企业官网建设流程全解析

简介：《Stable Diffusion 提示词指南书》是一份面向AI绘画创作者与数字艺术爱好者的实用PDF文档，重点解决提示词撰写无章法、生成效果不可控的问题。内容围绕OpenArt平台展开，从提示词的基本格式与句子结构讲起，系统梳理各类修饰词在风格、色彩、氛围、情感等层面的应用方式，并延伸至特殊词汇与参数微调技巧，帮助读者逐步掌握从主题表达到细节控制的完整方法。资源包共1个PDF文件，大小约15.15MB，结构清晰、便于按章节查阅学习。目前已有3550人学习下载，适合希望提升出图质量、建立提示词体系的初中级用户参考。书中还结合OpenArt平台数百万条提示词实例，鼓励读者借鉴与实验，将创意构想更精准地转化为图像作品。

1. 从一份 OpenArt 提示词指南 PDF 说起：为什么你写的提示词总出废图

你大概率遇到过这种场景：打开 Stable Diffusion，输入 "a beautiful girl, masterpiece, best quality"，跑出来一张五官扭曲、手指六根、背景糊成一团的图。然后你开始加词——"ultra detailed, 8k, photorealistic, cinematic lighting"——结果画面更崩了。问题不在模型，在于提示词的写法本身就没有结构。

OpenArt 那份提示词指南 PDF 之所以在圈子里被反复传阅，核心原因是它把提示词从"堆词玄学"拉回到了可拆解的工程结构：主体、风格、构图、光照、镜头、画质修饰，每一层有明确的权重逻辑和位置逻辑。这份指南不是某个模型的专属说明书，而是一套跨模型的提示词组织方法论。不管你是用 SD 1.5、SDXL 还是基于 SD 的在线生成工具，这套结构都能直接套用。

这篇文章面向两类人：一是刚接触 Stable Diffusion、面对空白提示词框不知道从哪下笔的新手；二是已经能出图但稳定性差、想系统化提升出图率的从业者。我会把这份指南的核心框架拆开，配上可直接复现的参数配置和踩坑记录，让你从"碰运气出图"过渡到"按流程出图"。

2. 提示词的结构化拆解：从 OpenArt 指南里提取的六层框架

2.1 为什么"堆词"必然翻车：注意力机制的分配逻辑

Stable Diffusion 的文本编码器（CLIP）对提示词的处理不是等权重的。它会把整段提示词映射到一个固定长度的 token 序列上，通常上限是 77 个 token（SD 1.5）或 77×N（SDXL 支持多段）。当你塞进去 30 个修饰词时，每个词分到的注意力被稀释，模型无法判断哪个是主体、哪个是修饰。

更关键的是，CLIP 对词序敏感。排在前面的词权重天然更高，排在后面的词容易被截断或忽略。OpenArt 指南里反复强调的一点是：主体必须放在最前面，风格和画质词往后排。这不是审美建议，是编码器的物理限制。

我一般把提示词分成六层，按优先级从高到低排列：

总词数控制在 20-30 个有效 token 以内，超过这个范围边际收益急剧下降。

2.2 主体描述的最小可用写法

新手最容易犯的错是把主体写得太抽象。"a girl" 和 "a 25-year-old woman with short black hair, wearing a denim jacket" 出来的结果完全不同。前者模型自由发挥，后者约束了年龄、发型、服装三个维度。

但也不是越细越好。我试过写 "a 25-year-old woman with shoulder-length wavy auburn hair, hazel eyes, freckles on nose, wearing a vintage Levi's denim jacket with copper buttons"——结果模型把注意力分散到了 freckles 和 copper buttons 上，脸部反而崩了。

最小可用写法是：年龄/性别 + 发型/发色 + 服装 + 一个辨识特征。四个维度足够锁定主体，再多就是浪费 token。

# 推荐的主体写法（正面提示词开头） a 25-year-old woman, short black hair, wearing a red turtleneck sweater, slight smile # 不推荐的写法（信息过载） a 25-year-old woman with shoulder-length wavy auburn hair, hazel eyes, freckles, wearing a vintage Levi's denim jacket with copper buttons, slight smile, looking at camera

第一段用 12 个 token 锁定了主体，第二段用了 30+ token 但关键特征互相竞争。实际跑图时，第一段的出图率明显更高。

2.3 风格词的选择：不要同时用互斥风格

风格层是最容易出问题的地方。很多人会写 "anime style, photorealistic, oil painting, watercolor"——这四个风格互相矛盾，模型只能随机选一个或者混合出四不像。

OpenArt 指南的建议是：风格词只选一个主风格，最多加一个辅助修饰。比如 "anime style, studio ghibli" 是兼容的，"photorealistic, cinematic" 也是兼容的。但 "anime" 和 "photorealistic" 放在一起就是灾难。

# 兼容的风格组合 anime style, studio ghibli, soft colors photorealistic, cinematic, film grain digital painting, artstation trending, concept art # 互斥的风格组合（不要这样写） anime style, photorealistic, oil painting

