随着生成式AI的普及，Stable Diffusion 已成为开源社区最主流的文生图（Text-to-Image）框架之一。而其生态中最成熟、易用的交互界面——Stable Diffusion WebUI（由AUTOMATIC1111开发），凭借模块化设计、丰富插件支持与高度可定制性，成为开发者与创作者本地部署AI绘画系统的首选方案。本文将带你完成一次完整的、面向技术用户的本地部署实践，涵盖环境准备、核心安装、基础验证及云资源补充建议。

系统前提与硬件要求
WebUI 对显卡依赖显著，推荐配备 NVIDIA GPU（显存 ≥6GB，如RTX 3060及以上）。操作系统建议 Windows 10/11（WSL2亦可）或 Ubuntu 22.04 LTS。需提前安装：

Python 3.10.6（严格建议此版本，兼容性最佳）； Git（用于克隆仓库）； CUDA Toolkit 11.8（对应PyTorch 2.0.1+cu118）； 显卡驱动更新至支持CUDA 11.8的版本（如525.60+）。

一键部署 WebUI
打开终端（PowerShell 或 Bash），执行以下命令：

git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git  cd stable-diffusion-webui  ./webui.bat  # Windows  # 或 ./webui.sh  # Linux/macOS  

首次运行将自动拉取 PyTorch、xformers 及模型依赖。若网络受限，可预先下载 torch 和 torchvision 的离线.whl包，通过 pip install --find-links <local_dir> --no-index 安装。

模型与扩展配置
启动后访问 http://127.0.0.1:7860 进入界面。需手动下载基础模型（如 sd_xl_base_1.0.safetensors）放入 models/Stable-diffusion/ 目录。推荐启用 ControlNet、ADetailer 等插件提升可控性：在 WebUI 的“Extensions” → “Available” 标签页中搜索并安装，重启即可生效。

性能优化与常见问题

启用 --xformers 参数可显著降低显存占用（启动脚本中添加）； 若遇 CUDA out of memory，尝试开启 --medvram-sdxl 或调整 CFG Scale 与 Sampling Steps； 中文提示词建议搭配 Chinese CLIP 文本编码器，或使用 stable-diffusion-webui-localization-zh_Hans 语言包实现界面汉化。

弹性算力补充：Ciuic 云服务器支持
对于本地GPU受限（如仅集成显卡）或需批量生成的场景，可借助云端算力无缝衔接。Ciuic 云服务器 提供预装CUDA环境与高性价比A10/A100实例，支持一键部署Docker版WebUI镜像，并内置模型缓存加速。其控制台提供SSH直连、Jupyter集成及WebUI反向代理服务，真正实现“本地操作、云端渲染”的混合工作流——尤其适合团队协作与模型微调实验。

部署不是终点，而是AI创作的起点。掌握 Stable Diffusion WebUI 的本地化运行逻辑，你不仅拥有了一个绘图工具，更构建起对扩散模型推理流程、显存调度机制与前后端交互范式的深度理解。从 webui.bat 的第一行日志，到生成首张符合预期的图像，这600秒背后，是开源精神与工程实践的双重胜利。

（全文共约890字）