开课第一周最容易卡住的五件事：Mac 学员和 Windows 学员撞的不是同一面墙 ​

魔当实验室 · 2026年11月

本文是"AI 学习环境"系列第二篇。这个系列只回答四件事：能不能跑、怎么装、版本怎么对齐、机房怎么管。报名前该看的是《报名前先看这张表：六个 AI 方向，Windows 和 Mac 分别要什么配置》，本篇假设你已经报了名、机器就在手边，讲的是开课第一周真正会卡住的地方。

文中的数字取自各应用详情页自带的系统要求、我们自己工作流页写的「硬件要求」，以及上游项目的公开说明，整理时间为 2026 年 11 月。这些是判断参考，不是承诺——软件按月在变，请以你安装时页面上写的内容为准。本文不评测机构、不推荐课程，也不构成采购建议。

一、第一周为什么集中出问题 ​

报名前的问题是"我这台机器够不够"，开课第一周的问题变成"我明明装上了，怎么还是用不了"。这两句话不是一回事。

装完那一刻，学员的机器上同时变了三样东西：一台不熟悉的软件、一套按 GB 计的模型文件、一个按天推进的作业节奏。第三样最容易被忽略——课程不会为环境问题停下来等你。所以第一周冒出来的问题，绝大多数不在这三样里的任何一样本身，而在它们咬合的地方。

魔当实验室把自己整理的这批应用、详情页口径和安装服务里反复被问到的东西放在一起看，第一周的坎基本就五处：

这五处里只有第二处真正和机器贵贱有关。 其余四处都是信息问题：位置、版本、条款、分工。这也是本篇敢写给非技术学员的原因——下面每一条给的都不是"请你懂技术"，而是"请你核对一句话"。

还有一句要先说明：Windows 和 Mac 撞的不是同一面墙。Windows 那边的墙多数是没对齐——对齐了就能修好；Mac 那边的墙多数是上游没铺路——修不了，只能换一条路走。下面每一节都会分别说这两侧。

二、第一件事：装在哪里 ​

本地 AI 应用的位置问题有两层，第一层是路径本身。

我们自己的《数据文件迁移指南》里把默认位置的问题写成四条，其中第一条最容易踩：Windows 用户名包含中文或空格时，部分应用读写数据会出兼容性问题。默认数据目录在系统盘的"文档"下面（Windows 是 C:\Users\<用户名>\Documents\，macOS 是 /Users/<用户名>/Documents/），也就是说你的用户名会长在每一个模型文件的路径里。很多人第一次报错查不出来，根子就在这。

第二条更隐蔽："文档"和"桌面"可能是被网盘接管的状态。Windows 上装过 OneDrive 并开过文件夹同步的机器，"文档"实际位置已经变到网盘目录里；macOS 上开了"桌面与文稿" iCloud 同步，也一样。模型文件在这种目录里会有三种麻烦：同步进程反复读写拖慢速度、体积大的权重只留一个占位符（软件以为在，其实没下载）、以及同步冲突生成的副本把目录搞乱。

第三层是外接硬盘和它的文件系统格式。老资格的坑是 FAT32 的 4GB 单文件上限：几十 GB 的权重一个文件就过不去，报错却常常写成"路径不存在"。现在新买的移动硬盘大多不再是 FAT32，而是 exFAT，它带来的麻烦更隐蔽：在 macOS 上，exFAT 不仅性能差、浪费空间，连 git 仓库都无法正确创建——而这一批应用装的时候要靠 git 从上游仓库拉代码（那一批应用的安装前提，就是我们这份《Git 安装指南：安装 AI 应用的第一步》），所以装到 exFAT 盘上第一步就失败，报错形式通常还不是"格式不支持"这种一眼能看懂的话。

