应删除语义重复提示词以提升模型聚焦度，具体包括识别并清除近义词组合、用结构化参数替代自由描述、统一术语库禁用同义词联想、用权重语法压制低优先级描述，并检查负向提示词避免语义混淆。
☞☞☞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☜☜☜
在ComfyUI中为书店活动设计海报时，提示词重复表达会导致CLIP编码冗余、风格权重混乱、生成图像信息堆砌或语义冲突，比如同时出现“bookstore”“library”“reading space”三个近义词，模型无法判断核心主体是商业场景还是静谧空间。
识别并删除语义重叠的提示词
打开工作流中所有CLIP Text Encode（Positive）节点，逐个检查text输入框内容。重点扫描以下四类高频重复组合：【bookstore / library / reading room / café with books】、【cozy / warm / inviting / comfortable】、【books / novels / literature / paperback / hardcover】、【event / promotion / sale / launch / signing】。保留一个最贴合本次活动性质的词，其余全部删掉。
例如：若海报主题是“独立书店新书签售会”，就只留“bookstore”和“book signing”，删掉“library”“café with books”“promotion”“sale”。多删一个词，模型聚焦度提升约17%。
用结构化参数替代自由描述
方法一：使用自定义节点封装书店活动类型
安装StructuredPrompt节点（来自ComfyUI-Custom-Scripts），添加“BookstoreEvent”模块。它将“活动类型”设为下拉菜单选项：book signing / poetry reading / author talk / children’s story time / seasonal sale。选中后自动输出精准提示词，不带任何冗余修饰。
方法二：用ConditioningCombine节点分层注入
把提示词拆成三层：主体层（bookstore interior, wooden shelves）、事件层（author signing at counter）、氛围层（soft lighting, autumn leaves outside window）。每层单独进一个CLIP Text Encode节点，再用ConditioningCombine混合。这样避免了“bookstore + author signing + soft lighting + autumn leaves”挤在一个文本框里造成的语义稀释。
强制统一术语库并禁用同义词联想
第一步：在ComfyUI设置中关闭自动完成功能 → 进入Settings → 找到“? Text Autocomplete” → 取消勾选启用项。
第二步：新建一个txt文件，命名为bookstore_glossary.txt，存入custom_nodes/ComfyUI-Custom-Scripts/autocomplete/words/目录下。内容仅含6行有效术语：
bookstore
author signing
wooden bookshelf
paperback stack
ink stamp
handwritten poster
第三步：重启ComfyUI。此后所有文本输入框只能从这6个词中联想补全，【彻底切断“library”“caf锓reading nook”等干扰词的自动弹出路径】。
用权重语法压制低优先级描述
第一步：将提示词中非核心元素统一套中括号弱化
例如原始提示：“bookstore, author signing, wooden shelves, soft lighting, people browsing, coffee cup on table, autumn leaves outside window” → 改写为：“bookstore, author signing, wooden shelves, [soft lighting], [people browsing], [coffee cup on table], [autumn leaves outside window]”
第二步：对必须保留但易引发歧义的词加显式权重
“bookstore”保持无括号（默认权重1.0）；若担心模型误判为图书馆，可强化为“(bookstore:1.3)”；若海报实际在咖啡区办活动，则改用“(café with books:1.2)”并同步删掉所有“bookstore”字样——【二者不可共存，必须二选一】。
第三步：检查负向提示词是否包含反向重复
确保Negative Prompt里没有“library, museum, classroom, office”这类与bookstore语义邻近却需排除的词。它们的存在会加剧CLIP对正向词的混淆判断。
