必须先用文本生成模型（如Qwen2.5-7B或LLaMA-3）而非Stable Diffusion本身生成提纲；需配合插件转译提示词、设置低temperature、过滤绘图触发词，并采用严格格式约束的指令模板确保输出纯结构化提纲。
☞☞☞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在生成春节活动插画前先输出文字提纲，而不是直接出图，关键在于用明确指令覆盖AI默认的图像生成行为——这需要精准控制提示词结构、模型推理模式和采样参数配合。
用文本生成模式强制输出提纲
第一步：切换到纯文本生成模型（如LLaMA-3或Phi-3），【不能用sd-v1.5/sdxl这类图像模型直接写提纲】。Stable Diffusion本身不处理文本逻辑，强行让它“写提纲”会返回乱码或崩溃提示。
第二步：在WebUI中启用“Textual Inversion + Lora + Prompt Translator”三件套插件，把中文春节需求自动转成结构化英文关键词链，再喂给本地部署的Qwen2.5-7B-Instruct做提纲生成。
第三步：输入完整提示词模板："Write a detailed visual outline for a Spring Festival community activity illustration, including: 1) Main scene layout (indoor/outdoor, time of day), 2) Key characters (age, clothing, action), 3) Cultural elements (lanterns, couplets, firecrackers), 4) Color palette (dominant red/gold ratio), 5) Composition notes (centered/focal point/depth). Output only the outline, no image description or markdown."
在ComfyUI里搭提纲专用工作流
方法一：加载CLIP Text Encode节点 → 连接Llama.cpp Loader → 设置temperature=0.3（太大会发散，太高会编造不存在的民俗细节）→ 输出文本经String Function节点过滤掉“Figure”“Image”等触发绘图的词。
方法二：用“Prompt Schedule”节点分阶段注入指令——第一帧只送“list 5 key visual components”，第二帧追加“describe spatial relationship between them”，第三帧才允许加入风格词。这样能避免AI一步到位生成画面描述。
Qwen 视频智能分析基础客户端（免费版），基于 Qwen 3.5 Plus 多模态模型对本地视频进行内容分析，支持场景描述与基础内容理解，采用默认抽帧频率和提示词，适合快速概览视频，API Key 读取自 ~/.skill-platform/skill-platform.json 的 skills 配置。
注意：如果输出中出现“a joyful crowd walking…”这类带动词的句子，说明模型误判为图像描述任务，需立刻在前置节点加负向提示词"no painting, no illustration, no visual description, no verb ending with -ing"。
手动构造可复用的提纲提示词模板
复制粘贴这段即可用：
"Generate ONLY a bullet-point visual planning outline for a Chinese New Year street celebration illustration. Include exactly: Scene type (e.g., night market alley), Human subjects (3–5 people, specify age/gender/action), Props (minimum 4 traditional items with placement hints), Lighting direction (front/side/back + warm/cool bias), Aspect ratio (16:9 or 4:5). Do NOT describe colors, emotions, or artistic style. Do NOT use full sentences — use fragments only."
这一步操作起来很简单，直接把上面整段复制进Txt2Text框，点击生成。只要模型支持instruction-tuned，90%概率返回干净提纲。
如果返回结果含“vibrant”, “festive”, “dynamic”等抽象形容词，说明prompt没压住风格词泄露——删掉末尾“Do NOT describe colors…”那句，换成更硬的约束：“Output format: - [Scene] … - [Props] … No colons. No adjectives. No periods.”
