Stable Diffusion WebUI & ComfyUI 完整安装教程：官方部署+一键整合包+Docker容器化（2026最新）

很多人在搜索 Stable Diffusion 本地安装 时，都会先尝试官方原版部署，但往往卡在中文路径报错、依赖下载失败、CUDA版本不匹配、模型混乱等问题上。本文覆盖新手最常用的三种部署方式：先讲官方原生安装的标准流程与避坑指南，再给出国内最稳定的秋叶一键整合包方案，最后补充适合进阶/服务器的Docker容器化部署，附带完整的文件夹规范、模型配置、启动参数与速查卡片，零基础一次成功。

---

一、前置准备（必读避坑）

1. 硬件基础要求

显卡显存	支持能力	推荐用途
6GB（RTX2060/3050/3060）	可跑SD1.5，低分辨率SDXL	新手入门、二次元角色
8GB（RTX3060Ti/4060）	流畅跑SD1.5，可跑SDXL	日常出图、简单工作流
12GB+（RTX3080/4070Ti+）	全模型支持，批量生成	商业生产、复杂工作流

• 系统：Windows 10/11 64位（不推荐Win7）
• 磁盘：必须用固态硬盘（SSD），预留≥100GB空闲空间（模型+缓存占用大）
• 网络：可正常访问GitHub，或准备国内镜像源

2. 必备预装软件（仅官方安装需要）

1. Git 工具：用于拉取开源代码（官网下载默认安装即可）
2. Python 3.10.x 固定版本 ：SD生态通用适配，绝对不要用3.11/3.12/3.13高版本
3. 解压软件：7-Zip（推荐，避免解压损坏）

3. 文件夹与路径规范（90%新手报错根源）

绝对禁止 ：中文、空格、特殊字符（如括号、感叹号）出现在任何路径中
推荐统一目录结构（一次建好，终身复用）：

F:\AI\                  # 所有AI相关文件统一放在一个根目录
├─ models\              # 全局模型库（WebUI和ComfyUI共用）
│  ├─ Stable-diffusion\ # 底模存放
│  ├─ Lora\             # LoRA模型存放
│  ├─ VAE\              # VAE模型存放
│  └─ ControlNet\       # ControlNet模型存放
├─ outputs\             # 生成图片统一输出目录
├─ SD-WebUI\            # WebUI安装目录
└─ ComfyUI\             # ComfyUI安装目录

好处：所有模型只下载一次，两个客户端通用，避免重复占用几十GB空间

---

二、Stable Diffusion WebUI 官方原版安装

WebUI是目前使用最广泛的AI绘画客户端，界面直观、插件丰富，适合新手入门调试提示词、日常出图。

1. 官方仓库地址

https://github.com/AUTOMATIC1111/stable-diffusion-webui

2. 分步安装流程

1. 打开刚才创建的 F:\AI\SD-WebUI 文件夹

2. 地址栏输入 cmd 回车，打开命令行窗口

3. 执行克隆命令（国内慢可加镜像前缀）：

   git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git .

   注意最后的点，表示克隆到当前目录，不要漏掉

4. 下载至少一个SD1.5底模，放入 F:\AI\models\Stable-diffusion

5. 编辑根目录下的 webui-user.bat，添加显存优化参数：

   set COMMANDLINE_ARGS= --xformers --medvram --no-half-vae --ckpt-dir "F:\AI\models\Stable-diffusion" --lora-dir "F:\AI\models\Lora"

6. 双击 webui-user.bat 启动，首次会自动下载所有依赖

7. 看到 Running on local URL: http://127.0.0.1:7860 即成功，浏览器打开即可

3. 官方安装常见痛点

• 依赖下载极慢，国内网络极易超时中断
• Python/CUDA版本冲突，出现大量红色报错
• 插件需手动安装，新手容易装错版本
• 模型路径配置繁琐，容易重复下载

---

三、ComfyUI 官方原版安装

ComfyUI采用节点式工作流架构，主打自定义流程、批量自动化、API对接，是游戏素材生成、工业化生产的首选，也是你后续搭建自研游戏AI平台的基础。

1. 官方仓库地址

https://github.com/comfyanonymous/ComfyUI

2. 分步安装流程

1. 打开 F:\AI\ComfyUI 文件夹

2. 地址栏输入 cmd 回车，执行克隆命令：

   git clone https://github.com/comfyanonymous/ComfyUI.git .

