简介《Stable Diffusion 提示词指南书》是一份面向AI绘画创作者与数字艺术爱好者的实用PDF文档重点解决提示词撰写无章法、生成效果不可控的问题。内容围绕OpenArt平台展开从提示词的基本格式与句子结构讲起系统梳理各类修饰词在风格、色彩、氛围、情感等层面的应用方式并延伸至特殊词汇与参数微调技巧帮助读者逐步掌握从主题表达到细节控制的完整方法。资源包共1个PDF文件大小约15.15MB结构清晰、便于按章节查阅学习。目前已有3550人学习下载适合希望提升出图质量、建立提示词体系的初中级用户参考。书中还结合OpenArt平台数百万条提示词实例鼓励读者借鉴与实验将创意构想更精准地转化为图像作品。1. 从一份 OpenArt 提示词指南 PDF 说起为什么你写的提示词总出废图你大概率遇到过这种场景打开 Stable Diffusion输入 a beautiful girl, masterpiece, best quality跑出来一张五官扭曲、手指六根、背景糊成一团的图。然后你开始加词——ultra detailed, 8k, photorealistic, cinematic lighting——结果画面更崩了。问题不在模型在于提示词的写法本身就没有结构。OpenArt 那份提示词指南 PDF 之所以在圈子里被反复传阅核心原因是它把提示词从堆词玄学拉回到了可拆解的工程结构主体、风格、构图、光照、镜头、画质修饰每一层有明确的权重逻辑和位置逻辑。这份指南不是某个模型的专属说明书而是一套跨模型的提示词组织方法论。不管你是用 SD 1.5、SDXL 还是基于 SD 的在线生成工具这套结构都能直接套用。这篇文章面向两类人一是刚接触 Stable Diffusion、面对空白提示词框不知道从哪下笔的新手二是已经能出图但稳定性差、想系统化提升出图率的从业者。我会把这份指南的核心框架拆开配上可直接复现的参数配置和踩坑记录让你从碰运气出图过渡到按流程出图。2. 提示词的结构化拆解从 OpenArt 指南里提取的六层框架2.1 为什么堆词必然翻车注意力机制的分配逻辑Stable Diffusion 的文本编码器CLIP对提示词的处理不是等权重的。它会把整段提示词映射到一个固定长度的 token 序列上通常上限是 77 个 tokenSD 1.5或 77×NSDXL 支持多段。当你塞进去 30 个修饰词时每个词分到的注意力被稀释模型无法判断哪个是主体、哪个是修饰。更关键的是CLIP 对词序敏感。排在前面的词权重天然更高排在后面的词容易被截断或忽略。OpenArt 指南里反复强调的一点是主体必须放在最前面风格和画质词往后排。这不是审美建议是编码器的物理限制。我一般把提示词分成六层按优先级从高到低排列层级作用示例建议词数主体画面核心对象a young woman in red dress3-6动作/姿态主体在做什么sitting on a wooden chair2-4环境背景与场景in a sunlit cafe, window light3-5风格艺术风格或媒介oil painting style, artstation trending2-4光照/镜头光影与视角soft rim light, 85mm lens, bokeh2-4画质修饰技术质量词highly detailed, sharp focus2-3总词数控制在 20-30 个有效 token 以内超过这个范围边际收益急剧下降。2.2 主体描述的最小可用写法新手最容易犯的错是把主体写得太抽象。a girl 和 a 25-year-old woman with short black hair, wearing a denim jacket 出来的结果完全不同。前者模型自由发挥后者约束了年龄、发型、服装三个维度。但也不是越细越好。我试过写 a 25-year-old woman with shoulder-length wavy auburn hair, hazel eyes, freckles on nose, wearing a vintage Levis denim jacket with copper buttons——结果模型把注意力分散到了 freckles 和 copper buttons 上脸部反而崩了。最小可用写法是年龄/性别 发型/发色 服装 一个辨识特征。四个维度足够锁定主体再多就是浪费 token。# 推荐的主体写法正面提示词开头 a 25-year-old woman, short black hair, wearing a red turtleneck sweater, slight smile # 不推荐的写法信息过载 a 25-year-old woman with shoulder-length wavy auburn hair, hazel eyes, freckles, wearing a vintage Levis denim jacket with copper buttons, slight smile, looking at camera第一段用 12 个 token 锁定了主体第二段用了 30 token 但关键特征互相竞争。