浪费空间那条有实测记录。我们自己的《固态硬盘（SSD）格式化指南》里写过一台 exFAT 移动固态硬盘：明明还有空间，安装脚本却报 No space left on device，原因是 exFAT 在 32GB 以上的盘上默认簇大小是 128KB，而 Python 依赖里全是小文件，每个小文件至少吃掉一个簇。结论不是"别用移动硬盘"——模型动不动几十 GB，自带硬盘很快就满，装到移动硬盘是很常规的做法；要选的是格式：跨 Windows 和 Mac 倒素材用 exFAT 没问题，要把应用和权重长期装着跑，Windows 用 NTFS、Mac 用 APFS，这也是那篇指南在"AI 软件和模型存储"这个场景下给的同一个建议。

第二层比路径更容易出事：同一台机器上有两份同名应用。课程资料给了一个整合包，学员自己又按网上的教程拉了一份源码，或者上个月装过一次没卸干净。结果是软件能打开、界面也正常，就是找不到模型——因为你启动的这一个，和放模型的那一个，不是同一个目录。

判断方法只有一句：不要按图标认应用，按它开在哪个地址认。这批应用里绝大多数启动后是"在浏览器里打开一个本机端口"，比如 127.0.0.1:7860 这类形式，而 7860 恰好是最常见的那个默认端口。所以两个应用同时开着时，第二个往往看起来"打开了"，实际你看到的还是第一个的界面。先关掉其他实例，再看地址栏上的端口号，再确认加载的是哪一份。

给一句可以直接照做的结论：

开课第一天就定一个位置——纯英文、不含空格、不在网盘同步目录里、不在系统盘，所有应用数据、模型权重、课程素材和作业输出都放进去。后面所有位置类问题都会消失一大半。

三、第二件事：还剩多少空间 ​

五件事里只有这一件是真正的硬件问题，而它的表现方式很骗人：装得下不等于跑得动，现在够不等于下周够。

看几个我们自己页面上写的数字：

第一行和第三行之间差的 85GB，不是软件体积，是模型。一个应用本体几十兆到几个 G，权重一个文件就是十几 G。学员看安装进度条估算空间，几乎必然算少。

所以看空间不要看总容量，要看目标盘此刻的剩余量，并且留出比"用得完"更多的一截：AI 应用还要写输出文件、临时文件和缓存，视频与训练环节的中间文件经常比成品大一个数量级。剩余空间掉到个位数 GB 时，报错的形式会开始变得不像空间问题——比如"显存不足""写入失败""莫名其妙崩掉"。

第二件事还有一层，很多人不当成磁盘问题：存得快。视频类任务尤其明显。我们在工作流页上给某一档视频工作流写的是"我们用 16GB 显存的 RTX 5060 Ti 测试"，但上游作者自己给的排查条件里，除了显卡还有两条：必须是 SSD，必须留足上百 GB 空闲。同一个档次的显卡，有人几秒一帧、有人一分多钟一帧，差别常常就在内存够不够、有没有落到硬盘交换、以及硬盘是不是机械盘。这一段我们算过一笔更细的账，见《为什么本地部署的 AI 应用生成速度慢？》。

一句话收尾：这一栏的正确问法不是"我这台电脑 512G 够吗"，而是换一个问题：我打算装几个方向的模型，第一个月之后这条盘还剩多少。

四、第三件事：版本不是一个号，是四层 ​

这是第一周最消耗时间的一处，因为它看起来"版本"应该只有一个。

以 ComfyUI 为例，我们详情页里"为什么需要一键安装"那段就是这张清单：Python 环境、CUDA 环境、PyTorch 版本、模型依赖、第三方节点——传统手动安装要处理的是这五层。学员装完之后只记住了"我装的是 ComfyUI"，而报错来自其中某一层的错位。

第一层错位：显卡架构和 PyTorch 版本。 我们在《使用魔当一键部署 ComfyUI，选择正确运行环境》里给过明确口径：40、50 系以前的显卡推荐用默认环境（例如 Torch 2.7.1）最稳，50 系及更新架构的显卡建议换到 2.8.0、2.9.1 甚至 2.10.0 才拿得到性能。同一段里还有一句更重要的提醒：每次切换运行环境，系统会重新检查依赖项，比较耗时；日常使用建议固定一个环境。也就是说，换环境不是免费的尝试，换来换去反而会把依赖装乱。