3. 双击 run_nvidia_gpu.bat 启动，自动下载依赖

4. 编辑根目录下的 extra_model_paths.yaml，配置全局模型路径：

   F:\AI\models:
     base: F:\AI\models

5. 重启后访问 http://127.0.0.1:8188 即可进入节点画布

3. ComfyUI核心优势

• 资源占用比WebUI低30%以上，相同显存能跑更大模型
• 可自由拖拽节点搭建任意工作流（如三视图、批量放大）
• 支持导出工作流JSON，一键复用、批量调用
• API接口完善，可无缝嵌入你的游戏开发平台

---

四、进阶部署：Docker容器化方案

如果你需要在服务器部署、多环境切换，或者不想污染本地Python环境，Docker是最佳选择。它能一次性解决所有环境依赖问题，真正做到"一次打包，到处运行"。

1. Docker部署优势

• 无需安装Python、Git、CUDA，一条命令启动
• 环境完全隔离，不会和本地其他项目冲突
• 服务器部署、多用户共享极其方便
• 可快速迁移到任意支持Docker的机器

2. 快速启动命令（SD WebUI）

docker run -d --gpus all \
  -p 7860:7860 \
  -v F:\AI\models:/app/models \
  -v F:\AI\outputs:/app/outputs \
  --name sd-webui \
  continuumio/anaconda3:latest

3. 完整Docker实战教程

我专门写了一篇从入门到AI实战的Docker教程，包含GPU支持配置、镜像构建、常见问题解决，覆盖所有AI项目的Docker化需求：

👉 Docker从入门到AI实战：为什么每个AI学习者都该掌握它？

https://blog.csdn.net/qq_16511607/article/details/160377607?spm=1011.2415.3001.10575\&sharefrom=mp_manage_link

---

五、新手零失败：秋叶一键整合包（推荐首选）

如果官方安装遇到各种报错，不想在环境配置上浪费时间，直接用国内最成熟、稳定性最强的秋叶绘世一键整合包。内置独立隔离环境，无需安装任何软件，解压即用，完美解决99%的新手问题。

1. 官方永久下载地址

Stable Diffusion WebUI整合包（新手入门首选）

https://ai.feishu.cn/wiki/UkOuwuc5liaJIbkEIh3cDB6Tnzg

ComfyUI整合包（进阶工作流首选）

https://ai.feishu.cn/wiki/P7Qzwfnx4inVFLkVIPbclmY0nvb

2. 解压密码

（官方设置，请私信领取）

⚠️ 重要提醒：必须用网盘官方客户端下载，否则压缩包极易损坏；下载后先测试压缩包完整性再解压

3. 30秒快速使用流程

1. 下载对应版本压缩包，解压到 纯英文路径 （如 F:\AI\绘世SD-WebUI）
2. 双击 A绘世启动器.exe 打开启动器
3. （可选）配置全局模型路径：
   • 点击「根目录」，打开 webui-user.bat
   • 粘贴之前的启动参数，指向你的 F:\AI\models 目录
4. 点击右下角「一键启动」，浏览器自动打开绘图界面

4. 整合包核心亮点

• 零配置开箱即用，内置Python、CUDA、所有依赖
• 支持RTX40/50系最新显卡（CUDA 12.8）
• 预装中文汉化、ADetailer、ControlNet等常用插件
• 启动器自带疑难解答、模型管理、版本切换功能
• 独立环境，不修改本机任何系统配置

---

六、Stable Diffusion 通用参数速查小卡片（直接抄）

1. 不同显存启动参数

显存	启动参数
6GB	--xformers --medvram --no-half-vae
8GB	--xformers --no-half-vae
12GB+	--xformers

2. 基础出图固定参数

参数	推荐值	说明
采样器	DPM++ 2M Karras	综合速度与画质最优
采样步数	20-25	性价比最高区间
CFG Scale	7	提示词贴合度通用值
分辨率	512×768（角色）/ 768×512（场景）	SD1.5标准尺寸
重绘幅度	0.25-0.4	高清修复通用值
CLIP skip	2（二次元）/ 1（写实）	提示词理解优化

3. 万能提示词模板

正向开头必加：

masterpiece, best quality, ultra detailed, 8k, sharp focus

反向防崩必加：

lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, blurry, watermark

---

七、三种部署方式对比与选择建议

部署方式	优点	缺点	适合人群
官方原版	可学习底层原理，自由度最高	配置繁琐，报错多	想深入研究SD、开发插件的用户
秋叶整合包	零配置，开箱即用，稳定	自定义程度稍低	新手、只想快速出图的创作者
Docker容器化	环境一致，部署方便，易迁移	有一定学习门槛	服务器部署、多环境切换、开发者

对于大多数人，优先选择秋叶整合包，把时间花在练习提示词和工作流上，而不是折腾环境。等用熟了，再根据需要学习官方部署和Docker。