说起 Stable Diffusion 的提示词网上随便一搜就是一大堆“咒语大全”“万字词库”。但很多人照着抄完生成的图还是四不像——要么画风不对要么细节崩坏要么颜色脏得没法看。问题出在哪多半不是因为词不够多而是压根没搞清楚提示词这玩意儿到底是怎么被模型消化的。这篇东西我不打算再给你堆一份“万能词表”。我会把提示词拆开揉碎从语法规则、权重控制、常用词分类到实际项目中的完整案例、模型与插件之间的配合再到那些我在实操里踩过的坑一次性讲透。不管你是刚装好秋叶整合包的小白还是已经在用 ComfyUI 搭工作流的进阶玩家这都值得你花几分钟看完。1. 提示词不是咒语是一份结构化的需求说明书1.1 先搞清楚提示词到底在干什么Stable Diffusion 里的提示词本质上是给 CLIP 文本编码器看的一段“需求描述”。CLIP 会把你的文字转换成一串语义向量再去引导扩散模型在去噪过程中把对应的特征画出来。所以提示词并不是什么神秘咒语它更接近一份结构化的需求说明书——你描述得越清晰、越有条理模型就越容易还原你脑子里的画面。我见过太多人把提示词写成“a beautiful girl, nice dress, beautiful face, beautiful eyes, beautiful hair, beautiful everything”。这种叠形容词的写法让模型非常迷茫满屏都是 beautiful主体是什么环境在哪风格是什么镜头怎么摆全都是一笔糊涂账。而真正高效的提示词应该是把画面切分成模块按优先级逐层描述——先定主体再补环境再定风格最后加质量词和细节修饰。1.2 为什么同一条提示词在不同人手里效果不一样这一点经常被忽略提示词效果严重依赖你用的底模。同一个“1girl”二次元底模和写实底模的理解完全不同同一个“photorealistic”在不同大模型里对质感的还原度也天差地别。换句话说提示词和模型是绑定的脱离模型谈提示词和脱离食材谈菜谱没有区别。而且Stable Diffusion 对提示词的处理还涉及分词器。WebUI 的 CLIP 编码器会把一段提示词切成多个 token每个 token 都会被映射成语义向量。有些词会被拆得很碎比如 “masterpiece” 有时会被拆成几个子词导致权重被稀释。这就是为什么同样的词放在不同的位置、不同的长度下效果会不一样。理解这一点之后你就不会再去背什么“必抄模板”了而是会自己判断一段提示词为什么有效、为什么失效。2. 提示词语法与权重控制别小看括号和逗号2.1 组合顺序和分隔符的讲究Stable Diffusion 的提示词最简单的形式是用逗号分隔的关键词组合。但顺序很重要——排在越前面的词模型投入的注意力权重越高。所以主体词一定要往前放修饰词往后放。比如1girl, solo, long silver hair, blue eyes, school uniform, cherry blossoms, spring, sunlight, soft lighting, highly detailed, masterpiece这条顺序是合理的先说“一个人物”再细化人物特征然后补场景最后加光照和质量修饰。如果你把 “masterpiece, best quality” 放最前面模型会优先处理质量词但主体的特征反而不够突出细节容易飘。有一个常见误解“提示词越短AI 自由发挥空间越大提示词越长控制力越强。”这话对但也不全对。更准确的说法是提示词越长模型要兼顾的信息越多如果内部逻辑冲突比如既想要科幻机甲又想要和风古建筑但没有说明融合方式结果就会变成单车变摩托的缝合怪。所以提示词长可以但要长在“合理补充”上不能是堆砌。2.2 权重括号的正确玩法这是新手最容易搞混的地方。WebUI 和 ComfyUI 里最通用的权重语法是(word:倍数)。比如(masterpiece:1.2)表示把 masterpiece 的权重提高到 1.2 倍[word]表示权重降到原来的 0.9 倍左右(word)表示权重提高到 1.1 倍多层括号会叠加比如((word))相当于约 1.21 倍注意ComfyUI 默认的 CLIP 加载器对(word:1.2)这种格式的解析和 WebUI 略有差异但大部分情况都能兼容。在你用提示词插件做动态批量生成时更要注意权重语法的转义问题——有些插件会把括号当成模板语法导致权重失效。我自己的习惯是关键主体词的权重控制在 1.1~1.3太高的权重比如 1.5 以上会产生色彩溢出或结构畸形画面容易“烧焦”。质量词我基本不再加权重因为大多数模型在训练时已经内置了对 “masterpiece” 这类词的理解。2.3 采样步数、CFG Scale 和种子的配合关系提示词不是独立生效的必须配合一组稳定的生成参数才有意义。采样步数WebUI 一般 20~30 步就够太少了细节不足太多了后面的步数基本在重复微调对提示词表达的还原度提升有限CFG Scale这个参数控制的是“图片追着提示词跑的力度”。