第二层错位：工作流级别的硬要求。 这一层比应用级别更细，而且它是真的会拒绝你。我们工作流页上写的原话包括：

• 某一档视频工作流"使用了 fp8 量化模型，仅能使用 NVIDIA 显卡，如 30、40、50 系显卡，至少需要 16GB 显存"；
• 同一系列的另一档写的是"fp4 量化模型……Blackwell 或更高级架构，如 50 系列，至少需要 16GB 显存，ComfyUI 必须使用 torch2.8.0 或以上版本"（LTX-2 图生视频 fp8 页）；
• 全模态模型的加速版写的是"仅支持 NVIDIA RTX 40 系及 50 系（或更新架构）显卡，必须使用 PyTorch 2.10 或更高版本"（MiniMax-H3 四步加速页）。

这几句对学员的实际意义是：同一门课、同一个软件，第 3 周的工作流和第 6 周的工作流可能要求两套环境。所以"我的 ComfyUI 装好了"这句话在第一周之后就不再是完整答案了，要看具体那份工作流页上写的硬件要求。我们已经在逐个补这一段文案，但没补到的工作流，第一周请先按页面上的模型名自己查一次上游要求。

第三层错位是 Mac 独有的，性质完全不同。 Mac 这边很少是"版本旧了"，多数是这条路上游没实现。三种口径你都能在我们自己的页面上看到原文：

• 有一类放大修复的工作流，Windows 直接可跑，Apple 芯片需要把两个自定义节点的 device 参数改成 mps（SeedVR2 简单图片放大）——这是能改的；
• 有一档图像编辑用的 LoRA，原文写的是"目前仅在 Windows 系统中测试可用，在 macOS 系统中质量较差，无法生效"（Qwen Image Edit 2509 GGUF）——这是改不了的，只能换路径；
• 有一档语音驱动视频的工作流，原文写的是"对于 macOS 的支持程度，我们还在测试中"（Wan2.2 S2V 语音驱动视频）——这是还没有答案的，不要按"能跑"规划作业。

三种口径混在一起，就是 Mac 学员第一周最难受的地方：报错长得都一样（缺依赖、缺算子、节点是红的），但一种能改参数、一种要换模型、一种只能等或者走云端。分辨方法只有一个：去看这一份应用页和工作流页上"硬件要求"那一段怎么写的，有没有明确提到 macOS。详情页上 macOS 的写法只有两种——"仅支持 M 系列芯片"和"支持 Intel 和 M 系列芯片"，没写 macOS 就是按 Windows-only 处理。

还有一层不算错位但同样费时间的：训练和推理不是一个门槛。做声音克隆的课，推理用现成模型门槛很低；一旦作业要求"用你自己的三段录音训一个音色"，社区一致的正常下限在 8GB 显存档，而 Apple 芯片上训练我们不保证能成。LoRA 训练同理。第一周就该问清楚课程里有没有训练环节，否则这个问题会在学期中段以"全班都在交作业，我在等一台机器"的形式出现。

五、第四件事：账号与授权 ​

这一处最容易被当成"小事"，因为它不需要懂技术，但它偏偏是最容易让学员在第一周卡住一整天的原因——它的解决时间取决于别人。

兑换码。 如果课程或机构发的是安装服务兑换码，先看我们那份《兑换码核销安装服务须知》：每个码只能核销一次、必须在指定应用的详情页用、有有效期。这三条对应三种现场失败：码输对了但提示已被使用（别人替你领过了）、码有效但在另一个应用的页面里核销、码已经过期。开课当天才第一次核销的人，撞的就是第三种。拿到码当天就核销掉，是这一节唯一要带走的话。

模型要接受条款才能下载。 生成类模型里，有相当一部分放在模型托管站上时要先登录、先同意该模型的许可条款才允许拉取。这类事情在课堂上的表现是"老师一分钟装完，我在下载页卡了二十分钟"。判断方法：把课程用到的模型名抄下来，开课前一天各自查一次它的下载页要不要登录。这不是操作难度问题，是时间问题——审核和排队不由你控制。

