必须先用大语言模型生成结构化穿搭方案文本，再输入stable diffusion绘图；直接在sd提示词中要求“先列后绘”会失败，因原生sd不支持多步推理。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要让Stable Diffusion先输出穿搭方案列表（如“方案一：都市通勤风｜白衬衫+高腰阔腿裤+乐福鞋”），再逐条生成对应图像，而不是直接出图或混杂描述。这要求提示词结构能触发模型分阶段响应，但原生SD不支持多步推理——必须借助文本生成前置环节。
用Textual Inversion或LoRA模拟“先列后绘”逻辑
Stable Diffusion本身无法主动分步执行，【必须在WebUI外先用大语言模型生成结构化穿搭方案文本】。Textual Inversion或LoRA仅能固化风格，不能改变推理流程。强行在提示词里写“先列出5个方案再画”会导致SD忽略指令或输出混乱图文混合结果。
这一步操作起来很简单，直接把文件拖进去就行。
在ComfyUI中用CLIP文本节点分阶段控制
ComfyUI支持显式拆分文本处理流程，适合实现“先列后绘”。你需要构建两个独立文本分支：一个专用于生成纯文字方案，另一个用于图像生成。
第一步：添加CLIP Text Encode节点→输入提示词“请输出3套完整穿搭方案，每套含风格关键词、单品组合、配色和适用场景，格式为‘方案X：[风格]｜[单品]+[单品]+[单品]｜配色：[色系]｜场景：[地点/事件]’，不加任何解释或额外符号”；
第二步：将该节点输出连接至Llama.cpp或Ollama API节点（需本地部署轻量LLM）→获取纯文本方案列表；
第三步：用String Concatenate节点提取单个方案（如“方案1：……”）→接入第二个CLIP Text Encode→叠加图像强化词“masterpiece, best quality, fashion photography, studio lighting, full body, front view”；
第四步：把处理后的文本送入KSampler→生成对应穿搭图。注意：若跳过LLM调用直接进SD，方案文本会被当作图像描述解析，导致服装元素堆砌失真。
用Prompt矩阵强制结构化输出（简易替代法）
如果你只能用AUTOMATIC1111 WebUI且无外部LLM，可用Prompt矩阵语法诱导模型优先呈现方案框架：
方法一：在正向提示词开头固定写“Fashion outfit proposal list: [A]｜[B]｜[C] → visual rendering of [A]”，其中[A][B][C]分别占位“Urban Chic｜Blazer+Paperbag Waist Trousers+Chunky Loafers｜Beige+Navy+Cream｜Office Meeting”等真实内容；
方法二：启用Dynamic Prompts扩展→设置模板“方案{1-3}：{style}｜{top}+{bottom}+{shoes}｜配色：{color}｜场景：{scene}”，再用CSV导入预设组合；
【禁用“let’s think step by step”类短语——SD会将其误判为画面元素，生成带黑板或箭头的奇怪构图】
