错误匹配采样器会导致结构崩坏、锯齿、纹理模糊及构图不一致；必须按模型类型选用对应采样器：写实类用Euler a，二次元用DPM++ 2M Karras，ControlNet模型必选UniPC，并避开CFG≥10配Euler a等致命组合。
☞☞☞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☜☜☜
在LiblibAI上为Checkpoint模型匹配错误的采样器，会导致结构崩坏、边缘锯齿、纹理糊成一片，甚至同一提示词反复生成完全不同的构图；采样器不是“随便挑一个就行”的选项，它直接决定去噪路径的数学解法类型，不同算法对步数、CFG、LoRA权重的响应逻辑完全不同。
先确认当前模型是否标注推荐采样器
进入LiblibAI【模型库】→搜索目标Checkpoint（如“灵犀XL”或“Qwen-Image”）→点击卡片进入详情页。滚动至“模型信息”区块，重点查找【推荐采样器】字段——若明确写出“DPM++ SDE Karras”或“UniPC”，必须严格照用；【未标注即代表该模型未经过该采样器的收敛验证，强行使用风险极高】。
若详情页只写“推荐尺寸”但没提采样器，说明平台未做采样器适配测试，此时应退回通用安全组合：Euler a + 24步 + CFG 7。
按模型类型反推默认适配采样器
不同训练路径的Checkpoint天然倾向特定采样器，不匹配等于让AI用错数学引擎作画。
方法一：写实类/通用强模（如majicMIX realistic、SDXL 1.0 Base）→ 默认适配Euler a
这类模型在WebUI原始训练中大量使用Euler a验证，结构稳定性与速度平衡性最优；设24～26步即可稳定输出，CFG值可拉到7～8不漂移。
方法二：二次元/表情包专用模型（如waifu-diffusion-emoji-v2、Star-3 Emoji Pro）→ 强制用DPM++ 2M Karras
它们的训练数据多为低分辨率正方形图，DPM++ 2M Karras对小图噪声分布建模更鲁棒；若误选Euler a，会出现像素块状抖动，尤其在64×64/128×128尺寸下明显。
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。
方法三：ControlNet深度集成模型（如ControlNet-canny-sdxl、LineArt XL）→ 必须选UniPC
UniPC对条件信号响应线性度最高，能锁死线稿结构；其他采样器哪怕只偏移0.01步长，都可能引发肢体错位或轮廓漂移。
避开致命组合与隐性冲突
第一步：打开在线生图界面 → 在右侧参数区定位“采样方法”下拉菜单 → 确认当前选择。
第二步：检查CFG值是否≥10 → 若是，【立即切换采样器，Euler a+CFG≥10必然导致人脸熔融、建筑透视崩溃】；此时唯一安全解是换DPM++ SDE Karras并把CFG压到5～7。
第三步：若启用LoRA且权重≥0.9 → 步数必须同步加到34以上，并关闭“动态阈值”开关；否则SDE会误判高光为噪声而暴力抹平细节。
第四步：Karras后缀不可省略 → DPM++ 2M与DPM++ 2M Karras数学行为完全不同，界面显示名称带Karras才有效；不带后缀的版本在LiblibAI云端常触发NaN中断。
