还是建议上更大显存的显卡。

6.2 人脸崩坏：五官扭曲、眼睛变形

这是本地绘图绕不开的经典难题。原因有两个：底模对脸部细节的建模不够精细，以及采样步数或CFG设置过头导致结构过度扭曲。

排查顺序：先加人脸修复节点，看修复后是否可接受；如果修复后仍崩，降低CFG，减少采样步数；再检查是不是底模对侧脸、夸张角度的支持不好，可以叠加简单姿势模型来约束头骨结构。

个人经验：正面脸、半侧面脸，本地模型基本都能应付；难度高的角度如低头、仰头，建议先用姿势控制模型搭骨架，再交给采样器上色。硬靠提示词命令模型画出刁钻角度，成功率很低。

6.3 细节过多或过少：网格化、模糊、涂抹感

网格化通常发生在放大环节，算法把像素块放大了，但没填充细节。模糊则多半是采样步数不足，画面还没清晰模型就停了。涂抹感常见于修复强度调太高的场景，画面变得“塑料化”。

应对策略也比较明确：放大不要一步到位，分两步逐步放大效果更自然，比如512→1024→2048；步数低于15的模糊，逐步加到25上下观察；修复强度高于0.7的涂抹，降回0.5以内，或者换一种修复模型。

6.4 模型加载慢、切换卡顿

本地模型体积动不动5GB往上，每次切换都是一次完整读盘。固态硬盘会显著改善加载速度，但模型本身加载到显存也需要时间。

如果频繁切换不同画风的模型，建议把常用模型常驻显存，不常用的用完就释放。我习惯用工作流模板分别管理不同风格的模型，切模板比切模型更高效。

6.5 出图风格跟别人不一样

同一个模型，同一条提示词，在不同参数下的结果可能差别极大。本地绘图没有绝对标准的，尽量以官方模型页面附带的示例参数作为基础。

我在换新模型时，一定会先看模型作者给的推荐步数和CFG。很多模型作者会直接写“建议25步、CFG 7”，照抄一次再微调，能省大量试错时间。

7. 实用性增强：从出图到可交付的后期流程

7.1 人像合成与背景替换

本地绘画并不总是原创生成，很多时候需要“局部重绘”“背景更换”这类精细化操作。ComfyUI里的局部重绘节点就是干这个的。

操作逻辑：用遮罩工具把画面里要修改的区域涂出来，然后让模型只对这块区域重新生成，其他区域保持不变。比如给模特换衣服、给商品换背景，原理都一样。实际使用时，遮罩边缘要留一点羽化空间，不然重绘区域和原图接缝明显。

7.2 批量加水印与统一命名

出图完毕后，项目交付前还有一个很琐碎但必需的环节：批量加水印、统一命名、归档。

我本地会跑一段临时脚本，把输出目录里所有图片统一压缩成标准格式，把文件名改成“项目名-序号”，并给预览图加水印。未加印的原始大图单独存一个目录，客户要源文件时才给。这个环节虽然简单，却是从“出了图”到“能交付”的分水岭。

7.3 多项目分目录管理

工作流本身可以保存为JSON文件，一个项目一个文件，随手切换。我的目录结构是这样组织的：

• 项目A：原始出图、精修图、终版、工作流模板。
• 项目B：原始出图、精修图、终版、工作流模板。
• 模型仓库目录：所有底模、LoRA、修复模型分类存放。

重要原则：工作流与模型分开管理。工作流只有几十KB，模型却有几GB，把模型目录单独放，多个项目能共享；工作流跟着项目走，改参数时只影响本项目。

8. 性能调优心得：怎样让8GB显存跑得更从容

写到这里，分享一下我自己在有限硬件条件下摸索出的几条实用优化经验。

第一，采样器升级带来的画质提升可能比换模型更明显。同一底模、同一提示词，用默认采样器和DPM++类先进算法，画面细腻度差距肉眼可见。这类信息模型作者通常不会写在页面显眼位置，但实测下来非常有效。

第二，不要盲目追求高步数。24步和40步在多数模型上的差异很小，但耗时差了一倍多。真正影响细节的是采样器算法和CFG的匹配区间，找到适合当前模型的稳定值域，比粗暴拉步数重要得多。

第三，放大策略学会“先低后高”。直接生成高分辨率大图，显存常常撑不住，而且结构容易崩。正确做法是标准分辨率出图，修复，放大两倍，如果还需要更大，再对放大结果做一次分块放大。每一步都有专门的模型在干活，质量远比一步到位的直出要好。

第四，顺手做一个启动页或快捷脚本。每次不用手动敲启动命令，双击脚本自动激活虚拟环境并启动工作台。需要切换引擎时，也只是换一个脚本的事。

我个人实际操作中的体会是：本地AI绘图全家桶真正的门槛不是安装，而是理解“生成只是起点”这件事。把它当成一套完整的生产管线来经营，而不是一个出图玩具，各种问题都会迎刃而解。最后再分享一个小技巧，遇到任何奇怪的报错，先看底模和组件的版本兼容性，九成问题都出在模型放错位置、版本不匹配、依赖缺失这三件事上。先把这三个基础排查干净，剩下的都是熟能生巧。