文章只讲述如何使用sd开发, 不对生成的效果负责, 具体效果需要根据场景需求反复微调
本文记录在本机（Mac）上从零搭建、使用 Stable Diffusion 的完整路径：不污染系统与全局 Python，包含 ComfyUI（可视化） 与 python-sd（代码调用） 两条线。
建议把本仓库当作「SD 学习与实验根目录」，典型结构如下：
| 路径 | 说明 |
|---|---|
sd-learn/ |
独立 Conda 环境目录（Python 3.10 + 依赖），与系统、其他项目隔离 |
python-sd/ |
脚本学习区：文生图、调参、LoRA、ControlNet、视频等课程脚本 |
ComfyUI/ |
ComfyUI 安装目录（若已克隆）：工作流出图/出视频 |
课程_StableDiffusion_从入门到生产/ |
分课 Markdown 学习材料 |
SD_从部署到生产图片视频_完整流程.md |
精简版总流程与选型说明 |
SD_面试模板.md |
面试口述模板 |
.cursor/skills/sd-common-pitfalls/ |
常见坑检查清单（给 Cursor / 自己复盘用） |
- 避免污染：不把
torch、diffusers等装到系统 Python 或base里。 - 可卸载：学完后删除
sd-learn/与相关目录即可整体回收。 - 可复现：PyCharm / 终端统一
conda activate到同一路径，版本一致。
创建方式示例（本地路径环境，不占用全局 env 名）：
conda create -y -p /Users/tfwang/LLM/sd/sd-learn python=3.10日常使用：
source /opt/miniconda3/etc/profile.d/conda.sh
conda activate /Users/tfwang/LLM/sd/sd-learn解释器路径（PyCharm 里可选）：
/Users/tfwang/LLM/sd/sd-learn/bin/python
在仓库根目录执行（若尚未克隆）：
cd /Users/tfwang/LLM/sd
git clone https://github.com/comfyanonymous/ComfyUI.gitsource /opt/miniconda3/etc/profile.d/conda.sh
conda activate /Users/tfwang/LLM/sd/sd-learn
python -m pip install -r /Users/tfwang/LLM/sd/ComfyUI/requirements.txt将下载的 checkpoint（如 .safetensors）放到：
ComfyUI/models/checkpoints/
其他类型（VAE、LoRA、ControlNet 等）对应 ComfyUI/models/ 下各子目录，按 ComfyUI 文档放置即可。
cd /Users/tfwang/LLM/sd/ComfyUI
source /opt/miniconda3/etc/profile.d/conda.sh
conda activate /Users/tfwang/LLM/sd/sd-learn
python main.py --listen 127.0.0.1 --port 8188浏览器打开：http://127.0.0.1:8188
用于安装自定义节点等，克隆到：
ComfyUI/custom_nodes/ComfyUI-Manager
具体命令见 ComfyUI-Manager 官方仓库说明；装完后重启 ComfyUI。
作为程序员怎么能用可视化界面呢, 肯定要用代码来实现文生图 talk is cheap, show me your code
注意: 我电脑配置有限, 使用的是stable-diffusion-v1-5小模型, 输入token限制77个, 所以效果不好, 但可以用来学习sd开发的流程!!!
所有用 Python 调 diffusers / 跑课程脚本的内容都在：
/Users/tfwang/LLM/sd/python-sd
- 模型与训练数据（有据可查）：Stable Diffusion v1 系（含 1.5）主要在 LAION-2B(en) 等以英文说明为主的子集上训练；CompVis 发布的 Stable Diffusion v1 Model Card 写明 Language(s): English，并明确写：训练以英文 caption 为主、其它语言效果较差（non-English prompts significantly worse than English-language prompts）。因此示例 prompt 用英文通常更稳、更易与社区模型卡 / LoRA 说明里的 tag 对齐。
- 注释里写英文的原因：与「真正进 CLIP 的字符串」保持一致，减少「注释用中文长句描述、误以为模型也按同样语义理解」的落差；示例词与海外教程、ComfyUI 节点习惯一致，便于复制对照。本仓库的总体说明、课程 Markdown 仍以中文为主；只有脚本内与生成强相关的片段偏向英文。
必须先激活 sd-learn（见上文）。
conda activate /Users/tfwang/LLM/sd/sd-learn
python -m pip install -U diffusers transformers accelerate safetensors peft部分课程还需要：
python -m pip install opencv-python "imageio[ffmpeg]"在 python-sd 目录下，编辑脚本里的 CONFIG（正向/负向提示词、宽高、steps、cfg、seed 等），然后在 IDE 或终端直接运行：
cd /Users/tfwang/LLM/sd/python-sd
conda activate /Users/tfwang/LLM/sd/sd-learn
python generate_image.py输出默认在：python-sd/outputs/
索引见：python-sd/00_course_index.md
按顺序大致为：lesson01 文生图 → lesson02 参数对比 → lesson03 图生图 → lesson04 LoRA → lesson05 ControlNet → lesson06 视频等。每个脚本顶部有 CONFIG / PROFILE，改配置后运行即可。
- ComfyUI：适合拖拽工作流、快速试节点与出图/视频。
python-sd：适合学参数、写脚本、面试时说「我用代码跑通过 pipeline」。
两者可共用 sd-learn 环境，模型文件也可各自引用（ComfyUI 用 models/，脚本里常用 Hugging Face Hub 或本地路径）。
更完整的清单见：.cursor/skills/sd-common-pitfalls/SKILL.md
摘要：
- SD1.5 文本长度：CLIP 侧常见约 77 tokens，prompt 过长会被截断；宜短而准。
- 宽高：须为 8 的倍数。
- Mac / MPS：注意显存与共享内存，分辨率与步数先从低再拉高。
- LoRA：需
peft；文件须为真实 LoRA，不是整包 checkpoint。
按需删除（注意路径写对）：
# 删除独立环境与代码、ComfyUI（按你实际存在的目录删）
rm -rf /Users/tfwang/LLM/sd/sd-learn
rm -rf /Users/tfwang/LLM/sd/python-sd/outputs
rm -rf /Users/tfwang/LLM/sd/ComfyUIHugging Face 缓存一般在 ~/.cache/huggingface/，若需彻底清空间可另行清理（会删掉所有 HF 缓存模型）。
SD_从部署到生产图片视频_完整流程.md：模型选型、参数、排错、卸载要点SD_面试模板.md：面试怎么讲这条链路课程_StableDiffusion_从入门到生产/：分课文字教材
一句话：用 sd-learn 锁住依赖与环境，用 ComfyUI 做可视化实验，用 python-sd 做可复现的代码学习；需要排错时对照 sd-common-pitfalls 清单即可。