实际跑图时第一段的出图率明显更高。2.3 风格词的选择不要同时用互斥风格风格层是最容易出问题的地方。很多人会写 anime style, photorealistic, oil painting, watercolor——这四个风格互相矛盾模型只能随机选一个或者混合出四不像。OpenArt 指南的建议是风格词只选一个主风格最多加一个辅助修饰。比如 anime style, studio ghibli 是兼容的photorealistic, cinematic 也是兼容的。但 anime 和 photorealistic 放在一起就是灾难。# 兼容的风格组合 anime style, studio ghibli, soft colors photorealistic, cinematic, film grain digital painting, artstation trending, concept art # 互斥的风格组合不要这样写 anime style, photorealistic, oil painting如果你不确定两个风格词是否兼容一个简单的判断方法是这两个风格在现实中是否可能出现在同一张图上动画风格和写实摄影不可能但写实摄影和电影感可以。2.4 负面提示词的工程化写法负面提示词不是把不想要的东西写上去这么简单。它的作用是在采样过程中降低某些概念的激活概率。写得好的负面提示词能显著提升出图稳定性写得差等于没写。我常用的基础负面模板# 通用负面提示词模板适用于 SD 1.5 / SDXL worst quality, low quality, normal quality, lowres, blurry, jpeg artifacts, bad anatomy, bad hands, extra fingers, missing fingers, extra limbs, deformed, ugly, duplicate, watermark, text, signature这段模板覆盖了三类问题画质问题lowres, blurry, jpeg artifacts、解剖问题bad anatomy, bad hands, extra fingers、水印问题watermark, text, signature。参数上负面提示词的 CFG 权重不需要单独调它跟随正面提示词的 CFG 值。但有一个细节负面提示词里的词也会消耗 token所以不要写太长。15-25 个 token 的负面提示词足够覆盖 90% 的常见问题。2.5 权重语法括号和数字到底怎么用Stable Diffusion 支持通过括号调整词权重。语法有三种# 语法 1圆括号 数字最常用 (red dress:1.3) # 权重提升到 1.3 倍 (red dress:0.7) # 权重降低到 0.7 倍 # 语法 2多层圆括号每层 ×1.1 ((red dress)) # 权重约 1.21 倍 (((red dress))) # 权重约 1.33 倍 # 语法 3方括号降低权重 [red dress] # 权重约 0.9 倍实际使用中我建议只用语法 1因为数字直观可控。语法 2 的多层括号容易记错倍率语法 3 的降权效果不如直接写 0.7。权重的安全范围是 0.5-1.5。超过 1.5 容易导致画面过饱和或结构崩坏低于 0.5 基本等于没写。如果你发现某个词怎么加权重都不生效大概率是它和前面的词冲突了而不是权重不够。2.6 一套可直接复用的提示词模板把上面五节的内容串起来我常用的模板结构是这样的# 正面提示词模板 [主体描述], [动作/姿态], [环境描述], [风格词], [光照/镜头], [画质修饰] # 实际示例 a 30-year-old man, short beard, wearing a black trench coat, standing on a rainy city street, looking at camera, cinematic style, neon reflections, 85mm lens, shallow depth of field, highly detailed, sharp focus # 负面提示词 worst quality, low quality, blurry, bad anatomy, bad hands, extra fingers, deformed, watermark, text, signature这套模板在 SD 1.5 和 SDXL 上都能直接用。SDXL 因为支持更长的 token 序列可以适当增加环境描述和风格词的细节但六层结构不变。3. 参数配置与出图流程从提示词到成图的完整链路3.1 采样器与步数的搭配逻辑提示词写好了参数不对照样出废图。