AUTOMATIC1111 Stable Diffusion WebUI 评测：2026 完整指南

# AUTOMATIC1111 Stable Diffusion WebUI 评测：2026 完整指南 AUTOMATIC1111 Stable Diffusion WebUI 仍然是本地运行 Stable Diffusion 图像模型的重要界面之一。它并不是最新或最简单的图像生成方式，但它提供了许多托管服务和简化应用不会公开的控制能力。用户可以选择检查点、安装扩展、调整采样器、使用 ControlNet 类工作流、制作图像变体、进行局部重绘，以及从同一个基于浏览器的界面完成重复任务。 本篇 AUTOMATIC1111 Stable Diffusion WebUI 评测将从实际使用角度分析它在 2026 年的优势、局限、安装难度、硬件要求、模型管理、图像质量、隐私、许可证和替代方案。重点不是简单罗列功能，而是帮助你判断它是否适合自己的创作方式。 ## AUTOMATIC1111 Stable Diffusion WebUI 是什么？ AUTOMATIC1111 Stable Diffusion WebUI 是一个自托管的 Stable Diffusion 图像模型图形界面。它通常运行在用户自己的电脑上，并通过本地网页提供操作界面。它也常被称为“A1111”“AUTOMATIC1111”或“Stable Diffusion WebUI”。 软件本身通常可以作为免费开源项目使用，但这并不代表完整体验没有成本。你可能需要合适的显卡、模型文件的存储空间、电力、操作系统配置，以及排查依赖问题的时间。某些模型和扩展还拥有独立许可证，因此“界面开源”不代表每个检查点、嵌入、LoRA 或生成图像都可以不受限制地使用。 与托管式生成器不同，A1111 通常不会把提示词或源图像发送给第三方推理服务。对于机密概念、尚未发布的产品设计、私人肖像或希望完全掌控资产的工作流，本地处理很有价值。但相应地，你也要负责安装、更新、安全、备份和硬件兼容性。 ### 它不是什么 A1111 不是一个单独的 AI 模型，而是能够加载兼容模型的界面和运行环境。最终结果取决于检查点、VAE 或内置配置、提示词、采样器、分辨率、种子、引导设置、扩展以及硬件。 它也不是一套完整的设计软件。界面功能丰富但并不总是简洁，许多模型相关术语需要学习，部分扩展由不同开发者独立维护。新手可以学会使用，但应该预期会有一定技术门槛。 ## 快速结论 如果你重视本地控制、模型选择、可复现性和扩展能力，而不是单纯追求方便，AUTOMATIC1111 依然值得使用。它特别适合技术型艺术家、插画师、研究者、爱好者、开发者，以及需要建立可重复图像管线的创作者。 如果你的目标是立即得到结果、协作编辑、内置资产管理、稳定支持，或者使用的是性能较弱的笔记本电脑，那么托管式工具或更简单的创作应用通常更合适。 | 维度 | 评价 | 实际含义 | |---|---|---| | 图像生成控制 | 很强 | 可以调整大量参数、模型、种子和扩展。 | | 安装难度 | 中等到较高 | 兼容系统上的安装可能简单，不兼容环境则可能很麻烦。 | | 本地隐私 | 很强 | 正确配置后可以让处理过程留在自己的电脑上。 | | 硬件效率 | 不稳定 | 取决于显存、后端、分辨率、模型和扩展。 | | 新手友好度 | 中等 | 基础生成容易入门，高级工作流需要学习。 | | 扩展能力 | 很强 | 可用于控制、构图、实用工具和许多专业任务。 | | 稳定性 | 不稳定 | 核心流程通常可靠，第三方扩展可能引发问题。 | | 成本模式 | 软件免费但有硬件成本 | 商用前应查看项目和模型许可证。 | ## 主要功能详解 ### txt2img txt2img 根据文字提示生成图像。典型工作流包括正向提示词、可选负面提示词、检查点、采样方法、采样步数、尺寸、批处理设置、种子和引导尺度。随着不同模型架构得到支持，具体标签和行为可能发生变化。 它的价值不只是输入提示词，而是能够复现结果。如果保存种子、模型名称、可用时保存模型哈希、正负提示词、采样器、步数、引导设置、分辨率和扩展参数，就通常可以在之后重新生成或有计划地修改图像。 ### img2img img2img 以现有图像为起点。去噪强度决定输出距离源图像有多远。较低数值通常保留更多构图，较高数值允许更明显的变化。理想数值取决于模型、源图像、分辨率和目标效果。 img2img 可用于： - 重绘草图或照片的风格。 - 探索颜色和光线变化。 - 不从零开始调整构图。 - 从参考图像生成一致的迭代版本。 - 配合相关工具修复或扩展图像。 需要区分语义相似和像素级保留。即使去噪强度不高，也可能改变脸部、手部、文字或小物体。不要覆盖源文件，应保存重要的中间版本。 ### 局部重绘和扩图 局部重绘允许你遮罩图像的一部分并重新生成。它可以删除不需要的物体、替换背景细节、调整服装或修正脸部。效果取决于遮罩柔和程度、源图像分辨率、提示词具体程度以及模型能力。 扩图会在原画布边缘增加内容，适合改变画幅比例或扩展场景。不过边缘连续性不会自动完美。可以生成重叠区域、保持提示词一致，并预期需要多轮处理。 ### 批量生成 批量设置允许用一个提示词生成多张图，或者从一组输入制作多个结果。批量大小会影响显存使用，批量次数通常会按序重复生成。如果出现显存不足，优先降低批量大小，然后再降低分辨率或其他高负载设置。 批量生成适合探索，因为一个提示词很少能直接找到最佳种子。它也适合生产流程，但大量结果需要清晰的命名和审核制度。对于需要复现的图像，应保留元数据。 ### 检查点和模型切换 检查点是影响构图、风格、解剖、颜色和提示词理解方式的模型文件。不同模型家族可能使用不同分辨率、文本编码器、VAE、采样器或推荐参数。同一个提示词在不同检查点上可能得到完全不同的结果。 模型切换是 A1111 的优势，也是新手容易困惑的地方。应整理模型、记录许可证，并按照模型文档使用推荐设置。为新架构设计的检查点不一定可以按照旧架构的方法使用。 ### LoRA、嵌入和相关文件 LoRA 文件会对基础模型施加学习到的适配，可以影响角色、视觉风格、物体、服装、姿势或其他概念。它们通常通过触发词或界面控件启用，但强度需要根据模型测试。 嵌入、文本反演、Hypernetwork 以及其他附加文件用途不同，而且可能只兼容某种模型架构。务必阅读文件说明。把文件放错目录，或把附加组件用于不兼容的检查点，是常见故障来源。 ### 控制和参考图工作流 扩展及相关功能可以引导姿势、边缘、深度、线稿、分割、参考图或构图。当空间关系重要时，这些工具往往比不断增加提示词更有效，因为文字无法可靠表达精确构图。 功能的可用性和维护状态可能发生变化。只安装真正需要的扩展，查看其文档，并在组合多个控制系统前单独测试。排查问题时，应先关闭可选扩展，回到最基本的 txt2img 或 img2img 流程。 ## 安装和初始配置 安装体验取决于操作系统、显卡、驱动、Python 环境和项目版本。应查看项目官方仓库当前的安装说明，不要直接复制与自己环境无关的旧教程命令。随着依赖和模型架构变化，安装步骤可能更新。 ### 安装前准备 - 使用项目当前说明支持的操作系统。 - 如果希望有实际可用的速度，准备兼容显卡。 - 为 WebUI、模型、扩展、缓存和输出文件预留存储空间。 - 安装与硬件匹配的显卡驱动。 - 规划提示词、元数据、模型和自定义设置的备份。 - 预留排查问题的时间，不要把它当作完全即插即用的消费应用。 专用显卡通常更适合。显存有限的电脑可能通过节省显存的选项运行部分工作流，但速度和功能会受到限制。集成显卡或不受支持的硬件可能只能通过特殊配置运行，甚至无法正常运行。 ### Windows 安装流程概览 1. 阅读官方项目仓库当前的安装说明。 2. 安装当前版本所要求的前置组件。 3. 将项目下载或克隆到路径简单的文件夹。 4. 根据环境启动提供的启动器或命令。 5. 等待首次运行创建环境并下载所需组件。 6. 打开启动器显示的本地地址。 7. 将兼容检查点放入指定模型目录。 8. 选择检查点，先生成小尺寸测试图，再修改高级设置。 如果权限问题导致运行失败，避免把界面放在受保护的系统目录中。保存启动参数，并记录新增的显存优化选项。出现启动错误时，先阅读第一个有意义的错误信息，不要反复重启。 ### 首次运行检查表 打开界面后确认： 1. 