默认 7 左右比较稳。CFG 太低画面会懒散不贴合提示词CFG 太高画面会过饱和、出现伪影甚至“色彩烧穿”Seed固定种子后同一套提示词生成的结果是可复现的。调提示词的时候锁住 Seed 去改动一个词你才能真正看出那个词对画面的影响所以当你准备调试提示词时建议先固定一组已经验证过的基础参数步数 25、CFG 7、采样器 DPM 2M Karras然后只改动提示词本身。这样你才能逐步建立对“词”的直觉。3. 常用提示词分类整理从摄影到插画到素描3.1 质量修饰词和画质增强词这类词几乎是所有提示词的标配但注意不要一口气塞十几个。常用的包括masterpiece杰作级画质、best quality最佳质量、ultra-detailed超细节、highly detailed高度细节、8k wallpaper8K 壁纸级清晰度对写实类图片可以追加photorealistic照片级真实、raw photo原始照片质感、professional photography专业摄影、depth of field景深、bokeh背景虚化对二次元或插画类图片可以追加anime style动漫风格、illustration插画、artbook画集质感、2D二平画面、clean lineart干净线稿这里有个经验质量词的作用是提升画面完成度但不能替代对主体和构图的描述。只堆质量词出来的图大概率是“看起来很精致但内容空洞”的废图——就像一篇通篇华丽辞藻却没有中心思想的作文。3.2 风格词你想让 AI 用什么“画风”来画风格词是提示词里最出效果的一类很多所谓“咒语”其实就是把各种风格词组合起来。常见的风格方向包括风格方向常用提示词适用模型类型写实摄影photorealistic, 35mm photography, cinematic lighting写实底模动漫日系anime style, shonen style, pastel colors二次元底模国风古风traditional Chinese painting, ink wash painting, oriental style通用底模科幻概念sci-fi, futuristic, cyberpunk, mecha通用底模油画笔触oil painting, impasto, brush strokes写实/通用底模素描手绘pencil sketch, graphite, monochrome, cross-hatching通用底模说到素描很多人想生成“素描画”效果就直接在提示词里写pencil sketch, black and white。这能出图但往往线条乱、调子不够干净。更稳妥的做法是先用正常提示词生成一张构图完整的图再通过图生图或者 ControlNet 的线稿预处理把它转成素描。热词里被反复提的“stable diffusion 素描画”大概率就是这类需求——不是要 AI 凭空画素描而是要把已有的画面转成素描质感。这个思路切换很重要能帮你少走很多弯路。3.3 内容词主体、环境、光照、镜头这部分是提示词的地基。建议你每次写提示词时都按这个模板来组织内容词主体描述谁/什么物体外貌特征、动作、表情、服装环境背景室内/室外、具体场景、季节、天气光照条件自然光/人造光、硬光/柔光、黄金时刻/夜光镜头语言特写/中景/全景、俯拍/仰拍、广角/长焦、景深效果举个例子。如果你想出一张“黄昏时站在海边的短发女孩”的照片式画面1girl, short hair, white dress, standing on the beach, ocean, sunset, golden hour, warm light, wind blowing, medium shot, photorealistic, highly detailed是不是比单纯写 “a girl at the beach” 要清晰得多关键就在于把“环境”和“光照”填进去。很多时候你觉得 AI 生成的颜色不通透可能只是因为你忘了告诉它“光照条件”。3.4 反向提示词给 AI 拉一张负面清单反向提示词Negative Prompt的价值被严重低估。合理使用反向提示词能有效消除多余手指、畸形构图、模糊、水印等常见问题。常用的反向词bad anatomy解剖结构错误、bad hands手部错误、extra fingers多余手指、extra limbs多余肢体lowres低分辨率、blurry模糊、jpeg artifacts压缩伪影watermark水印、text文字、signature签名、logo标志但反向词也不是越多越好。有些人的反向提示词能写一整屏结果画质反而变得灰蒙蒙、缺少层次感甚至把正常细节也给“反”掉了。我常用的策略是正面提示词表达 70% 的内容反向提示词只放 20% 的“高频错误”剩下 10% 是针对当前模型易错点的定制词。