Z-Image-Turbo命令行操作大全：启动、查看、清理一站式指南
你是不是也遇到过这样的情况：模型跑起来了，但不知道下一步该敲什么命令？生成的图片找不着在哪儿？想清空历史记录又怕误删重要文件？别急，这篇指南就是为你准备的。它不讲复杂原理，不堆技术术语，只聚焦三件事：怎么把Z-Image-Turbo稳稳当当地跑起来、怎么快速找到你刚生成的图、怎么干净利落地清理空间。所有操作都在命令行里完成，不需要打开一堆窗口，也不用翻文档猜路径——每一步都对应一个真实场景，每条命令都能直接复制粘贴运行。
1. 启动服务：让模型真正“活”起来
很多人以为点开UI界面就等于模型启动成功了，其实不是。真正的起点，是命令行里那行python命令执行完、终端输出一长串日志之后的状态。只有这时，模型才真正加载进内存，准备好响应你的每一次图像生成请求。
1.1 执行启动命令
打开终端（Linux/macOS）或命令提示符（Windows），输入以下命令：
python /Z-Image-Turbo_gradio_ui.py注意路径中的斜杠方向和大小写，尤其是/Z-Image-Turbo_gradio_ui.py这个文件名，不能少字母、不能错大小写。如果提示No module named 'gradio'，说明缺少依赖，先运行pip install gradio再重试。
1.2 判断是否启动成功
命令执行后，终端会滚动输出大量日志信息。关键看最后几行是否出现类似下面的内容：
Running on local URL: http://localhost:7860 To create a public link, set `share=True` in `launch()`.同时，终端底部还会显示一个绿色的http://localhost:7860链接，旁边带一个可点击的按钮（如果你用的是支持超链接的终端）。只要看到这行，就说明服务已就绪，模型加载完成。此时不要关闭这个终端窗口——它就是模型的“心脏”，关了就停服。
1.3 常见启动失败排查
报错
ModuleNotFoundError: No module named 'torch'
表示PyTorch未安装。运行pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118（CUDA 11.8版本）或pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu（CPU版本）报错
OSError: [Errno 98] Address already in use
说明7860端口被占用了。可以改用其他端口启动：python /Z-Image-Turbo_gradio_ui.py --server-port 7861然后访问
http://localhost:7861启动后页面打不开，显示“连接被拒绝”
检查是否误将localhost输成127.0.0.1以外的地址，或者防火墙拦截了本地端口。最简单的方法是直接点击终端里显示的http://localhost:7860链接。
2. 访问UI界面：从命令行到图形操作的无缝衔接
启动成功只是第一步，真正开始创作，得靠UI界面。Z-Image-Turbo的UI基于Gradio构建，简洁直观，所有图像生成、参数调节、结果预览都在一个网页里完成。它不依赖浏览器插件，也不需要登录账号，打开即用。
2.1 两种访问方式，总有一种适合你
方式一：手动输入地址（推荐给习惯掌控感的人）
在任意浏览器中，地址栏输入：
http://localhost:7860注意：必须是http，不是https；必须是localhost，不是127.0.0.1（虽然多数情况下两者等价，但Gradio默认绑定localhost，更稳妥）。
方式二：一键跳转（适合不想记地址的人）
回到你运行python命令的那个终端窗口，找到最后一行绿色的http://localhost:7860文字。在支持超链接的终端（如iTerm2、Windows Terminal、VS Code内置终端）中，直接用鼠标左键单击它，浏览器会自动打开并跳转到UI界面。
小提醒：如果点击没反应，说明当前终端不支持超链接。这时请复制整段URL，粘贴到浏览器中访问。别只复制
localhost:7860，一定要带上前面的http://。
2.2 UI界面初体验：三个核心区域一眼看懂
打开页面后，你会看到一个干净的界面，主要分为三块：
- 顶部区域：标题栏写着“Z-Image-Turbo”，右侧有“Examples”示例按钮，点开就能看到预设的提示词和效果，适合新手快速上手；
- 中间区域：左侧是输入框，你可以在这里输入中文或英文描述（比如“一只橘猫坐在窗台上，阳光洒在毛发上，写实风格”），右侧是参数滑块，控制图像质量、风格强度、输出尺寸等；
- 底部区域：一个大大的“Run”按钮，点击后开始生成；生成完成后，下方会立刻显示高清预览图，并附带“Download”下载按钮。
整个过程无需刷新页面，所有操作都是实时响应。生成一张图通常只需5–15秒，取决于你的硬件配置。
3. 查看历史生成图片：再也不用担心图“丢了”
每次点击“Run”，Z-Image-Turbo都会把生成的图片自动保存到固定路径。但这个路径藏在系统深处，不主动查，你根本不知道它在哪。好消息是：查它，只需要一条命令。
3.1 定位图片存放目录
Z-Image-Turbo默认将所有输出图片存放在：
~/workspace/output_image/这里的~代表你的用户主目录（Linux/macOS下是/home/用户名，macOS是/Users/用户名）。所以完整路径通常是：
- Linux：
/home/yourname/workspace/output_image/ - macOS：
