☞☞☞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☜☜☜
stable diffusion提示词权重需用英文小括号()或冒号:精准调控，括号每层增权约1.1倍，冒号数值建议0.5～1.5；正负提示词总权重须平衡，禁用中文符号。
在stable diffusion中写提示词权重，核心是让模型准确理解你真正想强调的元素——比如“一只【银白色】机械狼”比“银白色机械狼”更能压制其他颜色干扰，“【cinematic lighting, 8k】”比简单罗列更能撬动画质层级。权重写错会导致关键特征被稀释、构图崩坏，甚至触发反向提示词误抑制。
基础语法：圆括号控制强度
用英文小括号()包裹关键词，每加一层括号，权重提升约1.1倍：(cat) ≈ 1.1，((cat)) ≈ 1.21，(((cat))) ≈ 1.33。这比直接写“very cat”或“extremely cat”稳定得多，后者容易引发语义漂移。
括号必须成对出现，单边括号会报错中断生成。
精准调权：冒号指定数值
在关键词后加英文冒号和数字，例如：cat:1.3 或 dog:0.7。数值范围建议严格控制在0.5～1.5之间：低于0.5时特征几乎消失，高于1.5易导致纹理撕裂或结构畸变。
注意：冒号前后不能有空格，写成“cat: 1.3”会失效；小数点必须是英文句点，中文句号直接报错。
动态平衡：正负提示词权重协同
第一步：先给正向提示词中核心主体加权，如(((cyberpunk woman)):(neon lights:1.2))；
第二步：在反向提示词里对干扰项做等效降权，例如把“deformed, blurry”改为(deformed:0.6), (blurry:0.5)；
一款AI工具，主要用于产品经理技能，适用于 Claude Code、Codex、Cursor 和 Windsurf。涵盖 SaaS 指标诊断、PRD 评审、路线图规划、需求探索，以及面向产品经理的职业转型辅导等，适合需要提升相关任务效率的用户。
第三步：检查正负权重总和是否接近平衡——若正向总权重达4.2而反向仅0.9，模型会过度妥协于负面约束，画面常发灰或失焦。
避坑组合：括号+冒号混合写法
方法一：外层括号控主干，内层冒号调细节——((masterpiece:1.2), (ultra-detailed eyes:1.3))；
方法二：降权用括号嵌套负号，如((low quality:-0.3))，但仅限WebUI 1.9+版本支持；
方法三：避免三层以上括号堆叠，(((a)))(((b)))(((c))) 会让调度器计算溢出，生成中途卡死。
【绝对不要混用中文括号（）或全角符号】，所有括号必须为ASCII半角()，否则WebUI无法解析。
