触发词必须包含【主体+核心特征+风格限定】三要素，缺一不可；需避免中文直译、模糊形容词，控制长度并前置强约束词，通过模型测试验证核心特征稳定性。
☞☞☞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☜☜☜
LiblibAI模型训练时触发词写得不准确，会导致生成图像完全偏离预期主题，比如想画“穿汉服的少女”，却输出一堆现代装束或抽象图案。
明确触发词的核心构成
触发词必须包含【主体+核心特征+风格限定】三要素，缺一不可。主体决定画什么，核心特征锁定关键细节（如服饰、姿态、道具），风格限定防止模型自由发挥跑偏。漏掉风格限定时，模型大概率套用自身默认画风，哪怕你用了高质量LoRA也压不住。
例如训练“水墨风青花瓷茶具”：主体是“qinghua porcelain teaset”，核心特征是“blue-and-white glaze, cracked ice pattern, handle with bamboo texture”，风格限定必须加“ink wash painting style, xuan paper texture, soft ink bleeding”——少任何一类，生成结果就可能变成3D渲染图或水彩插画。
避免常见触发词错误
方法一：别用中文直译词代替实际视觉描述
“古风”不能写成“gu feng”，要拆解为可识别的视觉元素：“Ming dynasty collar, wide sleeves, hairpin with jade phoenix, standing beside moon gate”。LiblibAI的底层文本编码器对拼音词几乎无感知，它只认真实物体、材质、构图术语。
方法二：禁用模糊形容词和主观判断词
删除“beautiful”“elegant”“cute”“realistic”这类词。它们在CLIP文本空间中向量分散，无法锚定具体图像特征。换成“symmetrical face, 8-head proportion, smooth skin texture”或“photorealistic skin pores, subsurface scattering lighting”才有效。
方法三：控制触发词长度与顺序
单条触发词建议不超过12个英文单词，且把最强约束词放在最前面。模型对前置词权重更高，例如“masterpiece, best quality, (1girl:1.3), wearing hanfu with cloud motif, holding folding fan → background: misty mountains, Song dynasty painting style”中，“(1girl:1.3)”加权重确保人物主体性，云纹、折扇、宋画风格层层收紧表达边界。
验证触发词是否有效的实操步骤
第一步：在LiblibAI网页端打开“模型测试”页，选择你要训练的基模（如SDXL 1.0）
第二步：粘贴你写的触发词到正向提示框，负向提示框填入“text, signature, watermark, deformed hands, extra fingers”
第三步：设置采样步数为30、CFG Scale为7，点击生成3张图
第四步：观察生成图中【是否每张都稳定出现你指定的核心特征】。如果只有1张出现汉服袖型、另2张是T恤或旗袍，说明触发词里“hanfu sleeve”权重不够或被其他词稀释，需回到第二步调整结构。
