凌晨两点改方案，云端绘图服务突然提示"本月额度已用完"——这种窒息感每个设计师都懂。更烦的是，你的提示词去了哪？为什么"穿西装的龙"会被安全过滤拦截？
现在有个新选择：把整套流程搬回自己电脑。两条命令，一个聊天界面，完全本地、完全私有、完全可控。
核心架构：控制平面+兼容层
Docker Model Runner 充当整个系统的控制平面。它负责下载模型、管理推理后端的生命周期，并暴露一个与 OpenAI 100% 兼容的接口——包括 Open WebUI 已经能直接调用的 POST /v1/images/generations 端点。
模型分发用的是 DDUF（Diffusers 统一格式，Diffusers Unified Format）。这是种紧凑的打包格式，把图像生成模型当作普通 OCI 制品通过 Docker Hub 分发。
启动只需一行：
docker model pull stable-diffusion
确认就绪状态：
docker model inspect stable-diffusion
返回的 JSON 里能看到关键信息：格式为 diffusers，大小 6.94GB，DDUF 文件名为 stable-diffusion-xl-base-1.0-FP16.dduf。所有组件——文本编码器、变分自编码器（VAE）、UNet/DiT、调度器配置——都被打包进这一个可移植文件里，运行时再解压。
一键启动的隐藏逻辑
最省事的命令是这条：
背后实际执行的是一组 docker run 参数：把容器 3000 端口映射到主机 8080，设置两个环境变量指向 model-runner.docker.internal/engines/v1，API 密钥固定为 sk-docker-model-runner。model-runner.docker.internal 是 Docker Desktop 容器用来访问主机服务的特殊 DNS 条目。
这一步省掉了手动配置端点的麻烦。Open WebUI 本来就知道怎么跟 OpenAI 格式的接口对话，现在只是让它指向本地地址而已。
为什么这套组合值得关注
对技术团队来说，这解决的是三个真实痛点：
数据主权。提示词和生成图片不会离开本地机器，合规审查、商业机密、个人隐私三者兼得。
成本可预测。没有按张计费、没有额度焦虑，硬件折旧就是全部成本。
可控性。安全过滤规则自己定，"穿西装的龙"不会被莫名拦截。
更深层的变化是模型分发方式的演进。DDUF 格式把原本散落在多个文件里的扩散模型组件打包成单一制品，配合 Docker 的 OCI 生态，让模型管理有了容器化的标准流程。pull、inspect、run——熟悉的命令，新的负载类型。
这套方案目前依赖 Docker Desktop 的特定 DNS 机制，意味着 Windows 和 Mac 用户开箱体验最好。Linux 用户需要额外配置网络桥接，但核心功能不受影响。
如果你正在评估 AIGC 的私有化部署方案，建议把这套组合放进对比清单。它不是唯一选项，但可能是上手门槛最低、UI 完成度最高的那个。
热门跟贴