采样器Sampler和步数Steps是最容易配错的两个参数。常见采样器我按出图风格分三类采样器适合场景推荐步数特点Euler a通用、快速预览20-30速度快细节一般DPM 2M Karras写实、精细出图25-35细节好速度中等DPM SDE Karras艺术风格、插画30-40质感强速度慢DDIM快速迭代15-25最快适合批量筛选我一般的工作流是先用 Euler a 20 步快速跑 4 张看构图选定构图后用 DPM 2M Karras 30 步出精细图。这样比直接上高步数采样器省一半时间。步数不是越高越好。超过 40 步后画面改善微乎其微但时间线性增加。SDXL 因为模型更大推荐步数比 SD 1.5 高 5-10 步。3.2 CFG Scale 的甜点区在哪里CFG Scale 控制提示词的遵循程度。太低5模型自由发挥太高15画面过饱和、结构僵硬。甜点区在 7-12 之间。具体取值取决于你的提示词质量提示词结构清晰、主体明确CFG 7-9提示词较简短、需要模型补全CFG 10-12负面提示词较长CFG 适当降低 1-2# 我常用的参数组合SD 1.5 Sampler: DPM 2M Karras Steps: 30 CFG Scale: 8 Resolution: 512x768 Seed: -1 (随机) # SDXL 推荐参数 Sampler: DPM 2M Karras Steps: 35 CFG Scale: 7 Resolution: 1024x1024 Seed: -1注意 CFG 和负面提示词是联动的。CFG 越高负面提示词的影响也越大。如果你发现画面颜色过饱和先降 CFG而不是改提示词。3.3 分辨率与宽高比的匹配规则分辨率设置有一个硬性规则宽和高必须是 64 的倍数。512×768 可以500×768 不行。不是 64 倍数的分辨率会导致画面出现网格状伪影。更重要的是宽高比要和构图匹配。SD 1.5 在 512×512 上训练所以正方形构图最稳定。如果你要出竖构图人像用 512×768横构图风景用 768×512。SDXL 的原生分辨率是 1024×1024对应比例类推。# 常用分辨率对照 人像竖构图512x768 (SD1.5) / 832x1216 (SDXL) 风景横构图768x512 (SD1.5) / 1216x832 (SDXL) 正方形512x512 (SD1.5) / 1024x1024 (SDXL)如果你需要更高分辨率不要直接拉高数值而是用 Hires Fix高清修复先出低分辨率图再放大。直接出 1024×1024 的 SD 1.5 图会出现人物重复、结构崩坏的问题。3.4 种子固定与批量筛选的实操流程种子Seed是复现一张图的关键。Seed 为 -1 时随机生成固定 Seed 后同样的提示词和参数会出同样的图。我的批量筛选流程是这样的第一步Seed -1跑 8 张图步数 20Euler a 第二步选出构图最好的 2-3 张记下它们的 Seed 第三步固定 Seed换 DPM 2M Karras步数 30出精细图 第四步如果精细图有局部问题用 Inpainting 局部重绘这个流程比直接跑高步数快得多。第一轮 8 张图大概 2 分钟第二轮 3 张精细图 3 分钟总共 5 分钟能出一张可用的图。如果直接上 30 步跑 8 张需要 8 分钟而且大部分是废图。4. 避坑与排查提示词写对了但图还是崩的五个原因4.1 画面出现文字或水印现象生成的图上出现乱码文字、签名或水印。原因训练数据里包含大量带水印的图片模型学到了这个特征。负面提示词里没有排除 text 和 watermark。解决在负面提示词里加入text, watermark, signature, copyright, logo。如果仍然出现把 CFG 降到 7 以下或者换一个更干净的基础模型。4.2 人物手指数量异常现象手指六根、七根或者手指融合在一起。原因手部在训练数据中占比小模型对指关节的结构理解不足。分辨率过低时尤其明显。解决负面提示词加bad hands, extra fingers, missing fingers, fused fingers。分辨率至少 512×768。如果仍然崩用 Inpainting 单独重绘手部区域提示词写perfect hands, five fingers。4.3 画面过饱和或颜色失真现象颜色异常鲜艳皮肤发红或发紫。原因CFG Scale 过高12或者提示词里权重词过多。解决CFG 降到 7-9。检查提示词里是否有超过 1.3 权重的词如果有降到 1.1-1.2。VAE 也可能导致颜色问题换一个标准 VAE 试试。4.4 构图与提示词不符现象写了 close-up portrait 但出来的是全身照。原因构图词的位置太靠后被前面的风格词和画质词稀释了注意力。解决把构图词移到主体描述之后、风格词之前。比如a woman, close-up portrait, soft light, oil painting style。构图词的权重可以适当提高到 1.2。