比如写实模型容易在皮肤上画出塑料感我就会在反向里加plastic skin, overly smooth skin。动漫模型容易在某些小模型上产生杂乱的线条我会加unclean lineart, messy lines。这才是反向提示词的进阶用法——不是堆数量而是按模型特性精准排雷。4. 实战案例拆解三组不同需求的完整提示词4.1 人像摄影类提示词完整结构需求背景想生成一张“电影感强、氛围感足的女主角特写”用于小说封面或短视频配图。正向提示词1girl, brown wavy hair, freckles, wearing a vintage coat, rainy window behind, reflections, moody atmosphere, teal and orange color grade, soft cinematic light, shallow depth of field, 85mm lens, close-up portrait, photorealistic, RAW photo, highly detailed反向提示词bad anatomy, bad hands, extra fingers, deformed face, blurry, lowres, watermark, text, overexposed, washed out colors参数参考步数 28CFG 7采样器 DPM 2M Karras尺寸 512x768后期高清修复到 1024x1536。拆解逻辑moody atmosphere和teal and orange color grade负责定调后者是电影感调色的关键词组合85mm lens, shallow depth of field负责镜头层次85mm 是标准人像焦段能带来自然的背景压缩感rainy window behind, reflections负责环境叙事让画面不空洞soft cinematic light负责光线质感比单纯写good lighting要精准得多4.2 国风插画类提示词完整结构需求背景想做一张“国风水墨风的古代仕女”用于自媒体配图。正向提示词1girl, traditional chinese hanfu, ancient chinese painting style, ink wash painting, flowing lines, soft gradient ink, misty mountains in background, plum blossoms, poetic atmosphere, negative space, elegant composition, masterpiece, best quality反向提示词bad anatomy, bad hands, watermark, text, western style, oil painting, 3d render, photorealistic, extra objects同样的一套思路主体是谁穿什么背景是什么用哪种画风画面情绪是什么最后加质量词。重点是反向提示词里加了western style, oil painting, 3d render否则 AI 很容易把国风画成“古装合成大乱炖”身体比例和质感都走偏。因为水墨画强调留白和笔意所以negative space很关键它告诉模型“不要把画面塞满”。如果没有这个词AI 倾向于把所有画面区域都填上内容留白感就没了。4.3 产品广告类提示词完整结构需求背景需要一张“高端香水瓶在晨光中的产品图”用于电商详情页。正向提示词perfume bottle, glass material, gold cap, amber liquid, on a marble surface, soft morning light, long shadows, clean background, luxury advertising style, studio product photography, macro lens, high contrast, ultra detailed反向提示词low quality, blurry, distorted shape, broken glass, text, watermark, cluttered background, yellowish tint产品图的核心是材质和光影。marble surface提供高级感的衬底soft morning light, long shadows构成光影氛围macro lens控制视角luxury advertising style定下广告感基调。反向词里cluttered background很关键——电商产品图最怕背景杂物多。5. 模型与插件提示词发挥作用的真正舞台5.1 模型决定下限提示词决定上限之前说过提示词一定要匹配模型。