模型菜单中出现了选中的检查点。 2. 模型架构与工作流说明一致。 3. 小尺寸图像可以生成且没有显存错误。 4. 你知道输出目录并且目录可写。 5. 如果需要复现，确认元数据正在保存。 6. 浏览器界面没有被意外暴露到公共互联网。 ## 新手第一次生成图像 ### 第一步：确定小目标 先选择不需要复杂文字、精确人体或拥挤场景的主题，例如简单风景、静物或单人肖像。目标越明确，越容易判断问题来自提示词、模型、参数还是构图。 ### 第二步：选择兼容检查点 选择适合目标模型架构和风格的检查点。阅读模型文档中的推荐分辨率、提示词习惯、VAE 说明和许可证。不要在还不了解一个模型之前就安装几十个模型。 ### 第三步：写描述性提示词 描述主体、环境、构图、光线、材质和氛围。对于某些模型，重要概念放在前面会更容易迭代。不要把大量互不相关的风格词堆在一起。 可采用这样的结构： `主体、动作或姿势、环境、构图、光线、材质、视觉处理` 负面提示词在某些工作流中有帮助，但不是万能修复工具。从网上复制很长的负面提示词可能压制有用细节，甚至与当前模型冲突。 ### 第四步：使用适中的设置 使用模型推荐的基础分辨率、模型文档建议的常见采样器和适中的步数。先建立可靠基线，同时修改所有设置会让故障难以定位。 ### 第五步：生成多个候选 改变种子或生成少量批次。先比较构图，再判断细节。一旦找到有潜力的种子，就保存它并每次只修改一个变量。 ### 第六步：用 img2img 或局部重绘优化 用 img2img 保留大致构图，同时改善风格或细节；用局部重绘进行定点修正。保留原图和每一个重要中间版本。 ### 第七步：谨慎放大 放大可以增加细节，但也可能创造虚假纹理、扭曲脸部和改变小物体。应在实际使用尺寸下比较放大前后效果。高倍查看时看起来更精细，不代表实际使用效果更好。 ## 真正有帮助的提示词技巧 ### 区分内容和风格 先描述图像里有什么，再描述希望它呈现什么样子。虽然不是绝对规则，但这样更容易迭代。如果主体错误，就编辑主体部分；如果光线错误，就编辑光线部分。 ### 用参考图控制空间关系 文字不擅长指定精确手部位置、摄像机几何关系和复杂物体关系。如果构图重要，应使用输入图、草图、姿势参考、边缘引导、深度信息或其他兼容控制方式。通常这比继续增加形容词更可靠。 ### 一次只改一个变量 比较采样器、模型设置、提示词或 LoRA 强度时，尽量固定种子和其他变量。否则无法判断究竟是什么变化带来了改进。 ### 不要把种子当成魔法 只有在模型、设置、软件行为和输入都兼容时，种子才可能复现工作流。切换检查点或分辨率可能明显改变结果。应记录完整生成信息，而不只是种子数字。 ### 不要期待稳定的文字生成 许多图像模型仍然难以生成长文本、准确文本或小尺寸文字。如果图像必须包含可读标题、标签或产品信息，应准备在设计工具中后期添加。需要文字排版时，可以比较 [Canva](/zh/tools/canva)；如果图像内文字是核心要求，也可以比较 [Ideogram](/zh/tools/ideogram)。 ## 硬件和性能 A1111 的速度不只取决于显卡品牌。显存、模型架构、分辨率、批量大小、注意力实现、操作系统、驱动、存储速度和扩展都会影响性能。 | 硬件情况 | 体验倾向 | 建议 | |---|---|---| | 显存充足的现代独立显卡 | 本地探索较流畅 | 使用模型原生分辨率，再逐步增加高级控制。 | | 中档独立显卡 | 适合许多静态图像工作流 | 保持较小批量并监控显存。 | | 显存有限的显卡 | 基础生成可能可用但有限制 | 降低分辨率和批量，并使用后端支持的省显存选项。 | | 仅使用 CPU | 可以测试但通常很慢 | 适合测试，不适合快速反复迭代。 | | 远程或托管环境 | 不必购买本地硬件 | 查看当前价格、存储规则、隐私条款和会话限制。 | ### 常见性能优化 - 从模型推荐的基础分辨率开始。 - 优先降低批量大小。 - 关闭占用显存的其他应用。 - 测试时禁用不必要的扩展。 - 将模型文件放在可靠的快速存储设备上。 - 使用后端文档说明的注意力或显存选项。 - 排查问题时避免反复加载不兼容模型。 - 长时间批量生成时注意温度和系统稳定性。 不要用第一次运行的速度判断整个系统，因为首次加载模型和建立环境通常更慢。同时也不要忽略崩溃或伪影；即使最终能够完成，驱动、显存或扩展问题仍可能造成不稳定。 ## 扩展：能力与风险并存 扩展是 A1111 生态的重要组成部分。它们可以增加控制系统、标签工具、模型工具、动画相关功能、提示词管理、图像浏览和其他能力。这种灵活性是许多有经验用户继续选择 WebUI 的原因。 但扩展也带来维护风险。扩展可能依赖特定库版本、假设某种模型架构、包含网络行为，或者停止更新。应从可信来源安装，查看文档和权限，并在修改环境前备份已知可用版本。 建议遵循以下扩展流程： 1. 先确认基础界面工作正常。 2. 只安装一个扩展。 3. 重启并运行基础测试。 4. 尽可能记录版本或提交编号。 5. 添加下一个扩展前保存可用环境。 6. 删除或禁用不再使用的扩展。 如果更新破坏了界面，不要立即从随机教程中继续添加修复。应找出发生变化的组件，查看当前项目讨论，必要时恢复已知可用环境。 ## 与其他图像工具比较 比较 A1111 时不能只看图像质量。不同工具可能使用不同模型、界面、编辑流程、内容政策和价格结构。选择取决于你更重视本地控制、易用性、团队协作还是快速得到成品。 | 工具或方式 | 适合场景 | 优势 | 取舍 | |---|---|---|---| | AUTOMATIC1111 | 本地实验和技术控制 | 模型选择、可复现性、扩展和隐私 | 需要安装和维护。 | | 托管式图像生成器 | 不管理硬件的快速创作 | 上手快、基础设施由服务商管理 | 运行时和数据处理控制较少，应查看当前价格。 | | [Ideogram](/zh/tools/ideogram) | 需要较多图像文字的概念图 | 工作流易用，适合文字相关场景 | 属于云端流程，控制方式与本地工具不同。 | | [Flux](/zh/tools/flux) | 比较当前模型家族 | 可用于评估不同生成方式 | 访问、控制和价格取决于具体产品。 | | [Replicate](/zh/tools/replicate) | 开发者测试或通过 API 集成 | 支持程序化访问模型端点 | 需要技术集成并审查使用成本。 | | [Canva](/zh/tools/canva) | 设计制作和排版 | 模板、字体、编辑和发布流程完整 | 不专注于深度本地模型实验。 | | [Remove.bg](/zh/tools/remove-bg) | 快速去除背景 | 任务明确、流程简单 | 不是通用图像生成环境。 | ### A1111 与云端工具 云端工具减少安装摩擦，通常能更快从提示词走向可分享图像。它们适合普通用户、团队和不想管理模型文件的创作者。但云端工具可能提供较少底层设置、限制模型选择、要求账号，或应用不同的使用政策。 A1111 在技术型、迭代型工作流中更强。你需要花更多时间配置环境，但可以使用简化界面不会提供的检查点和控制方式。 ### A1111 与设计应用 设计应用更擅长构图、文字排版、品牌规范、调整尺寸、协作和交付。A1111 更适合通过模型生成和修改像素。两者是互补关系，而非完全替代。一个实用流程可以是使用 A1111 本地生成概念，再用 [Remove.bg](/zh/tools/remove-bg) 去除背景，最后在 [Canva](/zh/tools/canva) 中完成排版。 ### A1111 与开发者平台 如果你需要 API、应用集成或托管推理，[Replicate](/zh/tools/replicate) 这类开发者平台可能比本地浏览器界面更合适。它并不提供与 A1111 完全相同的动手体验。开发者应比较模型可用性、请求限制、数据政策、延迟、成本和许可证。 ## 使用场景比较 | 使用场景 | A1111 适配度 | 原因 | 可搭配工具 | |---|---|---|---| | 私密概念设计 | 很高 | 本地处理和详细迭代很有价值。 | 用 [Canva](/zh/tools/canva) 制作展示板。 | | 角色探索 | 配合兼容模型和控制工具时很高 | 种子、LoRA、img2img 和参考图支持迭代。 | 云端工具更适合快速生成备选。 | | 产品效果图 | 良好 | 可用参考图控制构图，但需要审查产品一致性。 | 用 [Remove.bg](/zh/tools/remove-bg) 抠图，用 [Canva](/zh/tools/canva) 排版。 | | 带文字的社交媒体图片 | 中等 | 图像生成对准确字体仍可能不稳定。 | [Ideogram](/zh/tools/ideogram) 或 [Canva](/zh/tools/canva)。 | | 自动化应用功能 | 中等 | 可以集成本地推理，但部署较复杂。 | 用 [Replicate](/zh/tools/replicate) 评估 API 方案。 | | 新手快速尝试 | 中等 | 首次安装比托管生成器更复杂。 | 比较 [Flux](/zh/tools/flux) 或 [Ideogram](/zh/tools/ideogram)。 | | 大型团队协作 | 有限到中等 | 共享环境和模型需要管理。 | 托管式云端流程可能更简单。 | | 离线或受限网络工作 | 很高 | 模型安装完成后可减少对持续联网服务的依赖。 | 做好备份并确认许可证。 | ## 隐私与安全 本地运行可以提升隐私，但前提是安装和配置安全。界面通常默认只在本地地址可访问。不要在不了解身份验证、网络绑定、防火墙和第三方扩展风险的情况下把它暴露到公共互联网。 建议： - 除非确实需要远程访问，否则只绑定本地访问。 - 必须远程访问时使用受保护网络和强身份验证。 - 不要把机密提示词或图像交给不可信扩展。 - 扫描下载文件并整理模型来源。 - 更新前备份环境。 - 将实验性扩展与生产工作流分开。 - 删除旧 API 密钥、临时文件和不再使用的服务。 隐私也与工作流程有关。生成图像可能包含元数据，输出目录也可能暴露项目细节。发布或分享文件前，应决定保留哪些元数据。 ## 常见故障排查 ### 界面无法启动 查看终端中的第一个实质性错误。常见原因包括缺少前置组件、驱动不兼容、依赖安装失败、环境损坏、权限不足或扩展在启动时出错。条件允许时，先禁用可选扩展测试基础安装。 ### 模型没有出现 确认模型位于正确检查点目录，文件格式受支持且下载完成。必要时刷新模型列表或重启界面，并检查文件是否不完整。 ### 显存不足 降低批量大小、图像尺寸、控制输入和额外处理。关闭其他 GPU 应用，并使用后端支持的省显存配置。放大和多个控制模块的显存需求可能明显高于普通 txt2img。 ### 图像褪色或结果异常 检查模型架构、VAE 配置、采样器、分辨率和提示词语法。来自不同模型家族的教程可能不适用。先用已知可用提示词和模型建议建立基线，再修改设置。 ### 脸部或手部效果差 尝试调整构图、增大主体面积、选择更合适模型、使用 img2img 或局部重绘。脸部修复可能改变身份和皮肤纹理，因此不要对所有图像盲目启用。 ### 与参考图差异太大 降低去噪强度、改善输入图、使用构图控制方式或简化提示词。模型可能不支持你尝试的参考工作流。保留源图，每次只测试一个调整。 ### 扩展导致失败 禁用扩展，并用基础界面重现问题。如果问题消失，就查看扩展文档和兼容性说明。修复前保留一个可用环境备份。 ## 建立可重复的生产流程 生产工作流应优先考虑可复现性，而不是无止境地尝试。建立项目文件夹，保存提示词、源图、选中结果、模型记录和备注。使用描述性文件名，不要依赖浏览器历史记录。 有用的生成记录包括： - 项目和镜头名称。 - 日期和软件版本。 - 检查点及可用时的模型哈希。 - LoRA、嵌入及其强度。 - 正向和负面提示词。 - 种子、采样器、步数、引导、尺寸和批量信息。 - 控制或参考图设置。 - 生成后进行的手动编辑。 - 许可证和审核记录。 保存一组“基准测试”提示词。更新后运行它们并比较结果，这样可以判断更新是否改变了工作流，而不是依赖记忆。 ### 实用生产流程 1. 确定输出尺寸、受众和使用权限。 2. 选择一个兼容检查点并记录许可证。 3. 生成低成本构图草案。 4. 选择种子，优化提示词或参考图。 5. 使用 img2img、局部重绘或控制工具进行定点修正。 6. 