Draw Things 完全指南：Mac 本地 AI 生图从入门到精通

你有没有想过，手边那台 Mac 其实是一台免费的 AI 画师工作站？不用花钱订阅 Midjourney，不用把图片上传到云端，不用担心隐私泄露——只需要一个叫 Draw Things 的 App，你就能在 Mac 上本地生成任何风格的 AI 图像。

但大多数人对 Draw Things 的认知停留在"装上来，输入提示词，点生成"的阶段。它真正的能力远不止于此：本地训练 LoRA 微调模型、JavaScript 脚本批量自动化、ControlNet 精确控图、通过 MCP 让 Claude Code 直接调用生图……这些功能，很多用了半年的老用户都不知道。

这篇文章就是你需要的那份从入门到精通的完整地图。不管你是第一次接触 AI 生图的小白，还是已经用了很久的老手，我保证你都能从中学到新东西。

一、Draw Things 是什么？为什么选它？

1.1 一句话定义

Draw Things 是一款完全免费的 macOS / iOS 原生 AI 图像生成应用，所有计算在本地完成，无需联网，无需订阅。

1.2 它凭什么比其他工具好？

Mac 上能跑 AI 生图的工具不少——ComfyUI、DiffusionBee、Mochi Diffusion——但 Draw Things 有几个独一无二的优势：

最核心的一点：Draw Things 不是 Python 套壳。它用 SwiftUI + 自研推理引擎 s4nnc 从底层为 Apple Silicon 优化。这就好比别人是在 Mac 上跑 Windows 模拟器打游戏，Draw Things 是原生 macOS 游戏——性能差距是天然的。

1.3 Metal FlashAttention：速度秘密

Draw Things 的性能优势来自一项自研技术——Metal FlashAttention。

普通的注意力计算是这样的：先把整个注意力矩阵算出来（非常占内存），然后再做乘法。这就像考试时把所有草稿纸都摊开，桌子不够大就完蛋。

Metal FlashAttention 的做法是逐行计算：算一行、用一行、扔一行。桌子只需要放一行草稿纸的空间，但最终答案一样。

实际效果：

• M1 Pro 及以上芯片：比标准 CoreML GPU 快 20-40%
• 图像生成延迟降低 43-120%
• 内存占用显著降低

这意味着同样的硬件，Draw Things 跑得比 ComfyUI 快。

二、从零开始：5 分钟生成你的第一张图

2.1 安装

打开 App Store，搜索 “Draw Things”，点击安装。没了。

不需要装 Python，不需要开终端，不需要配环境变量。这也是我推荐它给新手的核心理由。

2.2 下载第一个模型

首次打开 Draw Things，你需要选择一个模型。模型就像画师的"画风"——不同模型擅长不同风格：

新手推荐：先下载 Flux.1 Schnell。它只需要 4 步就能生成高质量图片，速度快，效果好，是入门的最佳起点。

操作步骤：

1. 点击左侧模型区域的下拉菜单
2. 在列表中找到 “Flux.1 Schnell”
3. 点击云图标下载
4. 等待下载完成（约 5-10GB，取决于你的网速）

2.3 生成第一张图

模型下载好后：

1. 在正向提示词区域输入你想要的画面描述（英文效果更好）
2. 点击生成按钮
3. 等待几秒到几十秒
4. 图片出现！

一个简单的例子：

a cozy coffee shop interior, warm lighting, wooden tables,
bookshelves on walls, rain outside the window, anime style

恭喜，你已经会用 Draw Things 了。但这只是冰山一角。

三、提示词工程：从"能出图"到"出好图"

提示词（Prompt）是 AI 生图的灵魂。同一个模型，提示词写得好不好，出图质量天差地别。

3.1 提示词的基本结构

好的提示词遵循这个公式：

[主体] + [环境/场景] + [风格] + [光影] + [画质修饰] + [构图]

示例：

# 普通写法（结果平平）
a cat sitting on a table

# 进阶写法（效果惊艳）
a fluffy orange tabby cat sitting on a rustic wooden table,
cozy kitchen background with morning sunlight streaming through window,
soft bokeh, warm color palette, professional photography,
shallow depth of field, 8k resolution

3.2 负向提示词：告诉 AI 你不想要什么

负向提示词同样重要。它就像对画师说"别画成这样"：

# 通用负向提示词模板（适用于大多数场景）
blurry, low quality, deformed, ugly, bad anatomy,
bad hands, extra fingers, mutated hands, poorly drawn face,
watermark, text, signature, cropped

