传统设计师转AI：用ControlNet跑通第一个可控出图任务
传统设计师转AI，最顺手的切入点不是学训练模型，而是先跑通一个“可控出图”任务：你给线稿或姿势参考，AI按约束生成画面。
这比纯文字生成更接近设计工作流，也更容易验证结果。
下面以Stable Diffusion WebUI加ControlNet为例，在本地或带GPU的服务器上跑通第一个任务。
先确认环境能不能跑起来
ControlNet对显存要求比纯文生图高，建议显存不低于6GB，8GB以上更稳妥。
操作前先确认三件事：
- GPU驱动正常：执行
nvidia-smi，能看到显卡型号和显存占用。 - Python环境可用：建议Python 3.10，执行
python --version确认。 - WebUI能正常启动：进入WebUI目录执行
./webui.sh（Linux）或webui-user.bat（Windows），浏览器打开http://127.0.0.1:7860能看到界面。
如果WebUI还没装好，先用官方仓库的启动脚本完成基础安装，再继续下面的步骤。
把ControlNet模型放到正确位置
ControlNet需要两类文件：扩展和模型。
- 安装扩展：在WebUI的“扩展”页签选择“从网址安装”，填入
https://github.com/Mikubill/sd-webui-controlnet，安装后重启WebUI。 - 放置模型：把下载的
.pth或.safetensors模型文件放到extensions/sd-webui-controlnet/models/目录。常用的是线稿模型control_v11p_sd15_lineart。 - 放置预处理器：预处理器文件放在
extensions/sd-webui-controlnet/annotator/downloads/对应子目录，WebUI通常会自动下载，如果没下载成功再手动补。
重启后，在文生图页面下方能看到ControlNet面板，说明扩展加载成功。
跑通一个线稿约束出图任务
准备一张黑白线稿图，尺寸建议512×512或512×768。
在文生图页面按下面配置：
- 正向提示词写清画面内容，例如：
a modern chair, product design, clean background, studio light - 反向提示词先用通用词：
low quality, blurry, deformed - 采样步数20，采样器选
DPM++ 2M Karras，CFG Scale 7 - 展开ControlNet面板，上传线稿图
- 预处理器选
lineart，模型选control_v11p_sd15_lineart - Control Weight 设为0.8，引导介入时机0，终止时机1
点击生成。
如果显存不足，把图片尺寸降到512×512，或勾选“低显存模式”。
生成结果应该保留线稿的轮廓结构，同时填充材质和光影。
结果不对时先查这三处
画面完全不受线稿约束：检查ControlNet面板是否启用，模型文件名是否和面板下拉框一致。
模型没放对目录时，下拉框里不会出现该模型。
报错CUDA out of memory：降低分辨率、关闭其他占显存程序，或在启动参数加 --medvram。
不要同时开多个ControlNet单元。
线稿被过度约束导致画面僵硬：把Control Weight从0.8降到0.5到0.6之间，或把终止时机从1调到0.8，给模型留出发挥空间。
预处理器报错：先在ControlNet面板点“预览”看预处理结果，如果预览失败，说明预处理器文件缺失，按面板提示重新下载。
验证任务是否真正跑通
判断标准不是“图好看”，而是约束是否生效：同一张线稿换不同提示词，生成结果的轮廓应保持一致；
关闭ControlNet后轮廓明显变化。
满足这两点，说明可控出图链路已经通了。
这套流程跑顺之后，再往设计工作流里迁移：把草图、版式线框、配色参考作为控制图，逐步替换掉纯抽卡式生成。
传统设计转型AI指南的核心不是学会所有模型，而是先让一个可控任务稳定产出可用的结果。
常见疑问
没有独立显卡能跑吗？
可以跑，但速度很慢。更实际的做法是租用按小时计费的GPU服务器，或先用在线生成服务验证工作流，再决定是否本地部署。
ControlNet模型必须和底模版本匹配吗？
需要匹配。SD1.5的ControlNet模型不能直接配SDXL底模使用，选模型时看清版本标识。
线稿一定要黑白吗？
线稿预处理器对黑白线条识别最稳定。彩色草图可以先用图像工具转灰度、提高对比度，再上传。
