☞☞☞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☜☜☜
应将提示词分为基底与变量两部分：基底含画质、风格等固定描述并写死在clip节点，变量含服装、场景等可变要素，通过prompt schedule或双clip串联注入，再用primitivenode绑定为界面参数便于批量调控。
在comfyui中批量生成人物穿搭图时，提示词若每次手动输入，容易错漏、风格不统一、重现实验成本高。你需要把角色描述、服装细节、姿态光照等提示词固化进节点结构，让每次运行只改关键变量，其余自动继承。
提取可变与不可变提示词要素
打开你已跑通的一组穿搭图工作流（如使用Juggernaut或RealVisXL模型），先暂停生成，观察正向提示词输入框里的内容。把其中反复出现且不变的部分记为“基底提示词”，例如“masterpiece, best quality, 8k uhd, photorealistic”；把每次要换的记为“变量提示词”，例如“red trench coat, high-waisted black leather pants, white sneakers”和“standing on rooftop at sunset”。【基底提示词必须提前写死在CLIP Text Encode节点里，不能留空或靠Lora触发补全】
把人物性别、年龄、发型、肤色等稳定属性归入基底；把当季主推款、品牌联名元素、场景道具等归入变量区。
用Prompt Schedule节点注入动态提示词
方法一：安装并启用 ComfyUI-Prompt-Schedule 插件后，在工作流中插入 PromptSchedule 节点，连接到CLIP Text Encode（positive）输入端。
方法二：不用插件——改用两个CLIP Text Encode节点串联：第一个编码基底提示词，第二个编码变量提示词，再用ConditioningCombine合并输出。注意顺序：基底在前，变量在后，否则变量会被基底覆盖。
这一步操作起来很简单，直接把文件拖进去就行。但要注意：如果变量提示词含逗号分隔的多组穿搭（如“blue denim jacket｜black cargo skirt｜chunky boots”），需用竖线｜分隔，并在PromptSchedule节点中勾选“Enable Parse”。
绑定参数到可调控滑块或下拉菜单
第一步：右键点击工作流空白处 → 选择“Add Node” → 搜索添加 PrimitiveNode → String（用于文本变量）或 PrimitiveNode → Int/Float（用于控制服装饱和度、光影强度等数值参数）。
第二步：将String节点输出端连接至PromptSchedule节点的“text”输入口；若用的是双CLIP方案，则连到第二个CLIP的文本输入框。
第三步：双击String节点，在“Default”栏填入默认穿搭描述，例如“off-white oversized blazer, light gray wide-leg trousers, beige loafers”；勾选“Show in Interface”，该字段就会出现在右侧参数面板中，支持一键编辑、保存预设。
第四步：对常用穿搭组合，可额外添加 SaveImage 节点旁的 Text Concatenate，把当前String值写入输出图片的EXIF或文件名，方便后期回溯哪组提示词对应哪张图。
