安装前先了解：SD.Next 适合什么场景

SD.Next 是一个面向 Stable Diffusion 生态的本地化 Web UI，适合在 Mac 上完成文生图、图生图、局部重绘、模型切换、参数预设和扩展管理等任务。

相比只使用在线工具，本地部署的优势是可控性更高、参数更完整、素材不必上传到第三方平台。不足是对硬件、存储空间和依赖环境有要求，首次安装也需要耐心排查。

macOS 用户推荐通过 Homebrew 管理基础依赖，因为它能统一安装 Git、Python、编译工具和常见库，后续升级、卸载也更清晰。

Apple Silicon 芯片的 Mac 可以利用 Metal 后端，获得较好的本地推理体验。Intel 机型也能运行，但速度通常更慢。建议至少预留 30GB 可用空间。若要保存多个大模型、LoRA 和输出图片，预留 80GB 以上更稳妥。

第一步：安装 Homebrew 与基础检查

先打开“终端”，确认系统已经安装命令行工具。输入 xcode-select --install，如果提示已安装即可继续；如果弹出安装窗口，按提示完成。随后安装 Homebrew。

安装完成后，Apple Silicon 默认路径通常是 /opt/homebrew，Intel Mac 通常是 /usr/local。如果终端提示找不到 brew，需要按 Homebrew 安装结束时给出的提示，把环境变量写入 shell 配置文件。

可用 brew --version 检查是否安装成功，再执行 brew update 更新索引。

新手注意：不建议随意使用带有管理员权限的未知脚本，也不要把系统自带 Python 当作项目运行环境使用。SD.Next 依赖较多，使用 Homebrew 安装独立版本的 Python 更可控。

第二步：安装 SD.Next 所需依赖

依次安装常用依赖：brew install git python@3.10 cmake protobuf rust。其中 Git 用来获取项目代码，Python 负责运行 Web UI，CMake、protobuf、Rust 常用于部分扩展或依赖包编译。安装后执行 python3.10 --version 和 git --version，确认命令可用。

如果你的 Mac 同时存在多个 Python 版本，建议明确使用 python3.10。AI 工具对 Python 版本比较敏感，版本过新或过旧都可能导致依赖安装失败。不要把多个 SD 类项目混在同一个虚拟环境里，后续报错会很难定位。

第三步：获取 SD.Next 项目并首次启动

选择一个空间充足的位置，例如用户目录下的 AI 文件夹。执行 mkdir -p ~/AI，再进入该目录：cd ~/AI。随后获取项目：git clone https://github.com/vladmandic/automatic.git sdnext，进入目录：cd sdnext。

首次启动可执行 ./webui.sh。脚本会自动创建虚拟环境、安装 Python 依赖并初始化运行目录。第一次等待时间较长，取决于网络环境、机器性能和依赖编译情况。看到类似本地访问地址后，在浏览器打开 http://127.0.0.1:7860 即可进入界面。建议首次启动先不要安装太多扩展，先确认基础文生图功能正常，再逐步增加功能。

Apple Silicon 用户如果遇到性能异常，可在启动参数中关注 Metal、精度和内存相关选项。一般来说，统一内存 8GB 的机型应优先选择较小分辨率和轻量模型；16GB 以上体验会更稳定。不要一开始就使用超高分辨率、多批量生成和复杂控制链路，否则容易出现内存不足或系统卡顿。

第四步：放置模型与基础配置

SD.Next 安装成功后，还需要准备基础模型。常见模型文件后缀包括 .safetensors 和 .ckpt，更推荐使用来源明确的 .safetensors 文件。将基础模型放入项目目录下的 models/Stable-diffusion，LoRA 通常放入 models/Lora，VAE 可放入 models/VAE。放置完成后，刷新界面或重启服务即可在模型列表中看到。

模型文件体积较大，下载前要确认授权范围和用途限制。用于商用设计、客户交付或公开发布时，应仔细阅读模型页面的许可说明。不要导入来源不明的可执行文件，也不要把个人隐私图片、未授权素材直接用于训练或公开展示。

第五步：AI工作流模板导入思路

所谓 AI工作流模板，通常是把模型、采样器、步数、尺寸、提示词结构、反向提示词、高清修复、控制模块等参数整理成可复用方案。对新手来说，模板最大的价值是减少试错：先跑通一套稳定参数，再根据画风、尺寸和用途做微调。

导入前先确认模板格式。若模板是 SD.Next 支持的预设或配置文件，可在界面中的配置、预设、工作流相关入口选择导入；若来自扩展，则应先安装对应扩展，再按扩展说明导入。常见做法是把 JSON 或配置文件保存到项目内的预设目录，重启界面后加载。不同版本目录名称可能变化，遇到不一致时，以当前界面的导入按钮和项目文档为准。

导入模板后不要急着批量生成，先检查三项：

• 模板引用的模型，本地是否已经存在。
• 分辨率、批次数和高清修复倍率是否超出本机承受范围。
• 提示词中是否包含不适合当前用途的内容。

建议先用 512×512 或 768×768 小图测试，确认结果与耗时后再提高参数。

常见问题与处理办法

• 问题一：终端提示 brew: command not found。 通常是 Homebrew 路径没有写入环境变量。按安装结束提示执行对应的 echo ... >> ~/.zprofile 命令，然后重新打开终端。
• 问题二：依赖安装很慢或中断。 可先执行 brew update，再重新运行 ./webui.sh。如果是 Python 包编译失败，检查是否已安装 cmake、protobuf、rust，并确认磁盘空间充足。
• 问题三：启动成功但页面打不开。 确认终端中显示的地址是否为 127.0.0.1:7860，并检查端口是否被其他程序占用。可关闭旧终端进程后重启，或在启动参数中更换端口。
• 问题四：生成图片报内存不足。 降低宽高、批次数、采样步数，关闭不必要的高清修复和控制模块。MacBook 用户还应接入电源，并避免同时运行大型剪辑、建模或开发工具。
• 问题五：模型列表为空。 检查模型是否放在正确目录，文件后缀是否完整，下载是否损坏。放入文件后点击刷新，仍无效则重启 SD.Next。

升级、回退与安全边界

升级前建议先备份三个内容：模型目录、输出目录、个人配置和工作流模板。进入项目目录后执行 git pull 可更新 SD.Next，再运行 ./webui.sh 让依赖自动调整。若升级后出现异常，可查看更新前的提交记录并回到旧版本；不熟悉 Git 的用户，最简单的办法是在升级前复制整个项目目录作为备份。

安全要点

• 只从可信来源获取项目和模型。
• 不要在不了解作用的情况下粘贴终端命令。
• 不要给普通 AI 绘图项目开放不必要的外部访问。
• 不要把包含客户资料、证件、未授权肖像或商业机密的素材随意用于测试。

SD.Next 本地部署灵活度很高，但灵活也意味着需要自己负责文件来源、版权合规和数据保护。

实用建议：新手怎样少走弯路

第一次安装的目标不是追求全功能，而是“能启动、能加载模型、能生成第一张图”。建议先使用一个基础模型、一套简单提示词和默认采样参数，确认流程无误后，再添加 LoRA、控制模块和工作流模板。每次只改一个变量，方便判断效果变化来自哪里。

如果你计划长期使用，可以把模型、输出图、模板和扩展分门别类保存，并记录常用参数。对于 Mac 用户，Homebrew 负责底层依赖，SD.Next 负责生成环境，工作流模板负责复用经验。三者配合好，本地 AI 绘图环境就会稳定很多，也更适合持续学习和实际创作。

《夸克》非常好用的免费AI浏览器

下载APP查看