Stable Diffusion学习笔记：提示词工程实战要点

在使用 Stable Diffusion 的这段学习过程中，我最大的感受是：**模型决定了上限，而提示词决定了下限**。同样的底模，有人能生成极具质感与氛围感的作品，有人却只能得到杂乱无章的图块，这背后的关键差异，大多在于提示词工程的能力。今天这篇笔记，我把自己在实战中反复验证过的核心要点做一个系统梳理，希望能帮你建立起一套清晰的提示词写作框架。

一、提示词的本质与基本结构

提示词（Prompt）本质上是给模型下达的“视觉指令”。我们需要用自然语言把脑海中的画面描述清楚，让模型去匹配学到的特征。但请注意，Stable Diffusion 并不擅长理解长句子的逻辑关系，它更倾向于识别关键词与词组。

经过大量实践，我总结出一个高效的结构化公式：

1. 主体内容：画面核心，例如 a girl、a futuristic city。
2. 环境氛围：场景与光线，例如 sunset、rainy street、golden hour。
3. 风格媒介：画风定义，例如 oil painting、cinematic lighting、anime style。
4. 画质修饰：质量词后缀，例如 masterpiece、best quality、8k wallpaper。

按照这个顺序拼接关键词，比随意罗列单词的稳定性要高出很多。初学者完全可以先套用这个框架，再逐步根据自己的需求调整内容。

二、语法指令：控制权重的进阶技巧

单纯写单词不够，我们还需要控制不同关键词的影响力，这就是语法指令的用途。在学习中期，我重点突破了以下几个符号的使用：

1. 权重调整语法

• (keyword:1.3)：将关键词权重提升至1.3倍，数值大于1加强，小于1减弱。
• (keyword)：官方推荐简略写法，相当于增加1.1倍权重。
• [keyword]：将权重降低至原来的0.9倍。

实战技巧：当画面主体总是被次要元素抢占注意力时，适当把主体关键词的权重设置为1.2~1.4，能有效改善构图主次关系。

2. 混词与渐隐

使用 [A|B] 语法可以交替渲染两个概念（如不同画风融合），使用 [A:B:0.6] 则能在前60%的采样步骤渲染A，之后切换为B，这能创造出风格渐变的效果。不过这类高级语法对模型版本有要求，建议在较新的模型（如SD 1.5以上）中使用。

三、负面提示词：决定成败的“暗面”

负面提示词（Negative Prompt）是我在学习中踩过最多坑的地方，但它对于生成干净画面来说是绝对必要的。它告诉模型什么不能出现在画面中。

我的常驻负面提示词清单（仅供参考，可依需求删减）：

• 画质崩溃类：bad anatomy, disfigured, deformed, extra limbs。
• 色彩干扰类：watermark, text, signature, blurry, low quality。
• 风格冲突类：censored, 3d render（若你想追求写实摄影感）。

请注意，负面提示词并非写得越多越好，过于严苛的限制反而可能让模型无法找到合适的生成方向，导致构图呆板。建议保持清理画质的负面词数量在5~8个为宜。

四、参数联动：提示词与设置的配合

提示词不是孤立起作用的，它与生成参数存在强关联。如果参数设置不当，再好的提示词也无法发挥作用。以下是我在学习中整理的参数联动要点：

1. 采样步数（Steps）：建议 25~30 步。步数过低会导致画面细节无法完整生成，过高（如超过50步）则带来额外算力消耗，但画面提升极为有限。
2. 提示词引导系数（CFG Scale）：默认值为7~8。CFG 数值越大，画面越遵循提示词，但数值过高（如超过15）会产生强烈的色彩溢出与伪影。较低值（4~6）反而会带来更多“惊喜”，适合灵感的无边界探索。
3. 采样器（Sampler）：不同采样器的行为差异明显。例如 DPM++ 2M 稳定适合写实，Euler 适合快速迭代。风格化提示词需要搭配对应的采样器才能发挥最佳效果。

五、实战过程中的常见误区

最后总结几个我在日记里反复出现的反面教材，希望同样身为学习者的你少踩这些坑。

误区一：描述过于笼统与抽象

反例：a beautiful woman
改进：a elegant woman with freckles, long wavy red hair, wearing a white dress

具体名词比感叹词更有价值。把抽象的“beautiful”转化为头发、脸部特征、服装等可以被模型量化的元素。

误区二：忽略尺寸与细节关键词

提示词中明确加入 headshot（头像）或 full body（全身）能显著影响裁剪结果。如果你发现模型总是截掉人物的脚踝，那就在提示词中明确写上 full body view。

误区三：频繁更换底模却不调整提示词

每种底模（如写实类、二次元类）对提示词的反应模式不同。在更换底模时，最需要做的不是找新咒语，而是回头修改旧提示词的风格词部分（例如把 photorealistic 改为 anime style）。

提示词工程是一条需要持续积累的修行之路，它没有灵丹妙药，只有多写、多调、多观察。每天记录下自己的参数与提示词配套方案，逐步构建出属于自己的词库，这种“笨功夫”反而是通往可控生成的最快路径。希望这份学习笔记能够对正在刻苦钻研的你带来切实的帮助。