/Users/yourname/workspace/output_image/
3.2 用命令列出所有已生成图片
在终端中输入：
ls ~/workspace/output_image/回车后，终端会立即列出该目录下所有文件名，例如：
image_20240512_142311.png image_20240512_142547.png image_20240512_142802.png每个文件名都包含日期和时间戳，一目了然哪张是最新生成的。如果你想按时间倒序排列（最新的排在最上面），加个-t参数：
ls -t ~/workspace/output_image/3.3 直接在文件管理器中打开（可选）
如果你更习惯图形化操作，也可以用命令直接调出系统文件夹：
Linux（GNOME桌面）：
nautilus ~/workspace/output_image/macOS：
open ~/workspace/output_image/Windows（WSL环境下）：
explorer.exe ~/workspace/output_image/
这样就能像平时浏览照片一样，双击打开、拖拽分享、批量重命名，完全不用碰命令行。
4. 清理历史图片：释放空间，保持环境清爽
生成多了，output_image/文件夹会越来越臃肿。几百张PNG图片轻松占掉几个GB空间。定期清理不是“删删删”，而是有策略地释放资源，同时避免误伤其他项目文件。
4.1 进入目标目录（必须先做）
所有删除操作，都必须先切换到图片目录。否则rm命令可能删错地方：
cd ~/workspace/output_image/执行后，终端提示符会变成类似yourname@machine:~/workspace/output_image$，说明已成功进入。
4.2 删除单张图片：精准清除，不留痕迹
假设你想删掉最早那张图image_20240512_142311.png，命令很简单：
rm -f image_20240512_142311.png-f参数表示“强制删除”，不会弹出确认提示，省去反复按y的麻烦。注意文件名要完全匹配，包括大小写和扩展名.png。
安全提示：
rm命令没有回收站，删了就真没了。建议第一次操作前，先用ls确认文件名无误，再执行删除。
4.3 删除全部图片：一键归零，彻底清爽
当你想清空整个文件夹，回到“初始状态”，用这条命令：
rm -f *.png它只会删除该目录下所有.png文件，不会碰其他类型文件（比如.txt日志或配置文件）。比rm -rf *更安全，也更符合实际需求——毕竟你生成的几乎全是PNG格式。
如果你确定这个文件夹里只有生成的图片，没有其他任何文件，也可以用更彻底的方式：
rm -f *但请务必确保你已在正确的目录下（再次强调：先cd ~/workspace/output_image/），且该目录下没有你需要保留的非图片文件。
4.4 验证清理结果
删完后，快速验证是否清空：
ls ~/workspace/output_image/如果终端没有任何输出（空行），说明删除成功，目录已空。如果有残留，说明文件名不匹配或权限不足，可加-la参数查看隐藏文件：
ls -la ~/workspace/output_image/5. 进阶技巧：让日常操作更高效
上面四步已经覆盖90%的使用场景，但如果你经常使用Z-Image-Turbo，下面这几个小技巧能帮你每天节省几分钟——积少成多，就是效率的差距。
5.1 创建快捷命令：三秒启动，告别记忆负担
每次都要敲python /Z-Image-Turbo_gradio_ui.py太费劲？把它变成一个简短命令：
echo "alias zit='python /Z-Image-Turbo_gradio_ui.py'" >> ~/.bashrc source ~/.bashrc之后，只需在终端输入：
zit就能一键启动服务。Windows用户可用PowerShell设置同名函数，方法类似。
5.2 自动打开浏览器：启动即见UI，省去手动访问
把启动命令和浏览器打开合并成一行：
python /Z-Image-Turbo_gradio_ui.py & sleep 3 && xdg-open http://localhost:7860（Linux）或
python /Z-Image-Turbo_gradio_ui.py & timeout /t 3 >nul && start http://localhost:7860（Windows CMD）。这样模型一加载完，浏览器就自动弹出UI界面。
5.3 定期自动清理：设定每周日清晨清空历史
用系统定时任务（cron）实现无人值守清理：
# 编辑定时任务 crontab -e # 添加这一行（每周日凌晨2点执行） 0 2 * * 0 rm -f ~/workspace/output_image/*.png从此再也不用手动清理，空间永远干净。
6. 总结：命令行不是门槛，而是掌控力的延伸
Z-Image-Turbo的UI界面让你轻松上手图像生成，而命令行则赋予你真正的掌控力——你知道模型在哪跑、图片存哪了、空间怎么腾。它不神秘，也不复杂，每一条命令都对应一个明确的动作：启动、访问、查看、清理。你不需要成为Linux专家，只要记住这四个核心路径和四组命令，就能把整个工作流稳稳握在手里。
下次再有人问“模型怎么启动”，你不用翻文档，直接敲zit；
再想找昨天那张图，不用到处翻相册，一句ls -t ~/workspace/output_image/就搞定；
再想给硬盘腾点空间，rm -f *.png回车，干净利落。
技术的价值，从来不是炫技，而是让事情变得更简单、更可靠、更属于你自己。
获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。
