人工智能 - 超腾开源博客 - 第4页 | AI技术、开发实战与软件资源

sd-webui-prompt-all-in-one是专为Stable Diffusion WebUI设计的强大扩展插件，旨在提升用户管理提示词的体验。它提供列表视图、拖拽排序、快速权重调整等直观输入功能，集成自动翻译、历史记录、收藏夹、ChatGPT智能生成及内置词库。支持多种翻译API，可高亮显示Lora等模型关键词，并允许自定义主题和黑名单。目前主扩展处于维护模式，新方向为独立桌面应用，更轻量，专注于提示词编辑与整理。该工具显著提升新手和用户的工作效率，是SD WebUI生态中最实用的提示词管理工具之一。

sd-webui-lora-block-weight是AUTOMATIC1111 Stable Diffusion WebUI的专业扩展插件，解决了标准LoRA应用方式权重单一的问题。该插件支持对U-Net模型的不同神经网络区块设置独立权重，提供分层权重控制、动态时间步控制、XYZ绘图测试、有效区块分析等核心功能。用户可通过特定语法精确控制LoRA在各层的影响强度，实现角色细节与画面风格的分离，消除不希望的伪影效果。插件兼容标准LoRA、LyCORIS、SDXL和Flux等多种模型架构，是高级用户进行精细化AI绘画创作的必备工具。

stable-diffusion-webui-localization-zh_Hans是专为AUTOMATIC1111的Stable Diffusion WebUI及其分支版本开发的社区驱动简体中文语言包。项目通过翻译平台实现协作翻译，每小时自动同步更新，提供稳定版和测试版双版本选择。支持秋叶启动器一键安装和WebUI扩展手动安装两种方式，完美解决中文用户使用英文界面的痛点。该汉化包持续维护更新，及时跟进WebUI新功能翻译，已成为中文AI绘画社区不可或缺的基础设施，极大降低了Stable Diffusion的学习门槛和使用成本。

multidiffusion-upscaler-for-automatic1111是Stable Diffusion WebUI的一个扩展，旨在解决有限显存下生成或放大超高分辨率图像的难题。它通过分块技术将大图像分割为小方块处理后再拼接，大幅降低显存需求，支持6GB或更低显存的显卡。核心功能包括Tiled Diffusion（模拟高分辨率生成）、Tiled VAE（减少编码解码显存占用）、Regional Prompt Control（不同区域使用不同提示词）和Tiled Noise Inversion（保持图像结构）。兼容ControlNet、StableSR、SDXL等。应用场景涵盖文生图超大全景、图生图超高倍率放大及多主题构图。该扩展让中低端显卡用户也能生成商业级高清图像。

在Windows上使用PyTorch训练模型时，任务管理器显示的GPU占用率较低是正常现象，因为PyTorch主要使用CUDA核心，而未调用3D、视频解码等功能。建议使用nvidia-smi dmon命令查看真实的GPU利用率，重点观察sm（流处理器利用率）和mem（显存带宽利用率）两项指标。若GPU占用率确实偏低，可通过在DataLoader中设置num_workers和pin_memory参数来提升。注意Windows下需将训练函数放在if __name__ == "__main__"中，且num_workers不宜过大，建议从2开始逐步增加，确保nvidia-smi中GPU利用率达到90%以上，同时调整batch_size使显存占用率也在90%左右。

stable-diffusion-webui-wd14-tagger是为Stable Diffusion WebUI开发的扩展插件，用于图像标签识别和分类。它支持单张或批量图像处理，生成Booru风格标签，并支持多种预训练模型，包括默认的WD14 Tagger（基于Waifu Diffusion 1.4）和可选的DeepDanbooru。用户可通过WebUI扩展安装或Git克隆方式部署。原项目已停止维护，建议寻找其他维护分支。该工具特别适用于训练LoRA等模型的标签数据准备、图像自动分类及工作流优化。需注意部分模型可能包含NSFW内容，安装后需完全重启WebUI。

sd-webui-openpose-editor是专为Stable Diffusion WebUI中ControlNet扩展设计的可视化Openpose编辑器。它解决了原生ControlNet预处理器只能生成固定姿势的痛点，支持自由拖动身体、手部、面部关键点，提供分组移动、缩放、旋转功能，并可通过关键点可视性控制来移除不需要的肢体。本文详细介绍了该插件的核心特性、安装方法、使用流程和技术架构，帮助用户精准控制AI生成图像中的人物姿态。

Chroma是一个开源的向量数据库，专为AI和大型语言模型应用设计，用于存储和检索文本等非结构化数据的向量嵌入。其核心特点是轻量易用，提供简洁API，几行代码即可实现相似性搜索。它原生集成LangChain等LLM生态，支持多种嵌入模型和混合查询。Chroma可完全本地化部署，保障数据隐私。主要应用场景包括检索增强生成（RAG）、语义缓存和代理记忆。相比Pinecone、Milvus等，Chroma易用性极高，适合快速搭建RAG原型和小型应用，但不适合亿级规模的生产环境。

本文介绍了使用Ollama实现工具调用的原理，并以qwen3模型为例，用Python进行了最简单的实现演示。文章首先说明了如何安装Ollama并启动qwen3模型，然后详细展示了工具调用的完整流程：发送包含工具定义的对话请求、模型返回tool_calls要求调用工具、将工具返回结果与聊天历史再次发送给模型，最终获得自然语言回答。通过一个查询北京天气的实例，Python源码清晰展示了两次API调用的交互过程，帮助读者理解MCP工具调用的基本原理。

ADetailer是专为Stable Diffusion WebUI设计的智能扩展插件，通过自动检测图像中的人脸、手部等关键区域，并针对这些区域进行精细化重绘，有效解决AI绘画中常见的细节模糊问题。插件支持多种预训练模型，可与ControlNet集成，提供高度可配置的检测参数和遮罩处理功能。本文全面介绍ADetailer的核心功能、安装方法、工作流程及使用技巧，帮助用户快速掌握这一提升AI绘画质量的关键工具。