Stable Diffusion 安装与部署：先选工作流，再做一次可复现的本地运行

你的约束	更合适的起点	第一条验收标准
有本地 GPU，想离线控制模型与文件	本地 WebUI 或节点式工作流	在本机生成并保存一张带参数的图
想最快试用，不维护驱动与环境	可信云端服务	导出任务、模型与生成参数
需要可重复的复杂流程	节点式工作流与版本化 workflow	用同一 workflow 重跑并定位差异
需要 API 接入产品	有稳定 API contract 的服务或自托管端点	用最小请求得到可验证响应

“怎么安装 Stable Diffusion”没有一条长期正确的命令。显卡、驱动、Python、模型格式和界面项目都会变化；正确的起点是先固定你要承担的维护边界，再跟随所选项目的官方安装文档。

先决定部署边界

本地部署的优势是文件与队列在自己手里，代价是你要维护环境、模型存储和升级兼容性。云端的优势是上手快，代价是数据、排队、计费和可复现性要依赖服务方。无论选哪条路，都不要把“能打开页面”当作安装完成。

安装前的四项检查

检查项	要记录什么	为什么重要
硬件与系统	GPU/内存、操作系统、磁盘空间	决定可选后端和模型体积
工具版本	WebUI、运行时、驱动或容器版本	让后续错误可以定位
模型来源	下载页、许可、文件 hash	避免不明模型与无法重现
输出位置	模型、图片、workflow、日志目录	防止升级或清理时丢失证据

官方项目会按平台给出不同入口。以 WebUI 为例，应从项目 README 或 wiki 选择对应系统的指南；不要复用旧整合包、过时网盘链接或陌生的一键脚本。

一次最小的可复现运行

先使用项目官方示例或一个来源明确的基础模型，只生成一张图。保存 prompt、negative prompt（如果工具支持）、seed、采样器、步数、分辨率、模型名和工作流文件。

环境版本 + 模型标识 + 输入参数 + 输出文件 + 错误日志 = 可复现的最小运行记录

这样你遇到黑图、显存不足或结果漂移时，才能先区分是环境、模型还是参数的问题，而不是盲目重装。

常见失败怎样缩小范围

1. 启动失败：先读取当前项目的官方安装说明，核对运行时与驱动，不要混用多份教程的依赖命令。
2. 模型不出现：检查模型目录、文件格式、许可与项目支持范围，再看启动日志。
3. 生成失败或显存不足：先缩小分辨率和批量，再记录实际错误；不要把“低显存模式”当成万能修复。
4. 结果不可复现：比对模型、seed、工作流、采样设置和插件版本，而不是只复制自然语言描述。

下一步：把参数写成可交流的 Prompt

安装完成后，继续读 Stable Diffusion Prompt 语法：把自然语言变成可测试的生成配方。它不会替代具体工具的文档，但能帮你把每次尝试变成可比较的输入。

延伸阅读

• AUTOMATIC1111 Stable Diffusion WebUI
• 官方安装与运行指引