小技巧：Flux 模型对负向提示词的敏感度较低，SDXL 模型则非常依赖负向提示词。如果用 SDXL 系列模型，一定要认真写负向提示词。

3.3 高手都在用的提示词技巧

权重调整

Draw Things 支持用括号调整关键词权重：

# 增加权重（更强调）
(golden hour lighting:1.3)

# 降低权重（弱化）
(background:0.7)

数值范围 0.1-2.0，默认为 1.0。1.3 表示比正常强 30%。

风格关键词速查表

SDXL 的隐藏参数

SDXL 模型支持第二个提示词区域（通常标记为"附加提示词"或"Prompt 2"）。很多人忽略了这个功能。第一提示词描述内容，第二提示词描述风格和画质，分工明确效果更好：

# 提示词 1（内容）
a samurai standing on a cliff overlooking a misty valley

# 提示词 2（风格）
masterpiece, best quality, extremely detailed, sharp focus,
professional digital painting, dramatic lighting

四、参数调优：懂这些就超过 80% 的用户

4.1 核心参数解读

4.2 采样器选择指南

采样器是 AI “画图"的算法。Draw Things 提供 19 种采样器，但你只需要记住这几个：

高手技巧：采样器名称中的关键词含义——

• Karras：噪声调度器，加速收敛，约节省 20% 步数
• SDE：随机微分方程，增加多样性和细节
• AYS：自适应步长，用更少步数达到同等质量
• Trailing：专为 Flow 模型（Flux、SD3）设计

4.3 被忽略的"加速"设置

Optimize for Faster Loading（优化加载速度）

在模型设置中有一个 “Optimize for Faster Loading” 选项。勾选后，Draw Things 会对模型进行一次预处理，之后每次加载速度显著提升。特别是对于 8GB 内存的设备，这个优化必开。

Tiled Decoding（分块解码）

默认情况下，解码器需要一次性处理整张图片，非常占内存。开启 Tiled Decoding 后，图片被分成小块逐一解码，大幅降低内存峰值。

适用场景：

• 8GB / 16GB 内存设备
• 生成大尺寸图片（如 2048×2048）
• 同时运行其他应用时

Tiled Diffusion（分块扩散）

与 Tiled Decoding 类似，但作用在生成阶段而非解码阶段。它将大图生成任务拆分成多个小块，每块独立生成后拼合。这使得在 16GB 内存的 Mac 上生成 4K 级图片成为可能。

五、ControlNet：让 AI 听你指挥

ControlNet 是从"随缘出图"跨越到"精确控图"的关键技术。简单来说，它允许你给 AI 一个参考图，告诉它"按照这个结构/姿势/轮廓来画”。

5.1 理解控制类型

5.2 实战：用 Scribble 把草稿变成插图

这是最适合博客作者的用法——你在纸上随手画一个构图草稿，拍照后让 AI 精修成精美插图。

操作步骤：

1. 在纸上画一个简单的构图草稿（火柴人级别就行）
2. 拍照或截图
3. 在 Draw Things 中打开 Control 标签
4. 选择 Scribble 模型
5. 上传你的草稿图
6. 写提示词描述你想要的最终效果
7. 生成！

关键参数调整：

• Weight（权重）：建议从 0.7 开始。1.0 会过于拘泥原图，0.5 则太自由
• Control Importance：选 Balanced（平衡），让 AI 在遵循控制和发挥创意之间取得平衡
• Start/End：建议设为 0-0.7。意思是在生成的前 70% 过程中参考控制图，后 30% 让 AI 自由发挥细节

5.3 高手必知：多重控制组合

Draw Things 支持同时叠加多个 ControlNet。比如：

Depth（控制空间结构）+ Canny（控制轮廓）+ Color Palette（控制配色）

这就像你同时给画师提供了"这是房间布局"、“这是物品轮廓”、“这是配色方案"三份参考——出图的可控性大幅提升。

注意：控制模型的添加顺序会影响结果。建议把最重要的控制放在第一个。多重控制时，适当降低每个控制的权重（比如都设 0.5-0.6），避免过度约束导致画面僵硬。

六、本地训练 LoRA：打造你的专属模型

这是 Draw Things 最震撼的隐藏功能——在你的 Mac/iPhone 上直接训练 LoRA 微调模型。

6.1 什么是 LoRA？

LoRA（Low-Rank Adaptation）就像给基础模型装一个"滤镜插件”。基础模型是"万能画师"，LoRA 让它变成"专门画你的风格/角色/场景的画师"。

