Fooocus 部署实战：本地手动配置与云平台方案对比
随着 Stable Diffusion 等底层模型的开源，AIGC 技术在文生图领域迎来了爆发。在众多工具中，由 lllyasviel 开发的 Fooocus 凭借其简化的操作和高质量的输出脱颖而出。它的设计理念是'化繁为简'，在保留 SDXL 强大能力的同时，将复杂参数内部化，让用户聚焦于创意。
然而，将这样一个强大的工具运行在自己的设备上，往往是第一个挑战。AI 应用部署涉及复杂的软硬件环境配置，包括操作系统依赖、GPU 驱动、Python 版本及库的兼容性问题。本文将通过两种截然不同的路径——传统的本地手动配置与现代化的云平台一键部署，来探索 Fooocus 的落地过程，并对比分析其优劣。
本地手动部署详解
选择手动部署，意味着选择了一条能够深入了解软件运行机理的路径。虽然复杂，但每解决一个问题，都会加深我们对系统环境的理解。
1. 环境管理器的安装与配置
直接使用系统自带的 Python 解释器极易导致依赖冲突。Conda 是一个优秀的包管理和环境管理系统，Miniconda 是其轻量级版本。
检查与下载
首先确认是否已安装 Conda：
conda -V
若提示未找到命令，则需从官方渠道下载 Miniconda 脚本。以 Linux 64 位为例：
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
执行安装
赋予权限并运行脚本：
chmod +x Miniconda3-latest-Linux-x86_64.sh
./Miniconda3-latest-Linux-x86_64.sh
安装过程中会询问许可协议，输入 yes 接受。关键一步是初始化 Conda，务必选择 yes，这会自动修改 shell 配置文件（如 .bashrc），确保每次启动终端都能识别 Conda 命令。
使配置生效
安装完成后，当前会话可能尚未加载新配置，可手动执行：
source ~/.bashrc
此时终端提示符前会出现 (base)，再次运行 conda --version 验证即可。
2. 系统级依赖准备
Fooocus 运行可能需要底层的系统库，如多媒体处理工具 ffmpeg 和图形界面库依赖。
apt-get update && apt-get install ffmpeg libsm6 libxext6 -y
3. 获取项目源码
使用 Git 克隆仓库。为了加速下载，有时可使用镜像源：
git clone https://github.com/lllyasviel/Fooocus.git
cd Fooocus/
4. 创建专属 Python 环境
这是最核心也最容易出错的环节。
尝试自动配置
项目提供了 environment.yaml 文件，可直接构建环境：
conda env create -f environment.yaml
conda activate fooocus
pip install -r requirements_versions.txt
遭遇版本冲突
