一句话：本地跑 SD，显卡说了算，其他都是配角。
Q：硬件门槛多高？
- 显存 8GB：能跑，能出图，512 分辨率起步，高清放大靠后期。入门体验。
- 显存 12GB：甜点区，主流模型+常用插件都带得动，1080P 量级出图流畅。
- 显存 16GB+：随便玩，大模型、高分辨率、多 ControlNet 叠加都不慌。
- 只有核显/苹果芯片？Mac 的 M 系列靠统一内存也能跑，但速度别期待，出图是"能用"级别。
记住：N 卡优先，CUDA 生态的兼容性目前还是断层领先。买卡前先确认电源和机箱装得下，别光看显存。
Q：整合包和手动部署选哪个？
新手无脑选整合包：秋叶包这类一键包把环境、依赖、常用插件都配好了，解压即用，省掉 90% 的报错。代价是版本更新慢半拍、出了怪问题不好排查。手动部署（官方 WebUI 仓库）适合愿意折腾的人，版本最新、出了问题知道去哪修。建议路径：先用整合包跑通，玩明白了再考虑手动部署。
Q：模型去哪找？
Civitai 是最大的模型社区，Checkpoint、LoRA、ControlNet 模型都有，记得看模型的授权协议（商用限制）。下模型前先看评论区，冷门模型可能有"投毒"风险（藏恶意代码的很少，但低质量模型很多）。
Q：最大的三个坑？
- 显存爆了：一次开太多插件/分辨率设太高，解决办法是降分辨率、关插件、加启动参数优化。
- 出图"一脸 AI 味"：提示词和采样器要学，但别沉迷参数玄学，先从抄别人的优质提示词开始。
- 沉迷装插件：插件装 50 个，常用的 3 个。环境越复杂，崩的概率越高。
Q：整合包第一次启动就报错，怎么办？
A：先别慌，90% 是环境问题，按这个顺序查：
- 路径里有没有中文：解压到纯英文路径（如 D:\sd-webui），中文路径是报错重灾区。
- 显卡驱动是不是太旧：去 NVIDIA 官网更新到近一年的驱动版本。
- 杀毒软件误杀：整合包里的某些 exe 会被误报，加白名单或暂时关闭。
- 显存实在不够：启动参数加上 –lowvram（8GB 以下）或 –medvram（8～12GB），牺牲一点速度换能跑起来。
还搞不定就去整合包的评论区/交流群搜报错关键词，你遇到的坑，99% 有人踩过。
Q：Mac 用户（M 系列芯片）怎么玩？
A：能玩，但别期待和 N 卡一样的体验。M1/M2/M3 靠统一内存跑图，Draw Things 这类原生 App 对苹果芯片优化最好，开箱即用；用 WebUI 方案的话，速度大概是同价位 N 卡的三分之一到二分之一。结论：Mac 适合"偶尔玩玩"，重度玩家还是 N 卡主机。另外注意散热——M 系列被动散热的 Air 机型，连续出图会降频。
Q：出图总是"一脸 AI 味"，怎么破？
A：三步：先抄——去模型评论区找高赞作品，把它的提示词和参数抄来跑一遍，感受"好图"的参数长什么样；再改——在抄来的基础上换主体、换风格，每次只改一个变量；最后学——搞懂采样步数、CFG、种子这三个核心参数是干嘛的，其他参数先别碰。新手 90% 的"丑图"问题，抄作业就能解决，别一上来就自己发明提示词。
Q：本地部署 vs 在线生图，怎么选？
本地：一次性投入（显卡）、无限出图、隐私好、能装各种"不可描述"的模型。在线（Midjourney 等）：按月付费、效果开箱即用、不用折腾环境。重度玩家+有卡，本地；偶尔玩玩，在线。另外提醒一句：AI 生成的人脸图像涉及伦理和法律风险，深度伪造的风险建议读一遍再动手。
Q：和 AI 搜索/对话工具比，SD 难在哪？
难在它是"生产工具"不是"问答工具"：要配环境、要调参数、要懂点审美。想先从轻量 AI 工具入手的，可以看看 Perplexity 与 Phind 的对比；对本地跑大语言模型感兴趣的，Ollama 本地部署指南是同一路数，可以一起研究。