比如你可以训练一个 LoRA，让 AI 专门画你家的猫、你的卡通形象、或者你喜欢的特定插画风格。

6.2 训练准备

需要什么：

• 5-20 张高质量训练图片（同一主题/风格）
• Mac 至少 16GB 内存（24GB+ 更舒适）
• 30 分钟到 4.5 小时的训练时间（取决于配置）

图片准备要点：

• 图片风格、光线、质量要一致
• 如果是训练角色，准备不同角度的照片
• 分辨率至少 512×512
• 避免水印、文字干扰

6.3 训练步骤

1. 打开 Draw Things，进入 PEFT 标签页
2. 选择基础模型：
   • SDXL Base 1.0：推荐，平衡性好
   • Flux.1 Dev：画质最高，但吃内存
   • Kwai Kolors：效率高，训练快
3. 设置 LoRA 名称和触发词（trigger word）

# 示例：训练你的猫咪 LoRA
LoRA 名称：my_cat_mimi
触发词：mimi_cat

# 之后生图时只要在提示词中加入 mimi_cat，
# AI 就会画出你家的猫

4. 导入训练图片，配置标注

自动标注技巧：Draw Things 内置了 Blip2 和 Moondream2 两种自动标注模型：

• Blip2：简短描述，适合简单主题
• Moondream2：详细描述，适合复杂场景

标注生成后，记得在每条标注前面加上你的触发词。

5. 设置训练参数

6. 开始训练，等待完成

6.4 训练进阶技巧

500 步检查点法则

不要傻等到 2000 步结束。在约 500-1000 步时暂停，用当前检查点测试效果。如果已经足够好，就可以停了。过度训练（overfitting）是最常见的新手错误——表现为生成的图片开始出现固定姿势、噪点、重复图案。

QLoRA 省内存

Draw Things 的一个技术突破是支持 QLoRA——在量化模型权重上直接训练 LoRA。LoRA 网络以 FP32 精度运行，基础模型以 FP16 运行。这意味着：

• iPhone 15 Pro（6GB 可用内存） 都能训练 SD 1.5 的 LoRA
• Mac Mini M4 16GB 可以舒适训练 SDXL LoRA
• 训练速度因 Metal FlashAttention 优化比理论值快很多

Memory Saver 设置

如果训练过程中内存吃紧，在训练设置中启用 Memory Saver：

• Balanced：兼顾速度和内存
• Minimal：最大程度省内存（速度会慢一些）

6.5 训练结果处理

训练完成后：

1. 在 LoRA Manager 中找到你的 LoRA
2. 量化为 16-bit 或 8-bit 格式（减小体积）
3. 在生图时加载 LoRA，提示词中包含触发词即可

# 使用训练好的 LoRA 生图
mimi_cat sitting on a windowsill, sunset background,
warm lighting, cozy atmosphere

七、脚本自动化：批量出图的秘密武器

这是 90% 的 Draw Things 用户不知道的功能——JavaScript 脚本 API。

7.1 脚本能干什么？

• 自动加载指定模型 + LoRA 组合
• 批量生成一系列图片（不同提示词、不同参数）
• 自动保存到指定目录
• 创建交互式参数面板
• 实现自定义工作流

7.2 四大全局对象

Draw Things 的脚本 API 提供四个核心对象：

// 1. pipeline - 图像生成管线
pipeline.run({
  prompt: "a beautiful sunset over mountains",
  negativePrompt: "blurry, low quality",
  width: 1024,
  height: 1024,
  steps: 20,
  guidanceScale: 7.0,
  seed: -1  // -1 = 随机
});

// 2. canvas - 无限画布控制
canvas.clear();           // 清空画布
canvas.saveImage("output.png");  // 保存当前图片

// 3. filesystem - 文件系统访问
const picDir = filesystem.pictures.path;  // 获取图片目录路径

// 4. requestFromUser - 用户交互
// 创建参数输入面板（下面详细讲）

7.3 实战脚本：博客配图批量生成器

这个脚本可以一次性为多篇博客文章生成封面图：

// 博客封面批量生成脚本
const covers = [
  {
    name: "ai-workflow",
    prompt: "futuristic workspace with holographic displays, " +
            "clean minimalist design, blue ambient lighting, " +
            "tech blog cover style, no text"
  },
  {
    name: "python-tips",
    prompt: "a python snake made of golden code characters, " +
            "dark background, matrix-style digital rain, " +
            "cinematic lighting, no text"
  },
  {
    name: "docker-guide",
    prompt: "blue whale carrying colorful containers on its back, " +
            "ocean scene, sunset, digital art style, " +
            "professional illustration, no text"
  }
];

