1. 为什么需要结构化提示词？
刚开始玩Stable Diffusion的时候，我和大多数人一样，都是随便输入几个关键词就等着出图。结果经常遇到各种奇葩情况：要么生成的人物长了六根手指，要么画面里莫名其妙多出几个人，最离谱的一次居然生成了半人半马的奇怪生物。后来我发现，这些问题的根源在于提示词太随意了。
结构化提示词就像做菜时的食谱，不是随便把食材扔进锅里就能做出美味。你需要明确主料、配料、调味料的比例和添加顺序。比如"酷女孩"这个主题，如果只是简单输入"cool girl"，AI可能会给你一个穿着皮夹克的普通女孩，也可能生成一个拿着电吉他的摇滚歌手，完全不可控。
我整理了一套模块化方案，把提示词分为五个核心部分：
- 主体描述：明确画面核心内容，比如"1girl, solo, full body"
- 风格标签：定义整体风格，如"cyberpunk, futuristic"
- 细节修饰：控制画面质量，"masterpiece, best quality, 4k"
- 负面排除：过滤不想要的内容，"bad anatomy, extra fingers"
- Lora调用：微调特定特征，"lora:ClothingAdjuster2:-0.6"
这种结构最大的好处是可复用性。比如设计商务女性形象时，可以直接套用之前调试好的质量修饰模块，只需要替换主体描述和风格标签就行。实测下来，出图稳定性提升了至少3倍。
2. 基础描述模块的构建技巧
基础描述是整个提示词的骨架，决定了画面的基本框架。很多新手最容易犯的错误就是描述太模糊。比如想生成一个办公室场景，只写"office lady"的话，AI可能会给你前台接待员、清洁工或者CEO，完全随机。
我建议采用"金字塔式描述法"：
- 确定主体数量：一定要明确人数，比如"1girl"或"2girls"。不写的话，经常会出现多人乱入。
- 身体范围：写清楚要半身像还是全身像。"upper body"或"full body"的区别很大。
- 基本动作："standing"、"sitting"这类基础动作描述很重要。
- 视线方向："looking at viewer"能让角色更有互动感。
举个例子，酷女孩的基础描述可以这样写：
1girl, solo, full body, standing, empty hands, looking at viewer这18个字符就确定了画面的基本框架：单人、全身、站立、空手、看镜头。在此基础上添加其他元素就很有针对性。
测试时发现，加入"empty hands"后，手部畸形的概率直接降低了70%。因为AI知道手上不需要拿东西，就不会乱生成奇怪的持物姿势。这个小技巧帮我解决了长期困扰的手部问题。
3. 风格标签的精准控制
风格标签是塑造画面个性的关键。但很多人把风格标签当成形容词堆砌，比如"cool, beautiful, amazing"，这些词太空泛了。好的风格标签应该像调色盘一样精确。
以赛博朋克风格为例，我总结出三个必备要素：
- 色彩特征："neon lights, vibrant colors"
- 材质表现："holographic, metallic, glowing"
- 环境氛围："futuristic city, rainy night"
更专业的做法是用权重控制重点元素。比如：
[(neon lights:1.3)::0.5], [glowing edges:1.2], (futuristic background:1.1)方括号表示阶段性出现，圆括号加强权重，数字精确控制强度。这样生成的赛博朋克效果比简单堆砌关键词强很多。
有个很实用的技巧是风格关键词前置。把最重要的风格词放在提示词前1/3位置，AI会给予更多关注。比如：
cyberpunk style, 1girl, solo... (其他描述)比把"cyberpunk"放在最后效果要好20%左右。
4. 质量修饰词的科学组合
质量修饰词经常被忽视，但它们决定了画面的精细程度。我见过有人把所有能找到的质量词都堆上去，结果适得其反。经过上百次测试，我发现质量词需要分层使用：
基础层（必选）：
masterpiece, best quality, highres增强层（选1-2个）：
ultra detailed, intricate details, 8k风格化层（根据需求）：
photorealistic, cinematic lighting特别注意修饰词的冲突问题。比如同时使用"anime style"和"photorealistic"就会让AI困惑。我整理了一个兼容性表格：
| 风格类型 | 可搭配质量词 | 避免使用 |
|---|---|---|
| 动漫 | anime style, cel-shading | photorealistic |
| 写实 | photo realistic, DSLR | cartoonish |
| 油画 | oil painting, brush strokes | pixel art |
一个经过验证的高效组合：
(masterpiece:1.2), (best quality:1.1), ultra detailed, 8k, sharp focus这样既保证了质量，又不会过度修饰。
5. 负面提示词的防御体系
负面提示词就像安全网，能接住AI的各种奇葩脑洞。但很多人的负面词列表又长又乱，其实80%的问题用20%的关键词就能解决。
我建议建立三级防御体系：
- 基础防御（必选）：
bad anatomy, bad hands, extra fingers- 风格防御（按需选择）：
anime style (如果不要动漫感)- 内容防御（自定义）：
text, watermark, signature特别注意负面词的权重分配。有些问题需要重点防范，比如手部问题可以加强：
(bad hands:1.3), (extra fingers:1.2)我常用的高效负面组合：
EasyNegative, badhandv4, (worst quality:1.2), (low quality:1.1), bad anatomy, extra fingers, mutated hands, (bad hands:1.3), text, watermark这个组合在保持简洁的同时，能过滤掉90%的常见问题。
6. Lora模型的精准调用
Lora模型是微调画面的神器，但很多人不会控制强度。调用Lora不是简单的复制粘贴，需要考虑三个要素：
- 触发词：有些Lora需要特定触发词才能激活
- 权重值：通常0.5-1.2之间，超过1.5容易失真
- 位置：一般放在提示词中后段
比如服装调整Lora的调用：
<lora:ClothingAdjuster2:0.8>这个强度既能改变服装细节，又不会过度影响整体风格。
实测发现，Lora与基础描述的配合很重要。比如想突出商务女性的西装外套：
office blazer, <lora:FormalWear:0.7>比单独使用任一部分效果都好。
有个进阶技巧是负权重，可以减弱某些特征。比如觉得服装太夸张时：
<lora:ClothingAdjuster2:-0.5>这个技巧帮我解决了很多服装过度设计的问题。
7. 实战案例：从酷女孩到商务精英
让我们用结构化方法实际构建三个风格的提示词。
酷女孩完整版：
(masterpiece:1.2), best quality, ultra detailed, 8k, 1girl, solo, full body, standing, empty hands, looking at viewer, slim figure, tight pants, leather jacket, boots, multicolored hair, tattoo, earrings, dark alley, neon signs, rain, <lora:StreetStyle:0.7>, <lora:ClothingAdjuster2:0.5>, Negative: EasyNegative, badhandv4, (worst quality:1.2), bad anatomy赛博朋克升级版：
(masterpiece:1.3), (best quality:1.2), ultra detailed, 1girl, solo, full body, futuristic pose, neon lights, holographic display, mechanical arm, [(glowing circuits:1.4)::0.6], [rain effect:0.8], <lora:CyberEnhanced:0.9>, Negative: ng_deepnegative_v1_75t, (bad anatomy:1.3)商务精英专业版：
(photo realistic:1.2), masterpiece, professional lighting, 1woman, solo, full body, standing in office, business suit, pencil skirt, high heels, briefcase, modern office, glass windows, city view, <lora:ProfessionalWear:0.6>, <lora:HairStylist:0.4>, Negative: EasyNegative, (bad hands:1.3), (text:1.2)这三个案例展示了如何通过模块化组合，快速切换不同风格。每次只需要调整30%的内容，就能获得完全不同的效果。
