stable diffusion提示词需遵循“主体→修饰→风格”结构，用括号、冒号、方括号精准控权，结合竖杠/and/比例嵌套实现多元素融合，并严格控制token数与反向提示词加权。
☞☞☞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准确画出你脑中的画面，不是堆砌越多词越好，而是要让每个词都精准发力——比如写“少女+樱花+春天”，AI可能生成穿和服的日本女孩；但若你想要的是法式花园里的金发少女，就必须用“blonde girl, french garden, cherry blossoms in breeze, soft sunlight”来锁定视觉锚点。
基础结构：先主体，再修饰，最后风格
第一步：把核心主体放在最前面，例如“1girl”或“cyberpunk city”，这是AI识别画面主干的起点。主体一旦偏移，整张图就失焦。
第二步：紧接主体后添加关键修饰词，包括姿态（sitting on bench）、光照（backlit by sunset）、材质（glossy leather jacket）。这些词必须紧贴主体，否则AI会默认套用训练集里的高频组合——比如“1girl”后面没跟服饰描述，大概率生成T恤牛仔裤。
第三步：把画风、质量、镜头等全局控制词放在末尾，如“masterpiece, best quality, cinematic lighting, f/1.4”。【画风词放太前会压垮主体】，例如“watercolor, 1girl”容易让AI优先渲染纸纹质感，导致人物边缘模糊变形。
权重控制：括号不是装饰，是指挥棒
方法一：单层小括号提升1.1倍权重，适合微调关键细节。例如“(silver hair)”比“silver hair”更易出高光发丝，“(smiling)”比“smiling”更稳定触发嘴角弧度。
方法二：冒号指定精确权重值，强烈推荐用于冲突项。比如你既要“detailed face”，又怕AI过度渲染皱纹，就写成“(detailed face:1.3), (smooth skin:0.8)”——数值差拉开0.5以上才有效果。
方法三：中括号降权处理干扰项。当提示词里混入低频词（如“vintage radio”）却总被忽略，试试“[vintage radio]”，它会从默认权重1降到约0.9，反而更容易被模型采样到。
多元素融合：用符号讲清逻辑关系
① 用竖杠“|”实现渐变混合：写“red | blue scarf”，AI会在围巾区域做色彩过渡，不是一半红一半蓝，而是紫灰过渡带——这正是真实布料在光影下的表现。
② 用大写“AND”强制并存：输入“cat AND dog AND rabbit”，模型会生成三者特征共存的生物，耳朵像猫、爪子像狗、尾巴像兔，而不是随机选一个。注意必须全大写，小写“and”会被当普通连接词忽略。
③ 用方括号嵌套控制比例：“[flower:3], [butterfly:1]”会让画面中花朵数量约为蝴蝶的三倍，适用于构图控件。但【数字超过5会触发模型过载】，生成图可能出现重复克隆或结构崩坏。
反向提示词：安全网必须绷紧
直接复制这套基础防护组合：lowres, bad anatomy, extra fingers, mutated hands, poorly drawn face, blurry, text, error, cropped, worst quality。
把反向词整体包裹进括号再加权：((lowres, bad anatomy:1.4))，能让AI对这两类错误更敏感。不加权的反向词，有时会被正向词的高权重覆盖掉。
遇到特定翻车场景再追加专项防护：生成手部畸形就加“deformed fingers, fused fingers”；出现多余肢体就加“extra limbs, extra legs”。
Token精简：75个是硬上限
打开WebUI右下角的Token计数器，实时观察输入框里的数字。每逗号、每空格、每单词都算1 Token，例如“masterpiece, best quality, 1girl”共6 Token。
删掉所有冗余介词和冠词：把“a beautiful sunset over the ocean”压缩成“sunset, ocean, golden hour, warm light”——省下4 Token，换来更干净的语义通道。
合并复合词：用下划线替代空格，“long_silver_hair”算1 Token，“long silver hair”算3 Token。尤其当提示词接近75上限时，这种压缩能多塞进2～3个关键描述词。