构图和解剖确认后再放大。 7. 检查脸部、手部、文字、标志、边缘和重复纹理。 8. 完成手动设计和质量控制。 9. 导出批准文件并归档生成记录。 ## 优势与不足 ### 优势 - 可以本地运行，适合私密工作流。 - 对模型和生成参数提供广泛控制。 - 拥有大量检查点和附加组件生态。 - 方便进行基于种子的实验和复现。 - 适合 img2img、局部重绘和受控构图。 - 可以适配专业工作流，不必等待托管产品更新。 ### 不足 - 安装和依赖管理可能令新手困惑。 - 硬件决定速度和可用功能。 - 界面展示复杂性，而不是隐藏复杂性。 - 扩展质量、兼容性和维护状况不一。 - 模型许可证分散，需要用户自行核查。 - 精确文字、手部、脸部和物体关系仍需审查。 - 更新可能破坏已经配置好的环境。 - 本地隐私依赖正确的网络和文件安全设置。 ## 2026 年还值得使用吗？ 如果你需要可配置的本地环境，并愿意学习底层概念，答案是肯定的。对于需要控制检查点、种子、参考图、局部重绘、批量任务和扩展的用户，它仍然很有价值。 但它并不是所有人的默认选择。如果你的优先目标是快速制作营销图，[Canva](/zh/tools/canva) 可能更高效。如果图像内的可读文字非常重要，可以比较 [Ideogram](/zh/tools/ideogram)。如果需要程序化模型端点，应评估 [Replicate](/zh/tools/replicate)。如果想探索另一种当前图像模型生态，可以通过可用产品或界面比较 [Flux](/zh/tools/flux)。 很多时候，混合工作流是更好的选择。用 A1111 进行本地探索、受控生成和专业图像处理，再用设计工具完成文字、排版、背景清理和交付。 ## 最终评价 AUTOMATIC1111 Stable Diffusion WebUI 在能力和灵活性方面表现很强，但在便利性和维护方面需要谨慎评价。它的核心价值不是神奇地输入一句话就得到成品，而是提供一个可以检查、复现和细化生成过程的可配置工作空间。 对于技术型创作者，它仍然是能力很强的本地选择。对于新手，如果本地控制很重要，值得学习，但应该把它当作创作工作站，而不是简单的手机应用。先从一个模型、一个基础工作流和一个明确用途开始，只有在基线稳定后再增加复杂度。 ## 常见问题 ### AUTOMATIC1111 Stable Diffusion WebUI 免费吗？ 界面通常可以作为免费开源软件使用，但运行它可能产生硬件、电力、存储和配置成本。具体模型和扩展可能有不同许可证。请查看官方项目及每个模型的当前说明。 ### A1111 需要强大的显卡吗？ 专用显卡更适合实际使用，但具体要求取决于模型家族、图像尺寸、批量设置和扩展。显存有限的系统可能在限制条件下运行基础工作流。仅使用 CPU 也可能生成图像，但速度通常慢很多。 ### 可以用 A1111 商业创作吗？ 软件和所选模型是两个不同的许可证问题。一个资产可能允许商用，另一个可能限制商用。请检查每个检查点、LoRA、嵌入、源图和扩展的许可证，并为项目保存记录。 ### A1111 比托管式 AI 图像生成器更好吗？ 没有绝对答案。A1111 提供本地隐私、模型选择、可复现性和深度控制；托管服务通常安装更容易、硬件由服务商管理、用户体验更顺畅。应根据工作流、数据要求、预算和维护意愿选择。 ### 为什么我的结果与网上教程不同？ 教程可能使用了不同检查点、模型架构、VAE、采样器、分辨率、软件版本、扩展或提示词语法。应记录完整设置，并先用同一模型家族重现教程。 ### A1111 能保持角色一致吗？ 它可以通过种子、兼容 LoRA、参考图、img2img 和控制工作流支持角色一致性，但不能保证完全一致。尤其在姿势、视角、服装和光线变化时，应预留筛选和局部修正时间。 ### 如何避免更新破坏环境？ 记录可用版本，备份环境和设置，整理模型文件，并尽量单独测试更新。准备一组已知可用的基准提示词，以便更新后比较行为。 ### 新手应该从 A1111 开始吗？ 可以，但需要学习模型兼容性、提示词、采样、显存管理和许可证。如果目标只是快速制作一张社交媒体成品，更简单的托管式或设计工作流可能更适合入门。