Automatic1111 安装环境怎么配？多账号配置教程，免费方案检查清单

安装前先确认使用场景

Automatic1111通常指Stable Diffusion WebUI项目，适合在本地电脑或工作站上运行文生图、图生图、ControlNet、LoRA测试、提示词管理等任务。它的优势是生态成熟、插件丰富、界面直观；不足是对显卡、驱动、Python版本和模型文件路径比较敏感。安装前建议先明确三件事：是个人单机使用，还是多人共用一台机器；主要跑基础模型还是大尺寸模型；是否需要长期稳定运行。不同答案会影响目录规划、端口分配、扩展安装和权限设置。

免费方案的核心思路是使用开源项目、本地显卡算力和公开可用的依赖工具，不额外购买云端服务。硬件方面，NVIDIA显卡体验通常更省心，显存建议6GB起步，8GB以上更适合常规出图，12GB以上可更从容地使用高分辨率、ControlNet和多个扩展。CPU也能运行，但速度较慢，只适合体验或调试流程。磁盘空间建议至少预留80GB，因为基础模型、VAE、LoRA、ControlNet模型和输出图会很快增长。

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，安装后重启，并在命令行输入nvidia-smi检查是否能识别显卡。Linux用户同样需要确认驱动与CUDA运行环境匹配。这里不建议新手手动混装多个CUDA版本，Automatic1111会通过PyTorch安装合适组件，驱动正常往往比单独安装CUDA更重要。

第二步，安装Python。Automatic1111长期较稳的选择是Python 3.10.x，常见版本为3.10.6。Windows安装时要勾选“Add Python to PATH”，并避免使用过新的Python版本，以免依赖包不兼容。安装后在命令行输入python --version确认版本。若电脑里已有多个Python版本，建议通过py -3.10 --version核对，避免WebUI调用到错误版本。

第三步，安装Git并拉取项目。选择一个路径清晰、无中文和特殊符号的目录，例如D:AIstable-diffusion-webui。进入该目录后执行git clone项目地址，或下载压缩包解压。路径简洁能减少脚本识别异常，也方便后续多账号管理。首次启动Windows可运行webui-user.bat，Linux或macOS可运行webui.sh。首次启动会创建虚拟环境、下载依赖，耗时与网络和硬盘速度有关。

第四步，放置模型文件。基础模型通常放在models/Stable-diffusion目录，VAE放在models/VAE，LoRA放在models/Lora，ControlNet相关模型放在extensions对应目录或指定模型目录。模型文件体积较大，建议从一开始就建立统一模型库，避免每个账号重复复制，造成空间浪费。

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里的COMMANDLINE_ARGS。低显存用户可使用--medvram或--lowvram降低显存压力，但速度会下降。需要让同一局域网内其他设备访问时，可使用--listen并配合--port指定端口，但这会增加访问面，必须设置账号口令，不要直接暴露到公网。多人环境建议加上--gradio-auth 用户名:口令，并为不同使用者设置不同入口。

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。不要让多个实例抢同一个端口，否则会启动失败或页面打不开。如果希望减少启动时检查耗时，可以在稳定后再考虑相关参数，但新手阶段不要为了“快”随意跳过依赖校验，因为很多故障都来自版本不一致。

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。每个使用者拥有自己的系统登录账号、自己的stable-diffusion-webui目录、自己的venv虚拟环境和配置文件。优点是隔离度高，扩展互不影响；缺点是依赖和部分文件会重复占用空间。适合教学机房、团队测试机、多人长期使用的工作站。

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，但通过不同启动脚本指定不同端口和不同输出目录。例如复制webui-user.bat为webui-user-a.bat、webui-user-b.bat，在各自脚本中设置--port 7860、--port 7861，并用--outdir-samples、--outdir-grids指定个人输出路径。优点是省空间、维护简单；缺点是扩展、配置和依赖会互相影响，不适合频繁折腾插件的团队。

方案三：独立程序目录，共享模型库。这是更推荐的折中方案。每个账号有独立WebUI目录和虚拟环境，但模型文件统一放在D:AImodels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可使用目录快捷映射或mklink方式，Linux可使用软链接。设置前要确认使用者只需读取模型库，尽量不要随意删除公共模型。

推荐的目录规划

一个清晰的免费本地方案可以这样规划：AI根目录下分为apps、models、outputs、logs、backup。apps存放不同账号的WebUI程序目录，例如webui-alice、webui-bob；models存放Stable-diffusion、VAE、Lora、ControlNet等公共模型；outputs按账号分文件夹；backup保存配置文件备份。不要把模型和输出图混在项目根目录里，否则迁移、清理和排错都会变复杂。

每个账号至少要独立保存三类内容：config.json、ui-config.json、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。升级或重装前，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的扩展能力很强，但扩展也是故障高发点。建议先完成基础安装，确认文生图、图生图都能正常运行，再安装ControlNet、图库管理、提示词辅助等扩展。每次只新增一到两个扩展，启动成功并测试后再继续。不要一次性导入大量扩展，否则出现报错时很难定位。

升级项目或扩展前，先记录当前可用版本。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。若升级后页面空白、按钮失效或依赖报错，可先临时移走最近安装的扩展目录，再重启WebUI。必要时回到旧版本，并重新安装依赖。稳定使用的机器不建议每天追新，除非新版本确实解决了你遇到的问题。

常见问题排查

页面打不开，先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，换一个端口即可。若依赖下载失败，先检查网络连通性和Python版本，不要反复删除整个项目。venv损坏时，可在备份配置后删除venv目录，让脚本重新创建。

提示CUDA out of memory，说明显存不足或参数过高。可降低分辨率、减少Batch Size、关闭高耗显存扩展，或使用--medvram。出图很慢时，确认是否真的调用了显卡，而不是落到CPU运行。若nvidia-smi中看不到Python进程，通常是驱动、PyTorch或启动环境有问题。

模型不显示，检查文件是否放在正确目录，扩展名是否为ckpt或safetensors，文件是否下载完整。LoRA不生效时，确认放在models/Lora目录，并在提示词中使用正确名称。ControlNet无效果时，除了模型文件，还要检查预处理器、权重、起止步数和输入图尺寸。

安全边界与使用建议

本地部署并不等于没有风险。不要运行来源不明的脚本，不要随意安装陌生扩展，不要把带口令的启动信息发给无关人员。多人共用时，应限制模型库写入权限，防止误删公共文件。若启用局域网访问，务必设置登录口令，并只在可信网络内使用。输出内容涉及真实人物、商业素材或客户资料时，要遵守授权要求，不要上传或扩散敏感文件。

免费方案检查清单可以按顺序核对：显卡驱动可识别；Python为3.10.x；Git可用；安装路径无中文和特殊符号；首次启动成功；基础模型可加载；端口分配不冲突；每个账号有独立输出目录；公共模型库已规划；关键配置已备份；扩展逐个安装并记录；局域网访问已设置口令；升级前能回退。只要把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，维护成本都会低很多。