4.5 同一 Seed 换模型后出图完全不同现象在 SD 1.5 上跑出一张好图换 SDXL 后同样的 Seed 和提示词出图完全不一样。原因不同模型的潜在空间Latent Space不同Seed 只在同一模型内有复现性。解决换模型后不要指望 Seed 复现重新筛选。提示词结构可以复用但 Seed 必须重新随机。5. 进阶技巧用提示词矩阵做系统性出图测试当你已经能稳定出图后下一步是提升出图效率。我常用的方法是提示词矩阵Prompt Matrix用脚本批量测试不同提示词组合的效果。# 提示词矩阵测试脚本伪代码适用于 AUTOMATIC1111 WebUI 的 X/Y/Z Plot # 在 Script 中选择 X/Y/Z Plot # X 轴类型选 Prompt S/R搜索替换 # X 轴值填写red dress, blue dress, green dress # Y 轴类型选 CFG Scale # Y 轴值填写7, 8, 9, 10 # 这样一次跑图就能得到 3×412 张对比图 # 快速看出哪个服装颜色和 CFG 组合效果最好这个方法的优势是一次跑图就能看出多个变量的影响。我一般用 X 轴测提示词变体Y 轴测 CFG 或步数。跑完一轮后选定最佳组合再固定下来做精细出图。另一个技巧是提示词权重的时间调度Prompt Scheduling。在 AUTOMATIC1111 里可以用[word1:word2:0.5]的语法表示前 50% 步数用 word1后 50% 步数用 word2。这个技巧适合做风格渐变或光照变化的效果。# 前 40% 步数用 daylight后 60% 步数用 sunset [daylight:sunset:0.4], a city street, cinematic style # 前 30% 步数用 sketch后 70% 步数用 oil painting [sketch:oil painting:0.3], a portrait of a woman这个语法在 SD 1.5 和 SDXL 上都支持但 SDXL 因为步数更多调度点的精度更高。最后说一个我自己的习惯每次出图后把提示词、参数、Seed 和出图结果截图保存在一个文件夹里。积累到 50-100 张后你会发现自己常用的提示词结构、参数组合和风格词就那么几套。把这些固化成模板出图效率会翻倍。提示词工程不是玄学是可以用数据优化的工程问题。希望帮到你。本文还有配套的精品资源点击获取 Stable Diffusion提示词结构化指南：从OpenArt框架到出图参数全解析
简介《Stable Diffusion 提示词指南书》是一份面向AI绘画创作者与数字艺术爱好者的实用PDF文档重点解决提示词撰写无章法、生成效果不可控的问题。内容围绕OpenArt平台展开从提示词的基本格式与句子结构讲起系统梳理各类修饰词在风格、色彩、氛围、情感等层面的应用方式并延伸至特殊词汇与参数微调技巧帮助读者逐步掌握从主题表达到细节控制的完整方法。资源包共1个PDF文件大小约15.15MB结构清晰、便于按章节查阅学习。目前已有3550人学习下载适合希望提升出图质量、建立提示词体系的初中级用户参考。书中还结合OpenArt平台数百万条提示词实例鼓励读者借鉴与实验将创意构想更精准地转化为图像作品。1. 从一份 OpenArt 提示词指南 PDF 说起为什么你写的提示词总出废图你大概率遇到过这种场景打开 Stable Diffusion输入 a beautiful girl, masterpiece, best quality跑出来一张五官扭曲、手指六根、背景糊成一团的图。然后你开始加词——ultra detailed, 8k, photorealistic, cinematic lighting——结果画面更崩了。问题不在模型在于提示词的写法本身就没有结构。OpenArt 那份提示词指南 PDF 之所以在圈子里被反复传阅核心原因是它把提示词从堆词玄学拉回到了可拆解的工程结构主体、风格、构图、光照、镜头、画质修饰每一层有明确的权重逻辑和位置逻辑。这份指南不是某个模型的专属说明书而是一套跨模型的提示词组织方法论。不管你是用 SD 1.5、SDXL 还是基于 SD 的在线生成工具这套结构都能直接套用。这篇文章面向两类人一是刚接触 Stable Diffusion、面对空白提示词框不知道从哪下笔的新手二是已经能出图但稳定性差、想系统化提升出图率的从业者。我会把这份指南的核心框架拆开配上可直接复现的参数配置和踩坑记录让你从碰运气出图过渡到按流程出图。2. 提示词的结构化拆解从 OpenArt 指南里提取的六层框架2.1 为什么堆词必然翻车注意力机制的分配逻辑Stable Diffusion 的文本编码器CLIP对提示词的处理不是等权重的。它会把整段提示词映射到一个固定长度的 token 序列上通常上限是 77 个 tokenSD 1.5或 77×NSDXL 支持多段。当你塞进去 30 个修饰词时每个词分到的注意力被稀释模型无法判断哪个是主体、哪个是修饰。