很多新手在通用模型里写动画风格词效果通常不如在二次元模型里随便写几个词来得好。所以你要先理清楚几个概念大模型底模Checkpoint决定了整体画风、色彩倾向和部分概念的理解能力。比如二次元底模、写实底模、2.5D 底模VAE决定了色彩的还原度。有些模型外挂 VAE 缺失画面会发灰相关关键词救不回来LoRA用于锁定某个具体风格、角色或物体配合提示词触发模型下载方面现在常见渠道是 Civitai 和国内一些镜像站。下载时注意看底模的说明页哪些提示词是模型作者推荐使用的哪些触发词可以激活模型特性这些都直接关系到提示词写作。比如有些模型要写nsfw或/imagine这类特殊触发词不写就不生效。5.2 秋叶整合包和 ComfyUI提示词输入方式差异热词里反复出现“stable diffusion 秋叶整合包”“stable diffusion(comfyui)”。我的建议是新手先用秋叶整合包自带的 WebUI 界面友好提示词输入框就是文本框负面提示词也有单独输入区调试直观进阶玩家慢慢迁移到 ComfyUI。ComfyUI 的提示词同样是文本输入但它是通过节点连接 CLIP 加载器的可以做到完全自定义的工作流。比如一次加载多个提示词批量更换风格词或者用节点控制不同提示词的权重变化ComfyUI 里有一类非常实用的提示词插件比如动态提示词Dynamic Prompts扩展可以让你写一个“模板”然后批量展开成几十条提示词。比如{masterpiece|best quality|ultra detailed}, 1girl, {pink|blue|white} hair, {school uniform|sailor uniform|dress}这条模板会自动展开成 3 × 3 9 条不同的提示词组合非常适合做风格探索和批量测试。我用这个插件跑过一次 LoRA 触发词测试一次性生成几十张对比图效率比手动改词高太多了。5.3 Instant-ID 这类人脸一致性扩展怎么配合提示词最近很热的 Instant-ID 也是提示词的重要搭档。它的作用是给 SD 提供一张参考人脸让生成的角色保持面部特征一致。配合提示词时基本套路是reference photo of a woman, (face consistency:1.2), 1girl, detailed face, close-up portrait, photorealisticInstant-ID 的核心是控制面部信息所以提示词里不需要再花太多篇幅描述五官只需给一个方向性描述比如年龄段、气质、表情其他交给参考图去锁。这一点和纯靠提示词生成角色完全不同——很多人在用 Instant-ID 时还在提示词里死磕五官细节结果反而干扰了面部一致性。6. 提示词调试的排错链路与实用心得6.1 画风不对先检查模型再检查提示词我在实际使用中发现至少一半的“提示词没用”案例根源出在模型和参数的匹配上。所以当你发现生成结果不对劲不要急着改提示词按下面这个顺序排查检查当前选中的底模是不是你想要的风格最容易犯的错以为切了模型实际还在用的旧模型检查 VAE 是否正确加载画面发灰先换 VAE检查采样器和 CFG 参数CFG 过高会让颜色烧焦过低会让画面平淡用一条极其简单的提示词做基线测试比如只写1girl看模型的基础画风确认没有“脏数据”干扰也就是你前面跑出来的图是不是还在影响后续结果6.2 提示词被截断CLIP 的 token 上限问题WebUI 的 CLIP 编码器一般有 75 token 的容错机制超过部分会分段处理。换句话说提示词超过一定长度后多出来的部分对画面的影响会明显减弱。所以提示词越长不等于越精确。如果你在写长提示词优先把最重要的主体和风格词放在最前面。装饰性的质量词放在后面。如果确实需要写超级长建议用 ComfyUI 配合 Text Encoder 节点来扩展或者用额外的提示词融合节点来处理。6.3 手指和肢体异常光加负面词是不够的手部崩坏是 SD 最常见的问题。反向提示词里加bad hands, extra fingers有用但只能降低概率无法根除。想要彻底解决更靠谱的做法是使用专门的手部修复模型比如 ADetailer 插件自动检测人脸、手部并局部重绘在提示词里避免复杂的动作描述越简洁的动作手部结构越不容易崩生成后手动局部重绘inpaint手指区域用更低 denoising strength 重跑6.4 作为总结的最后一句根据我个人经验提示词能力的提升不是一个词一个词背出来的而是通过“固定变量 大量对比”逐步积累的。每次跑图都锁住种子改一个词看画面的变化坚持两周左右你对自己常用模型的理解就会有质的飞跃。这套方法比起收藏无数份“提示词大全”要靠谱得多。最后再分享一个小技巧写提示词时刻意去描述光线、镜头、材质这三个维度而不是一味堆“beautiful”“lovely”这类情绪形容词。光线能让画面立体镜头能定构图材质能提升质感——这三样到位了哪怕你的提示词很短出图的质量也会明显上一个大台阶。