苹果电脑安装Automatic1111教程：M系列芯片与Intel机型配置步骤

安装前需要了解什么

Automatic1111 是一款广受欢迎的 Stable Diffusion WebUI 项目，适合在本地运行 AI 绘画工具，支持文生图、图生图、提示词管理、扩展插件、模型切换等功能。macOS 用户安装它的优势在于系统环境相对统一，缺点是显存与算力受到机型限制。Apple Silicon 机型可借助 Metal Performance Shaders（MPS）进行推理，体验通常优于同代 Intel Mac；Intel 电脑大多依赖 CPU 或外接图形方案，速度会慢很多，更适合学习流程、少量测试和低分辨率出图。

开始前建议准备 macOS 12.3 及以上版本，Apple Silicon 机型推荐 M1、M2、M3 或更新芯片，内存不低于 16GB 更稳妥；Intel 机型建议至少 16GB 内存，并预留更长生成时间。磁盘空间建议保留 30GB 以上，基础程序、Python 环境、模型与缓存都会占用空间。模型文件优先选择 .safetensors 格式，来源要可靠，并仔细阅读对应许可协议，避免在商业项目中误用不允许商用的模型。

准备基础工具

macOS 安装配置通常需要三类工具：命令行工具、Homebrew 包管理器、Git 与 Python。先打开“终端”，执行 xcode-select --install 安装 Apple 命令行工具。如果系统提示已安装，可以跳过此步骤。随后安装 Homebrew，官网会提供最新安装命令，复制到终端执行即可。安装完成后，Apple Silicon 用户通常需要将 brew 的环境变量写入 zsh 配置，终端提示中会给出两行 eval 命令，照抄执行即可；Intel 用户多数默认路径为 /usr/local，通常不需要额外调整。

接着安装依赖。在终端执行 brew install cmake protobuf rust git wget python@3.10。Automatic1111 对 Python 版本较敏感，Python 3.10 是较为稳定的选择，不建议直接使用过新的主版本。安装完成后可用 python3.10 --version 与 git --version 检查是否可用。如果命令找不到，通常是环境变量未生效，可关闭终端重新打开，或按 Homebrew 安装结束时的提示补充 PATH。

下载 Automatic1111 项目

选择一个空间充足、路径不含中文和特殊符号的目录，例如用户目录下的 AI 文件夹。终端中执行 mkdir -p ~/AI，然后 cd ~/AI。接着执行 git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git 下载项目，再进入目录：cd stable-diffusion-webui。项目文件本身不大，但首次运行会自动创建虚拟环境并下载 PyTorch 等依赖，耗时取决于网络与机器性能。

如果后续需要更新项目，可以在该目录执行 git pull。更新前建议先备份 webui-user.sh、extensions 目录和常用配置，尤其是安装过多个扩展后，直接更新可能出现版本不匹配。对普通用户来说，稳定能用时不必频繁追新；遇到新模型或扩展要求时，再考虑升级更合适。

配置 Apple Silicon 机型

Apple Silicon 是当前 Mac 运行本地绘图工具的主要选择。进入 stable-diffusion-webui 目录后，第一次可直接执行 ./webui.sh。脚本会自动创建 venv 虚拟环境、安装依赖并启动服务。启动成功后终端会显示本地地址，通常是 http://127.0.0.1:7860，在浏览器打开即可使用。

为了减少常见报错，可以编辑 webui-user.sh 文件，在 COMMANDLINE_ARGS 后加入适合 Mac 的参数，例如 --skip-torch-cuda-test。部分机型在高分辨率或特定采样器下可能遇到精度问题，可再尝试加入 --no-half 或 --upcast-sampling，但这些参数可能降低速度，不建议一次性堆太多。更稳妥的做法是先用默认设置跑通，再根据报错逐项调整。

Apple Silicon 用户生成图片时，建议从 512×512 或 768×768 开始，采样步数设置 20 到 30，批量数量先设为 1。若内存为 8GB，尽量少开浏览器标签页和大型软件；若是 16GB 或以上，可尝试更高分辨率，但仍要注意系统内存压力。出现卡住或系统变慢时，先降低分辨率、关闭高分辨率修复，再重新生成。