更关键的是CLIP 对词序敏感。排在前面的词权重天然更高排在后面的词容易被截断或忽略。OpenArt 指南里反复强调的一点是主体必须放在最前面风格和画质词往后排。这不是审美建议是编码器的物理限制。我一般把提示词分成六层按优先级从高到低排列层级作用示例建议词数主体画面核心对象a young woman in red dress3-6动作/姿态主体在做什么sitting on a wooden chair2-4环境背景与场景in a sunlit cafe, window light3-5风格艺术风格或媒介oil painting style, artstation trending2-4光照/镜头光影与视角soft rim light, 85mm lens, bokeh2-4画质修饰技术质量词highly detailed, sharp focus2-3总词数控制在 20-30 个有效 token 以内超过这个范围边际收益急剧下降。2.2 主体描述的最小可用写法新手最容易犯的错是把主体写得太抽象。a girl 和 a 25-year-old woman with short black hair, wearing a denim jacket 出来的结果完全不同。前者模型自由发挥后者约束了年龄、发型、服装三个维度。但也不是越细越好。我试过写 a 25-year-old woman with shoulder-length wavy auburn hair, hazel eyes, freckles on nose, wearing a vintage Levis denim jacket with copper buttons——结果模型把注意力分散到了 freckles 和 copper buttons 上脸部反而崩了。最小可用写法是年龄/性别 发型/发色 服装 一个辨识特征。四个维度足够锁定主体再多就是浪费 token。# 推荐的主体写法正面提示词开头 a 25-year-old woman, short black hair, wearing a red turtleneck sweater, slight smile # 不推荐的写法信息过载 a 25-year-old woman with shoulder-length wavy auburn hair, hazel eyes, freckles, wearing a vintage Levis denim jacket with copper buttons, slight smile, looking at camera第一段用 12 个 token 锁定了主体第二段用了 30 token 但关键特征互相竞争。实际跑图时第一段的出图率明显更高。2.3 风格词的选择不要同时用互斥风格风格层是最容易出问题的地方。很多人会写 anime style, photorealistic, oil painting, watercolor——这四个风格互相矛盾模型只能随机选一个或者混合出四不像。OpenArt 指南的建议是风格词只选一个主风格最多加一个辅助修饰。比如 anime style, studio ghibli 是兼容的photorealistic, cinematic 也是兼容的。但 anime 和 photorealistic 放在一起就是灾难。# 兼容的风格组合 anime style, studio ghibli, soft colors photorealistic, cinematic, film grain digital painting, artstation trending, concept art # 互斥的风格组合不要这样写 anime style, photorealistic, oil painting如果你不确定两个风格词是否兼容一个简单的判断方法是这两个风格在现实中是否可能出现在同一张图上动画风格和写实摄影不可能但写实摄影和电影感可以。2.4 负面提示词的工程化写法负面提示词不是把不想要的东西写上去这么简单。它的作用是在采样过程中降低某些概念的激活概率。写得好的负面提示词能显著提升出图稳定性写得差等于没写。我常用的基础负面模板# 通用负面提示词模板适用于 SD 1.5 / SDXL worst quality, low quality, normal quality, lowres, blurry, jpeg artifacts, bad anatomy, bad hands, extra fingers, missing fingers, extra limbs, deformed, ugly, duplicate, watermark, text, signature这段模板覆盖了三类问题画质问题lowres, blurry, jpeg artifacts、解剖问题bad anatomy, bad hands, extra fingers、水印问题watermark, text, signature。