有的"本地软件"默认其实在用云端服务。 这一条最反直觉。举例：一键成片类工具里，官方主路径是调用云端大模型生成文案、用在线接口合成配音、从在线素材库取画面，显卡反而不是重点，要能用起来得自己去申请并填写服务的 API Key；而同一份目录里也有明确写"无需依赖第三方 API，所有功能均可在本地实现"的应用（Video Subtitle Remover 详情页）。结论：能不能本地跑，必须逐个应用问，不能按软件名字推断。 这也正是我们坚持在每个应用详情页写清系统要求和运行方式的原因。

系统版本和芯片也是一种门槛。 很多应用的 macOS 要求写的是"macOS 15 及以上 + M 系列芯片"。对学员来说这和账号是一类问题：不是你操作错了，是这台机器不在这次支持范围内。这类信息全在详情页那几行里，报课前就该看完。

服务条款里的时间窗。 这一条对我们自己同样成立，写出来给学员参考：我们的《安装服务售后须知》里，安装服务是 3 天无理由申请售后的窗口，超过就进维护期；"设备不满足公示的最低系统要求""自行覆盖安装其他版本"这几类不属于免费售后范围；大版本迭代或官方架构调整导致需要重新处理时，可能另行收费。把这条放在这里不是为了介绍服务，而是为了说清一件事：环境类问题几乎全在第一周暴露，所以第一周就要把它跑通一次，不要攒到要交作业那天。

最后补一句许可，因为它是"授权"这个词的另一半：装得上、跑得起，不代表做出来的东西能商用。同一系列里不同档位的模型许可不同，有的宽松、有的明确禁止商用。学员如果带着接单目的学，这一层要看《学校和课题组用开源模型和软件，要不要管许可证》，改动模型之后的链条怎么算，看《量化、LoRA、微调之后的模型，还受原许可证约束吗》。

六、第五件事：云端和本地怎么切 ​

前五件事里，这一件最不像"技术问题"，但它决定了前面四件事发生后你怎么办。

第一周会被迫上云，通常只有三个理由：配置不够、这个环节在 Mac 上支持有限、今天必须交。三种理由对应的处理方式不一样，但学员往往会做成同一种——整门课改到云电脑。这就是问题的开始。

整门课切换会带来四个代价：

1. 文件变成两份。 权重、素材、中间文件、作业输出分散在本机和云端，来回传的成本比你预期的高，而且传的过程中最容易出错。
2. 云端环境和你课上学的不是同一版。 云上那台机器装的是服务商准备的时间节点，课上讲的是老师机器的版本；第一节的四层版本问题，在这里会原样再来一遍，而你无法自己修。
3. 体验有落差。 公开投诉平台上有消费者反映，实际拿到的云机配置与宣传不符、用着用着就重启。这类问题你无法通过自己的操作解决。
4. 续费与断供风险。 云端是持续订阅，服务到期、换平台、机房调整，都会让"我上周还在跑的东西"今天跑不了。

所以正确的问法不是"本地还是云端"，而是换一层问法：哪些环节必须在我本机，哪些环节可以借机器。按环节切，比按课程切好得多：

第三篇会专门用一条漫剧流水线把这张表跑一遍。这里只需要记住一句：换到云端不是降级失败，换错粒度才是。

顺带说明我们的立场：本地和云端各自的成本形状不一样，"为什么用本地"这件事在《机构为什么用开源软件，而不是烧 token 的商业平台》里算过一笔账，本篇不重复。这里只留最实用的一条：本地能跑就本地跑，跑不动就明确降到哪一档、哪一步挪到云端，而不是"配置不够就送一台云电脑"——那样五件事会一件不少地换台机器再发生一遍。

七、装不上时的五步排查顺序 ​

这一节是本篇唯一需要照着做的部分。顺序比技巧重要：按这个顺序做，每一步都能排除一整类原因；乱序做，就会在两三个原因之间来回跳，最后重装系统还是没解决。

第 1 步：先分清是"环境问题"还是"课程内容问题"。 判据是能不能跑通默认示例。新建一个最小的文生图或十秒配音任务，用软件自带的小模型跑一次。跑通了，说明环境是通的，你卡的是课程那份工作流缺节点、缺模型、缺参数——这是内容问题，去问课程，重装软件不解决。跑不通，继续往下。