配置 Intel Mac 机型

Intel Mac 的安装流程与 Apple Silicon 基本相同，但性能预期要保守。进入项目目录后执行 ./webui.sh，如果安装过程顺利，浏览器同样访问 http://127.0.0.1:7860。Intel 机型常见问题是生成速度慢、内存占用高、某些依赖编译耗时长。建议在 webui-user.sh 中设置 COMMANDLINE_ARGS="--skip-torch-cuda-test --no-half"，以提高兼容性。

如果是较旧的 Intel 电脑，不建议一开始安装大量扩展，也不建议使用超大模型。基础 SD 1.5 系列模型对硬件更友好，适合验证环境；大尺寸模型、高清修复和复杂插件会显著增加等待时间。若只是学习提示词和界面功能，可以将分辨率控制在 512×512，采样步数 15 到 20，先保证流程完整。

放置模型与启动使用

Automatic1111 本体不等于完整绘图环境，还需要模型文件。下载到的 .safetensors 或 .ckpt 文件应放入 stable-diffusion-webui/models/Stable-diffusion 目录。放好后启动 WebUI，在左上角模型下拉框选择对应模型；如果界面已打开，可点击刷新按钮加载新模型。VAE 文件通常放在 models/VAE，LoRA 文件放在 models/Lora，嵌入文件放在 embeddings，不同资源类型不要混放。

首次测试可输入简单提示词，保持默认采样器和 512×512 分辨率。能正常生成图片，说明主流程已经跑通。随后再逐步尝试负面提示词、高清修复、ControlNet 等扩展功能。安装扩展时建议一次只装一个，装完重启并测试，避免多个扩展同时引发冲突却难以定位。

常见问题处理

如果终端提示 Python 版本不符合要求，先确认 python3.10 --version 是否存在，再删除项目内 venv 目录后重新执行 ./webui.sh。若提示 git 命令不存在，使用 brew install git 安装。若安装依赖中断，通常可再次运行 ./webui.sh 继续；多次失败时，可删除 venv 后重建环境。

如果浏览器打不开 7860 地址，先看终端是否仍在运行，是否出现 Running on local URL 字样。若端口被占用，可在 webui-user.sh 中加入 --port 7861 换端口。若界面能打开但生成报错，优先降低分辨率和批量数量，并尝试 --no-half。若 Apple Silicon 机型出现 MPS 相关提示，可更新 macOS、更新项目，并确认没有使用过旧 Python 环境。

如果更新后无法启动，可先执行 git status 查看本地改动。普通用户更简单的处理方式是备份 models、outputs、extensions 和 webui-user.sh，然后重新克隆一份项目，再把模型与必要配置移回去。不要随意删除 outputs，里面通常是历史生成结果。

安全边界与实用建议

Automatic1111 默认在本机运行，适合个人学习和创作。不要把带有 --listen 的服务直接暴露到公共网络，也不要在不可信页面粘贴终端命令。扩展插件拥有读写本地文件的能力，安装前应查看项目活跃度、更新记录和用户反馈。模型文件也要来自可信发布页，避免下载来源不明的压缩包或可执行文件。

创作时应尊重模型许可、素材授权和他人肖像权益，不要生成用于误导、冒充或不当传播的内容。对商业设计、品牌物料和客户项目，建议记录所用模型、插件和提示词版本，便于复现和合规审查。日常使用中，可定期备份 models、outputs、styles.csv、config.json 与 webui-user.sh；真正需要升级时再更新项目，能有效减少环境损坏带来的时间成本。

总体来看，Mac 安装教程的关键不在于命令多复杂，而在于版本匹配和参数克制。Apple Silicon 用户优先跑通 MPS 推理，再优化速度；Intel 用户则应降低预期，从小模型和低分辨率开始。只要按“装工具、拉项目、放模型、调参数、逐步扩展”的顺序执行，大多数 macOS 用户都能顺利搭建可用的本地 AI 绘画环境。