参数上负面提示词的 CFG 权重不需要单独调它跟随正面提示词的 CFG 值。但有一个细节负面提示词里的词也会消耗 token所以不要写太长。15-25 个 token 的负面提示词足够覆盖 90% 的常见问题。2.5 权重语法括号和数字到底怎么用Stable Diffusion 支持通过括号调整词权重。语法有三种# 语法 1圆括号 数字最常用 (red dress:1.3) # 权重提升到 1.3 倍 (red dress:0.7) # 权重降低到 0.7 倍 # 语法 2多层圆括号每层 ×1.1 ((red dress)) # 权重约 1.21 倍 (((red dress))) # 权重约 1.33 倍 # 语法 3方括号降低权重 [red dress] # 权重约 0.9 倍实际使用中我建议只用语法 1因为数字直观可控。语法 2 的多层括号容易记错倍率语法 3 的降权效果不如直接写 0.7。权重的安全范围是 0.5-1.5。超过 1.5 容易导致画面过饱和或结构崩坏低于 0.5 基本等于没写。如果你发现某个词怎么加权重都不生效大概率是它和前面的词冲突了而不是权重不够。2.6 一套可直接复用的提示词模板把上面五节的内容串起来我常用的模板结构是这样的# 正面提示词模板 [主体描述], [动作/姿态], [环境描述], [风格词], [光照/镜头], [画质修饰] # 实际示例 a 30-year-old man, short beard, wearing a black trench coat, standing on a rainy city street, looking at camera, cinematic style, neon reflections, 85mm lens, shallow depth of field, highly detailed, sharp focus # 负面提示词 worst quality, low quality, blurry, bad anatomy, bad hands, extra fingers, deformed, watermark, text, signature这套模板在 SD 1.5 和 SDXL 上都能直接用。SDXL 因为支持更长的 token 序列可以适当增加环境描述和风格词的细节但六层结构不变。3. 参数配置与出图流程从提示词到成图的完整链路3.1 采样器与步数的搭配逻辑提示词写好了参数不对照样出废图。采样器Sampler和步数Steps是最容易配错的两个参数。常见采样器我按出图风格分三类采样器适合场景推荐步数特点Euler a通用、快速预览20-30速度快细节一般DPM 2M Karras写实、精细出图25-35细节好速度中等DPM SDE Karras艺术风格、插画30-40质感强速度慢DDIM快速迭代15-25最快适合批量筛选我一般的工作流是先用 Euler a 20 步快速跑 4 张看构图选定构图后用 DPM 2M Karras 30 步出精细图。这样比直接上高步数采样器省一半时间。步数不是越高越好。超过 40 步后画面改善微乎其微但时间线性增加。SDXL 因为模型更大推荐步数比 SD 1.5 高 5-10 步。3.2 CFG Scale 的甜点区在哪里CFG Scale 控制提示词的遵循程度。太低5模型自由发挥太高15画面过饱和、结构僵硬。甜点区在 7-12 之间。具体取值取决于你的提示词质量提示词结构清晰、主体明确CFG 7-9提示词较简短、需要模型补全CFG 10-12负面提示词较长CFG 适当降低 1-2# 我常用的参数组合SD 1.5 Sampler: DPM 2M Karras Steps: 30 CFG Scale: 8 Resolution: 512x768 Seed: -1 (随机) # SDXL 推荐参数 Sampler: DPM 2M Karras Steps: 35 CFG Scale: 7 Resolution: 1024x1024 Seed: -1注意 CFG 和负面提示词是联动的。CFG 越高负面提示词的影响也越大。如果你发现画面颜色过饱和先降 CFG而不是改提示词。3.3 分辨率与宽高比的匹配规则分辨率设置有一个硬性规则宽和高必须是 64 的倍数。512×768 可以500×768 不行。不是 64 倍数的分辨率会导致画面出现网格状伪影。更重要的是宽高比要和构图匹配。SD 1.5 在 512×512 上训练所以正方形构图最稳定。如果你要出竖构图人像用 512×768横构图风景用 768×512。SDXL 的原生分辨率是 1024×1024对应比例类推。# 常用分辨率对照 人像竖构图512x768 (SD1.5) / 832x1216 (SDXL) 风景横构图768x512 (SD1.5) / 1216x832 (SDXL) 正方形512x512 (SD1.5) / 1024x1024 (SDXL)如果你需要更高分辨率不要直接拉高数值而是用 Hires Fix高清修复先出低分辨率图再放大。