// 逐一生成
for (const cover of covers) {
  pipeline.run({
    prompt: cover.prompt,
    negativePrompt: "text, watermark, blurry, low quality",
    width: 1200,
    height: 630,  // 社交媒体最佳比例
    steps: 20,
    guidanceScale: 6.0,
    seed: -1
  });
  // 图片会自动出现在画布上
  // 你可以手动保存或通过 canvas API 保存
}

7.4 脚本安装方法

1. 用文本编辑器写好 .js 脚本文件
2. 打开 Draw Things → Scripts 标签
3. 点击 “Add Script” → 选择你的文件
4. 运行！

Mac 上的脚本文件路径：

~/Library/Containers/Draw Things/Data/Scripts/

社区脚本宝库：Draw Things 官方维护了一个 community-scripts 仓库，里面有大量现成脚本可以直接用。

八、MCP 集成：让 Claude Code 帮你画图

这是最让人兴奋的玩法——通过 MCP（Model Context Protocol），让 Claude Code 直接调用 Draw Things 生成图片。写博客时不用切换应用，AI 助手直接帮你出图。

8.1 配置步骤

第一步：开启 Draw Things API Server

1. 打开 Draw Things
2. 点击设置（齿轮图标）
3. 开启 “API Server”
4. 默认端口 7860

验证是否成功：

curl http://localhost:7860
# 如果返回响应，说明 API 已启动

第二步：安装 MCP Server

在终端中执行：

# 全局安装（所有项目可用，推荐）
claude mcp add -s user drawthings -- npx -y mcp-drawthings

然后重启 Claude Code。

第三步：开始使用

在 Claude Code 中，你现在可以直接说：

帮我生成一张博客封面图，主题是 Python 编程，科技风格，
深色背景，1200x630 尺寸

Claude Code 会自动调用 Draw Things 的 MCP 工具生成图片，并保存到 ~/Pictures/drawthings-mcp/ 目录。

8.2 MCP 提供的四个工具

8.3 环境变量配置

如果需要自定义，可以设置以下环境变量：

DRAWTHINGS_HOST=localhost     # API 地址（默认）
DRAWTHINGS_PORT=7860          # API 端口（默认）
DRAWTHINGS_OUTPUT_DIR=~/Pictures/drawthings-mcp  # 输出目录

实际工作流：我现在写博客的流程是——用 Claude Code 写文章，需要配图时直接让它调 Draw Things 生成，图片自动保存，然后我检查一下效果，满意就直接引用到文章中。整个过程不需要离开终端。这是之前 ComfyUI 做不到的体验。

九、模型选择深度指南

9.1 模型家族速查

9.2 量化模型：小内存的救星

如果你的 Mac 内存不大（16GB），量化模型是必须了解的概念。

量化就像图片压缩——原图是 BMP（巨大但无损），量化后变成 JPEG（小很多，画质略降）。具体到模型：

在 Draw Things 中使用量化模型：设置 → 模型 → 选择 8-bit 选项，或者在下载模型时选择量化版本。

9.3 LoRA 获取渠道

导入外部 LoRA：设置 → LoRA → Manage → Import → 选择文件或粘贴 URL。

十、性能优化：榨干你的 Mac

10.1 按内存分级的最佳配置

8GB Mac（M1 Air 等）：

模型：SD 1.5（8-bit 量化）
采样器：DPM++ 2M Karras
步数：15-20
分辨率：512×512
必开：Tiled Decoding、Optimize for Faster Loading

16GB Mac（M2/M4 Mac Mini 基础版）：

模型：SDXL（8-bit）或 Flux.1 Schnell
采样器：DPM++ SDE Karras（SDXL）/ Euler A Trailing（Flux）
步数：20-25
分辨率：1024×1024
建议开：Tiled Decoding

24GB+ Mac（M4 Pro 等）：

模型：Flux.1 Dev（Q6_K 量化）或 SDXL（FP16）
采样器：按模型推荐选择
步数：20-30
分辨率：1024×1024 - 2048×2048
Tiled Diffusion：可选，生成超大图时开启

10.2 “先小后大"工作法

高手都用这个流程节省时间：

1. 小图快速试错（512×512，15 步）—— 找到满意的构图和色调
2. 记下 Seed 值 —— 锁定这个随机种子
3. 放大分辨率重新生成（1024×1024，25 步）—— 用同样的 seed 出高清版
4. Upscale 放大（如需要）—— 用内置 ESRGAN 超分到 2048 甚至 4096