如果你不确定两个风格词是否兼容，一个简单的判断方法是：这两个风格在现实中是否可能出现在同一张图上？动画风格和写实摄影不可能，但写实摄影和电影感可以。

2.4 负面提示词的工程化写法

负面提示词不是"把不想要的东西写上去"这么简单。它的作用是在采样过程中降低某些概念的激活概率。写得好的负面提示词能显著提升出图稳定性，写得差等于没写。

我常用的基础负面模板：

# 通用负面提示词模板（适用于 SD 1.5 / SDXL） worst quality, low quality, normal quality, lowres, blurry, jpeg artifacts, bad anatomy, bad hands, extra fingers, missing fingers, extra limbs, deformed, ugly, duplicate, watermark, text, signature

这段模板覆盖了三类问题：画质问题（lowres, blurry, jpeg artifacts）、解剖问题（bad anatomy, bad hands, extra fingers）、水印问题（watermark, text, signature）。

参数上，负面提示词的 CFG 权重不需要单独调，它跟随正面提示词的 CFG 值。但有一个细节：负面提示词里的词也会消耗 token，所以不要写太长。15-25 个 token 的负面提示词足够覆盖 90% 的常见问题。

2.5 权重语法：括号和数字到底怎么用

Stable Diffusion 支持通过括号调整词权重。语法有三种：

# 语法 1：圆括号 + 数字（最常用） (red dress:1.3) # 权重提升到 1.3 倍 (red dress:0.7) # 权重降低到 0.7 倍 # 语法 2：多层圆括号（每层 ×1.1） ((red dress)) # 权重约 1.21 倍 (((red dress))) # 权重约 1.33 倍 # 语法 3：方括号（降低权重） [red dress] # 权重约 0.9 倍

实际使用中，我建议只用语法 1，因为数字直观可控。语法 2 的多层括号容易记错倍率，语法 3 的降权效果不如直接写 0.7。

权重的安全范围是 0.5-1.5。超过 1.5 容易导致画面过饱和或结构崩坏，低于 0.5 基本等于没写。如果你发现某个词怎么加权重都不生效，大概率是它和前面的词冲突了，而不是权重不够。

2.6 一套可直接复用的提示词模板

把上面五节的内容串起来，我常用的模板结构是这样的：

# 正面提示词模板 [主体描述], [动作/姿态], [环境描述], [风格词], [光照/镜头], [画质修饰] # 实际示例 a 30-year-old man, short beard, wearing a black trench coat, standing on a rainy city street, looking at camera, cinematic style, neon reflections, 85mm lens, shallow depth of field, highly detailed, sharp focus # 负面提示词 worst quality, low quality, blurry, bad anatomy, bad hands, extra fingers, deformed, watermark, text, signature

这套模板在 SD 1.5 和 SDXL 上都能直接用。SDXL 因为支持更长的 token 序列，可以适当增加环境描述和风格词的细节，但六层结构不变。

3. 参数配置与出图流程：从提示词到成图的完整链路

3.1 采样器与步数的搭配逻辑

提示词写好了，参数不对照样出废图。采样器（Sampler）和步数（Steps）是最容易配错的两个参数。

常见采样器我按出图风格分三类：

我一般的工作流是：先用 Euler a + 20 步快速跑 4 张看构图，选定构图后用 DPM++ 2M Karras + 30 步出精细图。这样比直接上高步数采样器省一半时间。

步数不是越高越好。超过 40 步后，画面改善微乎其微，但时间线性增加。SDXL 因为模型更大，推荐步数比 SD 1.5 高 5-10 步。

3.2 CFG Scale 的甜点区在哪里

CFG Scale 控制提示词的遵循程度。太低（<5）模型自由发挥，太高（>15）画面过饱和、结构僵硬。

甜点区在 7-12 之间。具体取值取决于你的提示词质量：

• 提示词结构清晰、主体明确：CFG 7-9
• 提示词较简短、需要模型补全：CFG 10-12
• 负面提示词较长：CFG 适当降低 1-2

# 我常用的参数组合（SD 1.5） Sampler: DPM++ 2M Karras Steps: 30 CFG Scale: 8 Resolution: 512x768 Seed: -1 (随机) # SDXL 推荐参数 Sampler: DPM++ 2M Karras Steps: 35 CFG Scale: 7 Resolution: 1024x1024 Seed: -1

注意 CFG 和负面提示词是联动的。CFG 越高，负面提示词的影响也越大。如果你发现画面颜色过饱和，先降 CFG，而不是改提示词。

3.3 分辨率与宽高比的匹配规则

分辨率设置有一个硬性规则：宽和高必须是 64 的倍数。512×768 可以，500×768 不行。不是 64 倍数的分辨率会导致画面出现网格状伪影。

更重要的是宽高比要和构图匹配。SD 1.5 在 512×512 上训练，所以正方形构图最稳定。如果你要出竖构图人像，用 512×768；横构图风景用 768×512。SDXL 的原生分辨率是 1024×1024，对应比例类推。

# 常用分辨率对照 人像竖构图：512x768 (SD1.5) / 832x1216 (SDXL) 风景横构图：768x512 (SD1.5) / 1216x832 (SDXL) 正方形：512x512 (SD1.5) / 1024x1024 (SDXL)

