GLM-Image快速上手教程：5步完成AI绘图环境搭建

1. 为什么你需要这个教程

你是不是也遇到过这些情况：想试试最新的国产AI绘图模型，但看到“34GB模型”“CUDA 11.8”“HF_HOME环境变量”就头皮发麻？下载完镜像发现打不开界面，点开网页只显示空白，或者等了半小时模型还没加载完……别急，这篇教程就是为你写的。

它不讲大道理，不堆参数，不谈架构。只做一件事：用最直白的方式，带你5个清晰步骤，从零开始把GLM-Image WebUI真正跑起来、调得动、画得出图。哪怕你没装过Python、没碰过命令行、连显卡型号都记不清，也能照着操作成功。

整个过程不需要你手动下载模型、不用配置环境变量、不用改代码——所有复杂操作都已封装进一个脚本里。你只需要打开终端，敲几行命令，然后在浏览器里点点鼠标，就能亲眼看到文字变成高清图像的全过程。

2. 先搞懂它到底是什么

GLM-Image不是另一个“又一个文生图模型”，它是智谱AI（ZhipuAI）推出的中文场景深度优化的生成模型。和很多国外模型不同，它对中文提示词的理解更自然，比如你输入“江南水乡的雨巷，青石板路，撑油纸伞的姑娘”，它不会生硬地拼凑元素，而是能理解“雨巷”的湿润感、“油纸伞”的质感、“青石板”的反光细节。

而这个教程要带你看的，是它的Web交互界面——一个基于Gradio搭建的可视化操作台。它长得像一个设计软件，左边是输入框和滑块，右边是实时预览区，没有代码、没有黑窗口、没有报错弹窗。你不需要知道什么是diffusers、什么是LoRA、什么是vAE解码器，只要会打字、会拖动滑块、会点按钮，就能用。

它也不是玩具级工具。支持最高2048×2048分辨率输出，能生成可用于电商主图、公众号配图、PPT插图的实用内容；内置正负向提示词控制，让你轻松排除“手指多于5根”“背景杂乱”“画面模糊”等常见问题；还自带自动保存功能，每张图都会按时间戳+种子号存好，不怕覆盖、不丢记录。

3. 第一步：确认你的机器能不能跑

别急着敲命令，先花1分钟确认三件事——这比后面重装环境省两小时。

3.1 看操作系统

必须是Linux系统（推荐Ubuntu 20.04或更新版本）。如果你用的是Windows或Mac，别担心，这个镜像已经预装了完整环境，你只需通过SSH连接进来即可。CSDN星图镜像广场提供的GLM-Image镜像，默认就是Ubuntu 22.04系统，开箱即用。

3.2 看显卡和显存

最低要求：NVIDIA显卡 + 12GB显存（启用CPU Offload模式可降至此）
推荐配置：RTX 3090 / 4090（24GB显存）
怎么查？在终端里输入：

nvidia-smi

如果看到类似这样的输出，说明显卡驱动已就绪：

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 535.104.05   Driver Version: 535.104.05   CUDA Version: 12.2     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id          Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
| 0  NVIDIA RTX 4090     Off  | 00000000:01:00.0  On |                  N/A |
| 37%   42C    P2    98W / 450W |   21232MiB / 24576MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+

注意看最后一行的“Memory-Usage”，如果已用显存超过20GB，建议先关掉其他占用显存的程序。

3.3 看硬盘空间

模型本身约34GB，加上缓存、输出图、依赖包，请确保系统盘至少有50GB空闲空间。检查命令：

df -h /

如果Available列显示小于50G，请清理或换挂载目录。

小提醒：这个镜像默认把所有数据存在/root/build/目录下，不会污染系统其他路径。即使你后续想卸载，删掉这个文件夹就干净了。

4. 第二步：启动服务（就一行命令）

镜像已预装全部依赖（Python 3.10、PyTorch 2.1、Gradio 4.30、diffusers 0.26），你唯一要做的，就是唤醒它。

打开终端（如果你是远程连接，用SSH登录；如果是本地镜像，直接打开Terminal），输入：

bash /root/build/start.sh

你会看到类似这样的滚动日志：

 检测到CUDA可用，启用GPU加速
 加载HuggingFace缓存路径：/root/build/cache/huggingface
 正在初始化GLM-Image模型...
⏳ 模型加载中（首次运行需下载约34GB，预计5–15分钟）...

重点来了：首次运行时，它会自动从Hugging Face镜像站下载模型权重。由于我们已配置HF_ENDPOINT=https://hf-mirror.com，下载速度通常可达20–50MB/s，远快于直连。你不需要做任何事，喝口水，刷条短视频，回来大概率就完成了。

如果中途断网也不怕——下载是断点续传的，下次再运行start.sh会自动接着下。

当看到这行提示，说明服务已就绪：

 Gradio WebUI 启动成功！
 访问地址：http://localhost:7860

小技巧：如果你想让别人也能访问（比如同事在另一台电脑上试用），加个--share参数：

bash /root/build/start.sh --share

它会生成一个临时公网链接（如 https://xxx.gradio.live），无需配置路由器或内网穿透。

5. 第三步：加载模型（点一下，等一等）

打开浏览器，访问 http://localhost:7860（如果是在云服务器上操作，把localhost换成你的服务器IP，例如 http://192.168.1.100:7860）。

你会看到一个简洁的界面：左侧是控制面板，右侧是预览区。此时右上角会显示「模型未加载」。

点击左上角的 「加载模型」 按钮。

接下来会发生什么？

• 如果是第一次使用：它会自动下载模型（34GB），并在界面上显示进度条和剩余时间估算。下载完成后自动加载，整个过程无需刷新页面。
• 如果是第二次及以后：模型已缓存在/root/build/cache/huggingface/hub/下，点击后2–5秒内直接加载完毕，右上角变成绿色「模型已加载」。