这比一开始就用大分辨率出图，效率提升 3-5 倍。

10.3 Metal FlashAttention v2 开启确认

确保你的 Draw Things 版本已启用 Metal FlashAttention v2。在设置中查找相关选项。如果你的设备支持（M1 及以上），这个优化默认开启，但值得确认一下。

v2 版本相比 v1 额外减少 20-25% 的内存占用，在训练 LoRA 时效果尤为明显。

十一、高手才知道的隐藏技巧

11.1 Moodboard 多图参考

Draw Things 有一个强大但鲜为人知的功能——Moodboard。你可以同时放多张参考图，AI 会综合所有图片的风格元素来生成新图。

使用场景：你有 3-4 张喜欢的插画风格图片，想让 AI 融合这些风格画一张新图。把它们都放到 Moodboard 中，配合 IP Adapter 使用，效果惊人。

11.2 PuLID 面部转移

PuLID 是 Draw Things 支持的一种面部控制技术。它能让生成的人物保持特定的面部特征，同时变换场景、服装、风格。适合需要人物一致性的系列插图创作。

11.3 视频生成

是的，Draw Things 不只能生图，还能生视频。支持的模型包括：

• Wan 2.2 5B：文字描述生成短视频
• Hunyuan Video：高质量视频生成
• Stable Video Diffusion：图片到视频的转换

视频生成对硬件要求更高，建议 24GB+ 内存。

11.4 Bridge Mode

Draw Things 的 API Server 支持 Bridge Mode。这意味着你可以将一台高配 Mac（比如 Mac Studio）作为渲染服务器，其他设备（MacBook、iPad、iPhone）通过网络发送生图请求。

家里有两台 Mac 的用户可以这样搭配：

• Mac Mini M4 Pro 跑 Draw Things API Server
• MacBook Air 上写代码 / 写文章时远程调用生图

11.5 iCloud 同步

Draw Things 支持通过 iCloud 同步设置和预设。你在 Mac 上调好的参数组合，打开 iPad 或 iPhone 版的 Draw Things 就能直接用。出门在外用 iPad 灵感来了也能快速出图。

十二、常见问题排坑

Q1：生成的人物手指总是畸形怎么办？

这是 AI 生图的经典问题。解决方案：

1. 负向提示词加入 bad hands, extra fingers, mutated hands
2. 使用 SDXL 或 Flux 模型（比 SD 1.5 强很多）
3. 配合 Pose ControlNet 约束手部姿势
4. 适当提高 Steps（25-30 步）

Q2：出图颜色总是偏暗/偏灰？

在提示词中明确光线和色彩：

vibrant colors, bright lighting, high contrast, colorful

同时检查 CFG Scale 是否设得太高（>10 容易偏灰）。

Q3：下载的 LoRA 加载后没效果？

检查两点：

1. LoRA 对应的基础模型是否匹配（SDXL 的 LoRA 不能用在 SD 1.5 上）
2. 提示词中是否包含了 LoRA 的触发词

Q4：训练 LoRA 中途内存不足崩溃？

1. 降低训练分辨率到 512×512
2. 启用 Memory Saver（Minimal）
3. 关闭其他应用释放内存
4. 使用 8-bit 量化的基础模型
5. 减小 Network Dimension（8 而非 16）

Q5：API Server 开启后 Claude Code 连不上？

按顺序排查：

1. Draw Things 是否在运行？API Server 是否打开？
2. curl http://localhost:7860 是否有响应？
3. 模型是否已加载？（未加载模型时生成会失败）
4. MCP Server 是否正确安装？重启 Claude Code 试试

总结

Draw Things 是 Mac 上被严重低估的 AI 生图工具。它不只是一个"能生成图片的 App”——它是一个完整的本地 AI 图像创作平台：

• 新手：App Store 安装 → 下载模型 → 输入提示词 → 出图，5 分钟上手
• 进阶：掌握 ControlNet 精确控图、采样器调优、提示词工程，出图质量翻倍
• 高手：本地训练 LoRA 打造专属模型、JavaScript 脚本批量自动化、MCP 集成到 AI 工作流
• 极客：Bridge Mode 搭建本地渲染集群、API Server 对接任意工具链

最重要的是——这一切完全免费，完全本地，完全隐私。

如果这篇文章对你有帮助，建议收藏并实际动手试试。AI 生图这个技能，只有自己生成过 100 张图之后，才会真正"手感上身"。去画吧！

相关阅读

• Mac Mini 本地 AI 生图选型指南：ComfyUI、DiffusionBee、Draw Things 深度对比
• AI 工作流实战指南：不是未来，是现在
• Claude Code 最佳实践：从入门到精通的完整指南
• Claude Code 浏览器自动化实战：用 AI 操控网页的完整指南