要让stable diffusion生成精准图像，需按“主体+修饰+环境+风格”顺序构建正向提示词，用空格分隔、括号调控权重，避免模糊词；负面提示词须填满关键排除项如deformed hands等。
☞☞☞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☜☜☜
想让Stable Diffusion App生成的图片更贴合你脑中的画面，光写“一只猫”远远不够——系统无法分辨是橘猫还是布偶、在窗台还是太空舱里、写实风格还是赛博朋克。必须用精准的界面文案提示词控制细节走向。
基础提示词结构：主体+修饰+环境+风格
在App的正向提示词（Positive Prompt）输入框里，按逻辑顺序堆叠要素：先写核心主体，再加外观特征，接着交代场景与光照，最后指定画风和质量关键词。例如：“a fluffy white Persian cat → sitting on a sunlit wooden windowsill → soft morning light → photorealistic, 8k, detailed fur texture”。顺序错乱容易导致权重分配失衡，比如把“8k”放在最前面，模型可能优先渲染分辨率而忽略猫的品种特征。
不要用逗号强行分隔所有词，Stable Diffusion更认空格分隔。逗号反而会被当作普通标点，削弱关键词权重。
用括号控制词权重
方法一：单层强化用圆括号。在关键词外加一层()，相当于提升1.1倍权重。比如(cat)比cat更强调猫的存在感；(detailed eyes)会让眼部刻画更精细。
方法二：多级强化用嵌套括号。((cat))≈1.21倍，(((cat)))≈1.33倍。但【超过三层嵌套会显著降低其他词权重，导致画面元素缺失】，尤其当提示词总长度有限时，慎用((( )))。
方法三：弱化用中括号。[cat]降权至0.9倍，[old photo]可弱化年代感干扰主体表现。
规避模糊词与主观形容词
第一步：删掉“beautiful”“amazing”“nice”这类无指向性形容词。模型没有统一审美标准，这些词不提供任何视觉线索，反而挤占有效token额度。
第二步：替换“some trees”为“three tall Japanese maple trees with crimson leaves”，把数量、种类、颜色、状态全锁定。
第三步：避免“in the style of”后直接跟人名。像“in the style of Van Gogh”易触发笔触泛化，改成“thick impasto brushstrokes, swirling blue sky, starry night palette”才能稳定复现特定视觉元素。
负面提示词必须填满关键排除项
在Negative Prompt栏里，逐条列出你不想要的内容。常用必填项包括：low quality, blurry, deformed hands, extra fingers, disfigured, text, watermark, signature。
【漏掉“deformed hands”会导致人物手部严重扭曲，且该问题无法靠正向提示词修正】。如果生成角色穿盔甲，额外加上armor seams misaligned, broken plating可减少接缝错位。
不同主题需定制排除项：画食物时加“unappetizing, soggy, melted”；画建筑时加“floating objects, impossible architecture, warped perspective”。
