lora服装固定问题源于单服装绑定训练，需通过分文件夹整理、手动打标、禁用混合精度等步骤重建多服装lora。
☞☞☞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☜☜☜
你在LiblibAI上训练或调用人物LoRA时，发现角色五官稳定但服装永远固定在某一套——比如每次生成都是白衬衫+牛仔裤，哪怕提示词写了“穿汉服”“换泳装”也毫无反应，问题就出在LoRA的语义绑定方式上。
确认LoRA是否为单服装绑定型
打开该LoRA在LiblibAI模型广场的详情页，下拉至「触发词」与「使用说明」区域。若只标注一个触发词（如xiaobai_1girl），且无任何dress1/dress2/first_outfit等分项说明，则该LoRA在训练时仅学习了单一服装形态——它根本没被教过“换衣服”这件事，不是你提示词写得不对，是模型不具备这个能力。
这种LoRA通常来自20–30张同构图训练集，作者未做服装解耦，也不支持多风格切换。
验证当前LoRA是否支持多服装触发
方法一：查官方标注
在模型详情页搜索关键词“dress”“outfit”“clothes”，看是否列出多个独立触发词，例如：【xiaobai_dress1】、【xiaobai_dress2】、【xiaobai_casual】。若有，说明作者已做服装维度拆分，且明确标注了对应关系。
方法二：试错验证
在正向提示词最前端依次替换触发词测试：先用【xiaobai_dress1】, a hanfu girl → 再换【xiaobai_dress2】, a hanfu girl → 观察生成图服装是否变化。若两次结果完全一致，说明该LoRA实际未启用多服装分支，所谓“dress2”只是标签误标或训练失效。
【关键前提：所有测试必须固定同一Seed、同一底模、同一CFG Scale，否则变量干扰会导致误判】
重建多服装LoRA的实操路径
第一步：按服装类型分文件夹整理训练图
把原始图集按服装大类拆开：/dress1/（常服）、/dress2/（礼服）、/dress3/（便装）……每个文件夹内放8–12张图，确保同一文件夹内服饰结构、配色、剪裁高度一致，且人物姿态、角度、背景有差异——这是让LoRA学会“服装是独立变量”的基础。
第二步：打标时强制分离语义层级
进入LiblibAI「裁剪/打标」页，关闭自动打标→手动为每张图输入两个标签：第一项为统一角色触发词（如xiaobai_1girl），第二项为该文件夹专属服装词（如dress1）。中间用英文逗号隔开，不加空格：xiaobai_1girl,dress1。然后在高级参数中将「keep token」设为2——这一步强制模型把前两个词当作不可分割的语义锚点，避免服装词被稀释。
第三步：训练时禁用混合精度并控制轮次
进入「赛博丹炉」→点击「训练LoRA」→立即关闭灰色开关【混合精度训练】→将「循环轮次」设为8→开始训练。若中途loss跌破0.22且连续3轮无波动，立即停训——继续训只会让模型把dress1的纽扣纹理记成角色固有特征，反而锁死换装能力。
第四步：调用时严格按权重顺序排列提示词
生成时，正向提示词格式必须为：【xiaobai_1girl,dress2】→逗号后紧跟主体描述→最后补环境词。不能写成“a girl in dress2, xiaobai_1girl”，也不能把dress2塞到中段。因为LoRA只响应最前端的触发组合，后面所有词都属于底模解码范围，不再经过LoRA微调层。