直接出 1024×1024 的 SD 1.5 图会出现人物重复、结构崩坏的问题。3.4 种子固定与批量筛选的实操流程种子Seed是复现一张图的关键。Seed 为 -1 时随机生成固定 Seed 后同样的提示词和参数会出同样的图。我的批量筛选流程是这样的第一步Seed -1跑 8 张图步数 20Euler a 第二步选出构图最好的 2-3 张记下它们的 Seed 第三步固定 Seed换 DPM 2M Karras步数 30出精细图 第四步如果精细图有局部问题用 Inpainting 局部重绘这个流程比直接跑高步数快得多。第一轮 8 张图大概 2 分钟第二轮 3 张精细图 3 分钟总共 5 分钟能出一张可用的图。如果直接上 30 步跑 8 张需要 8 分钟而且大部分是废图。4. 避坑与排查提示词写对了但图还是崩的五个原因4.1 画面出现文字或水印现象生成的图上出现乱码文字、签名或水印。原因训练数据里包含大量带水印的图片模型学到了这个特征。负面提示词里没有排除 text 和 watermark。解决在负面提示词里加入text, watermark, signature, copyright, logo。如果仍然出现把 CFG 降到 7 以下或者换一个更干净的基础模型。4.2 人物手指数量异常现象手指六根、七根或者手指融合在一起。原因手部在训练数据中占比小模型对指关节的结构理解不足。分辨率过低时尤其明显。解决负面提示词加bad hands, extra fingers, missing fingers, fused fingers。分辨率至少 512×768。如果仍然崩用 Inpainting 单独重绘手部区域提示词写perfect hands, five fingers。4.3 画面过饱和或颜色失真现象颜色异常鲜艳皮肤发红或发紫。原因CFG Scale 过高12或者提示词里权重词过多。解决CFG 降到 7-9。检查提示词里是否有超过 1.3 权重的词如果有降到 1.1-1.2。VAE 也可能导致颜色问题换一个标准 VAE 试试。4.4 构图与提示词不符现象写了 close-up portrait 但出来的是全身照。原因构图词的位置太靠后被前面的风格词和画质词稀释了注意力。解决把构图词移到主体描述之后、风格词之前。比如a woman, close-up portrait, soft light, oil painting style。构图词的权重可以适当提高到 1.2。4.5 同一 Seed 换模型后出图完全不同现象在 SD 1.5 上跑出一张好图换 SDXL 后同样的 Seed 和提示词出图完全不一样。原因不同模型的潜在空间Latent Space不同Seed 只在同一模型内有复现性。解决换模型后不要指望 Seed 复现重新筛选。提示词结构可以复用但 Seed 必须重新随机。5. 进阶技巧用提示词矩阵做系统性出图测试当你已经能稳定出图后下一步是提升出图效率。我常用的方法是提示词矩阵Prompt Matrix用脚本批量测试不同提示词组合的效果。# 提示词矩阵测试脚本伪代码适用于 AUTOMATIC1111 WebUI 的 X/Y/Z Plot # 在 Script 中选择 X/Y/Z Plot # X 轴类型选 Prompt S/R搜索替换 # X 轴值填写red dress, blue dress, green dress # Y 轴类型选 CFG Scale # Y 轴值填写7, 8, 9, 10 # 这样一次跑图就能得到 3×412 张对比图 # 快速看出哪个服装颜色和 CFG 组合效果最好这个方法的优势是一次跑图就能看出多个变量的影响。我一般用 X 轴测提示词变体Y 轴测 CFG 或步数。跑完一轮后选定最佳组合再固定下来做精细出图。另一个技巧是提示词权重的时间调度Prompt Scheduling。在 AUTOMATIC1111 里可以用[word1:word2:0.5]的语法表示前 50% 步数用 word1后 50% 步数用 word2。这个技巧适合做风格渐变或光照变化的效果。# 前 40% 步数用 daylight后 60% 步数用 sunset [daylight:sunset:0.4], a city street, cinematic style # 前 30% 步数用 sketch后 70% 步数用 oil painting [sketch:oil painting:0.3], a portrait of a woman这个语法在 SD 1.5 和 SDXL 上都支持但 SDXL 因为步数更多调度点的精度更高。最后说一个我自己的习惯每次出图后把提示词、参数、Seed 和出图结果截图保存在一个文件夹里。积累到 50-100 张后你会发现自己常用的提示词结构、参数组合和风格词就那么几套。把这些固化成模板出图效率会翻倍。提示词工程不是玄学是可以用数据优化的工程问题。希望帮到你。本文还有配套的精品资源点击获取