如果你需要更高分辨率，不要直接拉高数值，而是用 Hires Fix（高清修复）先出低分辨率图再放大。直接出 1024×1024 的 SD 1.5 图会出现人物重复、结构崩坏的问题。

3.4 种子固定与批量筛选的实操流程

种子（Seed）是复现一张图的关键。Seed 为 -1 时随机生成，固定 Seed 后同样的提示词和参数会出同样的图。

我的批量筛选流程是这样的：

第一步：Seed = -1，跑 8 张图，步数 20，Euler a 第二步：选出构图最好的 2-3 张，记下它们的 Seed 第三步：固定 Seed，换 DPM++ 2M Karras，步数 30，出精细图 第四步：如果精细图有局部问题，用 Inpainting 局部重绘

这个流程比直接跑高步数快得多。第一轮 8 张图大概 2 分钟，第二轮 3 张精细图 3 分钟，总共 5 分钟能出一张可用的图。如果直接上 30 步跑 8 张，需要 8 分钟，而且大部分是废图。

4. 避坑与排查：提示词写对了但图还是崩的五个原因

4.1 画面出现文字或水印

现象：生成的图上出现乱码文字、签名或水印。

原因：训练数据里包含大量带水印的图片，模型学到了这个特征。负面提示词里没有排除 text 和 watermark。

解决：在负面提示词里加入text, watermark, signature, copyright, logo。如果仍然出现，把 CFG 降到 7 以下，或者换一个更干净的基础模型。

4.2 人物手指数量异常

现象：手指六根、七根，或者手指融合在一起。

原因：手部在训练数据中占比小，模型对指关节的结构理解不足。分辨率过低时尤其明显。

解决：负面提示词加bad hands, extra fingers, missing fingers, fused fingers。分辨率至少 512×768。如果仍然崩，用 Inpainting 单独重绘手部区域，提示词写perfect hands, five fingers。

4.3 画面过饱和或颜色失真

现象：颜色异常鲜艳，皮肤发红或发紫。

原因：CFG Scale 过高（>12），或者提示词里权重词过多。

解决：CFG 降到 7-9。检查提示词里是否有超过 1.3 权重的词，如果有，降到 1.1-1.2。VAE 也可能导致颜色问题，换一个标准 VAE 试试。

4.4 构图与提示词不符

现象：写了 "close-up portrait" 但出来的是全身照。

原因：构图词的位置太靠后，被前面的风格词和画质词稀释了注意力。

解决：把构图词移到主体描述之后、风格词之前。比如a woman, close-up portrait, soft light, oil painting style。构图词的权重可以适当提高到 1.2。

4.5 同一 Seed 换模型后出图完全不同

现象：在 SD 1.5 上跑出一张好图，换 SDXL 后同样的 Seed 和提示词出图完全不一样。

原因：不同模型的潜在空间（Latent Space）不同，Seed 只在同一模型内有复现性。

解决：换模型后不要指望 Seed 复现，重新筛选。提示词结构可以复用，但 Seed 必须重新随机。

5. 进阶技巧：用提示词矩阵做系统性出图测试

当你已经能稳定出图后，下一步是提升出图效率。我常用的方法是提示词矩阵（Prompt Matrix），用脚本批量测试不同提示词组合的效果。

# 提示词矩阵测试脚本（伪代码，适用于 AUTOMATIC1111 WebUI 的 X/Y/Z Plot） # 在 Script 中选择 X/Y/Z Plot # X 轴类型选 Prompt S/R（搜索替换） # X 轴值填写：red dress, blue dress, green dress # Y 轴类型选 CFG Scale # Y 轴值填写：7, 8, 9, 10 # 这样一次跑图就能得到 3×4=12 张对比图 # 快速看出哪个服装颜色和 CFG 组合效果最好

这个方法的优势是一次跑图就能看出多个变量的影响。我一般用 X 轴测提示词变体，Y 轴测 CFG 或步数。跑完一轮后，选定最佳组合，再固定下来做精细出图。

另一个技巧是提示词权重的时间调度（Prompt Scheduling）。在 AUTOMATIC1111 里可以用[word1:word2:0.5]的语法，表示前 50% 步数用 word1，后 50% 步数用 word2。这个技巧适合做风格渐变或光照变化的效果。

# 前 40% 步数用 "daylight"，后 60% 步数用 "sunset" [daylight:sunset:0.4], a city street, cinematic style # 前 30% 步数用 "sketch"，后 70% 步数用 "oil painting" [sketch:oil painting:0.3], a portrait of a woman

这个语法在 SD 1.5 和 SDXL 上都支持，但 SDXL 因为步数更多，调度点的精度更高。

最后说一个我自己的习惯：每次出图后，把提示词、参数、Seed 和出图结果截图保存在一个文件夹里。积累到 50-100 张后，你会发现自己常用的提示词结构、参数组合和风格词就那么几套。把这些固化成模板，出图效率会翻倍。提示词工程不是玄学，是可以用数据优化的工程问题。希望帮到你。

本文还有配套的精品资源，点击获取