stable diffusion需通过图生图+固定提示词触发视觉要素注意力，配合adetailer校准面部、反向提示词封堵崩坏项，并用canny线稿提供可读结构偏差信号。
☞☞☞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☜☜☜
你想让Stable Diffusion在生成角色时自动给出修改建议，比如“这张脸偏左了，建议加个右倾姿态”或“发色太浅，可尝试加入‘chestnut brown hair’”，但AI本身不会主动输出这类诊断性文字——它不理解“建议”是什么，只响应你输入的指令。
用提示词模拟AI的“自检+反馈”行为
第一步：在正向提示词末尾追加固定句式 【“critique: list inconsistencies in pose, face symmetry, lighting, and clothing continuity vs previous image”】。这句不是让AI真做评审，而是触发模型对视觉要素的显式注意力分配，迫使它在生成过程中更聚焦于这些维度。
第二步：必须搭配图生图模式，且上一张图作为输入图。纯文生图无参照物，“vs previous image”会失效，模型将随机编造“不一致点”。
第三步：生成后立刻用ADetailer二次处理脸部，否则“face symmetry”类反馈会因面部畸变而失真——ADetailer能强制重绘五官结构，让后续对比有基准。
把AI当校对员：用反向提示词封住常见崩坏项
方法一：在反向提示词里写 【“deformed hands, asymmetric eyes, mismatched earrings, inconsistent sleeve length, floating hair strands”】。这些是角色系列中最易复现又最刺眼的断裂点，直接堵死比事后修复更高效。
方法二：把上一张图中已确认正确的细节，反向写进当前提示词。例如前图中角色戴银色耳钉，这次就写“silver stud earring on left ear only”，用精确限定替代模糊描述，减少AI自由发挥空间。
用ControlNet输出“可读的偏差信号”
第一步：启用Canny ControlNet单元，预处理器选“canny”，模型用“diffusers_xl_canny_mid”，控制权重设为0.35。
第二步：勾选“像素化预览”选项，生成前先看边缘线稿。如果线稿中脖子歪斜、肩膀高度不一、手指数量错乱——这些就是AI实际“理解失败”的硬证据，比肉眼判断更早暴露问题。
第三步：保存这张线稿图，下次生成时把它设为IP-Adapter参考图之一。线稿不带纹理和色彩，只传递结构约束，能让IP-Adapter更专注对齐骨骼框架，而非被肤色干扰。