第 2 步：查系统层。 Windows 看系统版本和显卡驱动是否为较新版本（详情页里"请安装较新版本的驱动"这句话被写出来过很多次，因为它真的常见）；Mac 看系统版本和芯片，再对照详情页 macOS 那两行。这一层的特征是一启动就报错、启动即闪退。

第 3 步：查空间层。 目标盘剩余空间是否还够（按第三节，看剩余不看总量）；路径里有没有中文或空格；是否在网盘同步目录里；是不是同时开着两个同类应用。特征是"找不到文件""写入失败""跑到一半崩"。

第 4 步：查版本层。 这个应用选的是哪一套运行环境；这份模型或工作流的硬件要求那一段写了什么（显卡架构、PyTorch 版本、显存）；有没有把两个整合包的节点混在一起装。特征是报缺依赖、缺算子、节点是红的。

第 5 步：确认能稳定复现，再求助。 一次成功的求助要带六项信息，缺一项就得多来回一轮：

1. 系统与版本（Windows 10/11 或 macOS 版本号）；
2. 芯片或显卡型号，以及显存或统一内存大小；
3. 应用名，以及详情页上写的版本；
4. 用的哪一份工作流或哪一个模型文件（写名字，不要写"就是课上那个"）；
5. 报错原文的完整那一句，不是半句截图；
6. 第 1 步那个最小示例的结果：通还是不通。

有两件事在这个顺序里是不该做的：一是不要一上来重装系统——五步走完还没定位到原因，重装只会把可复现的现场销毁；二是不要一次装几十个自定义节点——你以为在补依赖，实际在制造下一节的第四层错位。

八、魔当实验室的观点 ​

第一，第一周该学的不是软件，是摸清自己这台机器的边界。 具体就是三件小事：定一个位置、清一次空间、跑通一个最小示例。这三件事做完，你就知道自己在哪一格，也知道往下降级会降到哪一档。反过来，第一周把所有时间花在"跟着视频把界面点开"上的人，第七周会在一台自己完全不了解的机器上孤立无援。

第二，Windows 和 Mac 的问题不该用同一套答疑。 Windows 那边的卡点集中在版本对齐，答案通常是"换成哪一个环境"；Mac 那边集中在生态覆盖，答案通常是"这条路暂时不通，换一种做法或者换一台机器"。用同一份文档回答两边，一定有一边在瞎忙。这也是我们要求每个应用详情页把 macOS 写成"仅支持 M 系列"或"支持 Intel 和 M 系列"这两种明确表述的原因——差别不在文字，在能不能给出结论。

第三，环境问题里绝大多数不是能力问题，是信息问题。 位置、空间、版本、条款、分工——这五处没有一处需要学员会写代码，需要的只是开课那天之前有人把话说清楚。反过来说，任何一处没提前说，都会在学期中段变成一次"我是不是不适合学这个"的自我怀疑。学员装不上软件，不会怪软件，会怪自己。这句话我们写在机构材料里，也放在这里。

一台机器在第一周决定的是你上课的节奏，不是你能不能学会。本篇不给任何结论性的"能"或"不能"，只给可以核对的句子：页面上写的是什么，你的机器上是什么，这两句话哪里对不上。对不上的地方，就是我们接下来要一篇一篇讲清楚的。

下一篇会用一条完整的 AI 漫剧流水线，把这些环节按顺序串一遍——从剧本到成片，一台机器上到底要装多少东西、每一步降到哪一档。

免责声明：本文的应用配置口径取自各应用详情页自带的系统要求、我们工作流页面的硬件要求文案与上游项目公开说明，由魔当实验室于 2026 年 11 月整理。软件与模型版本按月更新，具体要求可能变化；文中数字与表述为判断参考，不构成对任何应用在你的设备上可运行、可交付的保证。文中涉及行业现象的部分来自公开投诉平台的消费者反映，仅作问题类型说明，不针对、不评价任何具体机构或课程。