LiblibAI下载LoRA后怎么在本地WebUI加载？从底模匹配到权重测试

从 LiblibAI 下载 LoRA 后，在本地 WebUI 里加载的正确顺序是：先核对 LoRA 对应的底模架构和作者说明，再把模型文件放入 WebUI 的 LoRA 目录，刷新附加网络列表，选择匹配底模，在正向提示词中插入 LoRA 调用与触发词，最后固定种子做多档权重对照。最常见的失败不是文件损坏，而是底模不匹配、目录放错、列表未刷新或遗漏触发词。

官方地址：https://www.liblib.art/

第一步：下载时别只保存模型文件

开始前先确认目标 LoRA 的详情页确实提供正式下载入口，并且作者允许当前用途。不同 LiblibAI 模型可能采用在线使用、开放下载或特定账号条件，不能用一个模型的状态推断全部模型。本文默认你已经通过作者和平台提供的正规入口获得文件。

下载时一起保存六项信息：模型名称、具体版本、适配底模、触发词、推荐权重和使用许可。文件名可以保留作者给出的版本标识，例如 botanical_style_v2.safetensors，不要一下载就改成“新模型”“测试版”这类无法追溯的文件。若同一 LoRA 有多个版本，还应记录文件大小和更新说明。

LoRA 能否用于商业项目、能否融合或再分发，与“能否下载”不是一回事。真实项目要同时查看 LoRA、底模以及工作流中其他组件的许可。说明不清时先按未确认处理，不要因为文件已经到手就扩大使用范围。

第二步：先判断底模架构是否匹配

LoRA 是基于某类基础模型训练的附加权重，本地加载时需要与兼容的底模配合。模型卡如果写明 SD 1.5、SDXL、FLUX 或其他架构，就应选择对应体系的底模。文件扩展名相同并不代表兼容；多个架构都可能使用 .safetensors，不能仅凭文件名和大小判断。

底模不匹配时可能出现三种表现：WebUI 报张量或层结构错误；模型看似加载但几乎没有效果；输出颜色和结构严重异常。遇到这些情况先回到模型卡核对架构，不要立刻把 LoRA 权重提高到极端值。

如果作者指定了某个基础模型或推荐模型，第一次测试尽量按说明使用。确认 LoRA 可以正常生效后，再尝试同架构的其他底模。这样能把“LoRA 本身问题”和“跨底模泛化差异”分开。

第三步：把文件放到LoRA目录并刷新列表

以 AUTOMATIC1111 Stable Diffusion WebUI 为例，官方功能说明把 LoRA 的默认目录列为 models/Lora。将下载的 .safetensors 或受支持的 LoRA 文件复制到 WebUI 安装目录下的该文件夹。使用自定义数据目录或启动参数 --lora-dir 时，应放到实际配置的路径，而不是机械寻找默认文件夹。

文件放好后打开 WebUI 的附加网络区域，在 LoRA 列表中刷新。官方 Wiki 将附加网络描述为位于生成按钮附近的卡片入口，点击某张 LoRA 卡片会把调用信息加入提示词。不同版本和界面主题的位置可能略有变化，但关键是刷新模型列表，而不是反复重启浏览器页面。

如果刷新后仍看不到模型，先检查文件是不是多了一层压缩包、扩展名是否正确、是否放在实际 LoRA 目录、WebUI 进程有没有读取权限。不要把预览图或说明文件改名为 .safetensors。列表缓存异常时再重启 WebUI 进程。

第四步：用附加网络卡片插入调用

AUTOMATIC1111 官方 Wiki 给出的 LoRA 调用格式是 ，其中 filename 是磁盘文件名去掉扩展名，multiplier 是强度。对于 botanical_style_v2.safetensors，示例调用可以是 。最安全的做法是点击附加网络卡片自动插入，再按需要调整权重。

LoRA 调用与触发词不是同一个概念。调用文本负责加载附加网络，作者提供的触发词用于让提示词更准确地激活训练概念。部分 LoRA 不依赖明显触发词，部分则需要特定单词组合；应以具体模型卡为准。触发词通常与其他正向提示词一起写在正向区域。

第一次测试不要叠加多个 LoRA，也不要同时打开复杂 ControlNet、高清修复和后期插件。先建立一张能复现的基准图，确认单个 LoRA 的作用，再逐步增加其他组件。

第五步：固定种子做三档权重对照

为了判断 LoRA 权重是否合适，需要固定底模、采样器、步数、分辨率、提示词和种子，只改变权重。可以从 0.4、0.7、1.0 三档做快速对照，但这只是测试框架，不是所有 LoRA 的推荐范围。作者模型卡已有建议时，应围绕建议值上下小幅比较。

观察结果时分三层：第一看主题是否出现，例如植物海报风格是否被激活；第二看风格强度，色彩、线条与材质是否符合目标；第三看副作用，人物、物体边缘、背景和整体构图是否受到污染。低权重没有效果时先检查触发词和底模，高权重出现异常时先降低强度。

找到可用区间后，可在相邻数值间继续细调，例如 0.6、0.7、0.8。不要因为某一张随机结果不好，就直接断定权重无效；先固定种子观察趋势，再更换种子检查稳定性。

一组适合新手的最小测试方案

1. 选择模型卡明确推荐的底模或同架构兼容底模。
2. 使用单一主体和简单背景，避免复杂构图掩盖 LoRA 效果。
3. 从附加网络卡片插入 LoRA 调用，加入作者要求的触发词。
4. 设置固定种子，保持采样器、步数和尺寸不变。
5. 生成未加载 LoRA 的基准图，再生成三档权重对照。
6. 记录效果开始显现、效果合适和开始污染画面的权重。
7. 更换两个种子复查稳定性，最后再加入真实项目提示词。

基准图非常重要。没有“未加载 LoRA”的对照，就无法判断变化来自 LoRA、底模随机性还是提示词。每张测试图的参数信息应保留，便于日后换电脑或团队复现。

LoRA不显示或不生效怎么排查

怎样保存一份可迁移的模型记录

为每个 LoRA 建立同名说明文件，记录来源页面、作者、下载日期、版本、文件名、底模、触发词、推荐权重、许可摘要和一组测试参数。文件哈希可以帮助团队确认是否是同一版本，但不要把平台登录信息、下载令牌或个人路径写进共享文档。

模型文件更新后不要直接覆盖旧版。可在文件名中保留版本信息，并重新做固定种子对照。如果新版不兼容原底模或触发词，旧项目仍然需要旧文件才能复现。商业项目还应保存使用时的许可说明，便于后续审核。

完成加载后的最终检查

1. 文件来自 LiblibAI 正式入口，作者允许下载和当前用途。
2. LoRA 版本、底模架构和本地 WebUI 能力相互兼容。
3. 文件位于实际的 LoRA 目录，刷新后卡片可见。
4. 提示词含正确调用名称和模型卡要求的触发词。
5. 固定种子三档测试能看到连续、可解释的强度变化。
6. 最终权重在多个种子下没有明显结构污染。
7. 来源、参数、版本和许可记录已经随模型归档。

从下载到本地加载，最关键的不是把文件复制进去，而是保持“模型卡—文件—底模—触发词—权重—许可”这一整条信息链。只要先匹配架构、再用固定种子做单变量对照，大多数 LoRA 不显示、无效果或过度污染的问题都能快速定位。