注意：加载过程中不要关闭终端或刷新网页。如果卡在99%，可能是网络波动，稍等30秒，它会自动重试。

加载成功后，界面右上角会出现模型信息：

 GLM-Image (zai-org/GLM-Image) • 512×512 default • v1.0.2

6. 第四步：写提示词 + 调参数（小白友好指南）

现在，真正的创作开始了。别被“正向提示词”“负向提示词”吓到——它们就是“你想要什么”和“你不要什么”。

6.1 写一句人话提示词（不是写论文）

打开「正向提示词」输入框，试着输入：

一只橘猫坐在窗台上，阳光透过纱帘洒在它身上，窗外是模糊的梧桐树影，胶片风格

对比下面这些“错误示范”：

• 太笼统：“一只猫” → 模型不知道品种、姿态、环境
• 太技术：“使用unet encoder with cross attention” → 它听不懂
• 太矛盾：“高清写实，同时又是抽象派” → 模型会困惑

好提示词的三个特征：
① 有主体（橘猫）
② 有场景（窗台、阳光、纱帘、梧桐树）
③ 有风格/质感（胶片风格、光影对比）

6.2 用负向提示词“划重点”

在「负向提示词」框里，填上你不想看到的东西。这不是可选项，而是提升质量的关键一步。常用组合：

blurry, low quality, jpeg artifacts, deformed hands, extra fingers, text, watermark, signature

意思是：不要模糊图、不要低质图、不要压缩痕迹、不要畸形的手、不要多长的手指、不要出现文字、不要水印、不要签名。

你甚至可以加中文：

模糊，低清，畸变，多余手指，文字，水印，签名，截图感

6.3 参数怎么调？记住两个数字就够了

参数名	推荐值	作用说明
推理步数	50	数值越大，细节越丰富，但耗时越长。低于30容易糊，高于80提升不明显
引导系数	7.5	控制“听话程度”。太低（<5）→ 不按提示画；太高（>12）→ 画面僵硬、色彩失真

其他参数先保持默认：

• 宽度/高度：新手从768×768起步，稳定后再试1024×1024
• 随机种子：留空或填-1，每次生成都不同；填固定数字（如42）可复现同一张图

实测小贴士：在RTX 4090上，768×768 + 50步平均耗时约68秒，出图质量已远超日常使用需求。

7. 第五步：生成第一张图（并保存它）

确认提示词、负向词、参数都填好后，点击右下角的 「生成图像」 按钮。

你会看到：

• 左侧按钮变灰，显示“生成中…”
• 右侧预览区出现动态加载动画
• 终端里滚动新的日志，显示每一步的耗时（如step 12/50: 1.2s）

等待约1–2分钟（取决于分辨率和步数），右侧会显示一张高清图像。此时注意看右上角——它会自动给你一个保存按钮（💾图标）。

点击它，图片会立刻保存到 /root/build/outputs/ 目录下，文件名类似：

20260118_142235_123456789.jpg

其中20260118是日期，142235是时间，123456789是随机种子。这样你永远能回溯哪次参数对应哪张图。

想批量保存？没问题。所有生成图都按时间顺序存放在该目录，你可以用ls -lt /root/build/outputs/查看最新几张，或直接用scp命令下载到本地：

scp root@your-server-ip:/root/build/outputs/*.jpg ./my_glm_images/

8. 常见问题一把抓（不用再到处搜）

8.1 “点加载模型，一直转圈不动？”

先检查终端是否还在下载。如果终端静止超过10分钟：

• 执行 ps aux | grep download 查看下载进程
• 若无进程，执行 killall python 清理残留，再运行 bash /root/build/start.sh
• 90%的情况是网络波动，重试即可

8.2 “生成图全是灰色/一片噪点？”

这是显存不足的典型表现。立即停掉其他GPU程序（如nvidia-smi看有没有python占满显存），然后重启服务：

bash /root/build/start.sh

8.3 “想换端口，比如用8080，怎么改？”

启动时加参数就行：

bash /root/build/start.sh --port 8080

然后访问 http://localhost:8080

8.4 “生成的图不够锐利，怎么提升？”

三个低成本方法：

• 把「推理步数」从50调到75（时间+40%，质量+20%）
• 在正向提示词末尾加 , sharp focus, 8k, ultra detailed
• 用「负向提示词」加上 soft, blurry, out of focus

8.5 “模型太大，我只有16GB显存，能跑吗？”

能。启动脚本默认启用CPU Offload（自动把部分计算卸载到内存），实测RTX 4080（16GB）可稳定运行768×768生成。如仍报错，加--lowvram参数：

bash /root/build/start.sh --lowvram

9. 下一步，你可以这样玩

你现在已掌握核心能力。接下来，试试这些真实场景：

• 做小红书封面：提示词写“ins风咖啡馆角落，木质桌，拿铁拉花，柔焦背景，浅粉色滤镜，竖版9:16”
• 画产品概念图：写“无线降噪耳机，钛金属机身，流线型设计，白色哑光，纯色背景，商业摄影”
• 辅助设计工作流：生成草图后，用Photoshop进一步精修，比纯手绘快5倍

也可以探索高级玩法：

• 把/root/build/test_glm_image.py当作模板，写自己的批量生成脚本
• 修改webui.py里的默认参数，让每次启动都按你的习惯预设
• 用--share生成链接，发给朋友体验，收集反馈

但最重要的是——现在就去生成你的第一张图。别追求完美，先让文字变成图像，亲眼看到AI如何理解你的想法。那瞬间的惊喜感，是任何教程都无法替代的。

---

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。