Stable Diffusion知识库整理提示词怎么按平台生成不同版本

在使用Stable Diffusion的过程中，一个让人头大的问题往往不是模型怎么选，而是——提示词怎么“翻车”。

明明在WebUI上跑得好好的提示词，到了ComfyUI里效果变了味，放到SDXL工作流里更是直接崩掉。这种现象非常普遍，原因不在于词本身，而在于不同平台的提示词解析机制完全不同。

简单来说，WebUI用圆括号加权、逗号分隔；ComfyUI更依赖关键词的排列顺序来控制权重，括号用起来要格外小心；而SDXL最特别，必须把提示词拆成两段分别输入，并且完全禁止使用括号权重。如果搞不清楚这些差异，直接复用提示词，出图失败几乎是必然的。

下面我们就逐一拆解，不同平台到底该怎么写提示词。

WebUI平台适配：逗号分隔+括号加权

比如我们拿“赛博朋克女孩，霓虹雨夜，机械义眼，胶片颗粒感”这个描述来举例。首先，要把它们转成英文基础句式：

cyberpunk girl, neon rain night, mechanical eye, film grain

接下来，按照WebUI的解析逻辑调整结构——质量词放在最前面、主体居中、风格与质感往后排。同时用圆括号控制权重：

(masterpiece:1.3), (best quality:1.2), cyberpunk girl, (neon rain night:1.1), mechanical eye, film grain

需要注意一个关键细节：WebUI不识别方括号[]嵌套，所有权重必须用圆括号()，而且括号里不能包含空格或中文。像[cyberpunk]这种写法会被直接截断为“cyberpunk”，权重完全失效。

，这一点非常关键。

ComfyUI平台适配：JSON节点化+CLIP文本编码器兼容

ComfyUI的做法和WebUI不太一样，它有两种常见写法。

方法一：直接使用CLIPTextEncode节点输入字符串。直接在Positive Prompt框里粘贴：
"masterpiece, best quality, cyberpunk girl, neon rain night, mechanical eye, film grain"

方法二：拆分成独立的CLIPTextEncode节点链，适合调试场景。具体操作是：
→ 创建两个CLIPTextEncode节点
→ 第一个节点输入："masterpiece, best quality, cyberpunk girl"
→ 第二个节点输入："neon rain night, mechanical eye, film grain"
→ 将两个节点的输出同时接入到KSampler的positive输入端。

这里要特别提醒：ComfyUI对括号加权支持并不稳定，某些自定义节点甚至完全忽略( )内的数值。因此，

——越靠前的词，影响力越大。这个规则比括号加权可靠得多。

SDXL平台适配：双文本编码器分域输入

SDXL是最特殊的一个平台。它必须要拆分成Prompt A（基础描述）和Prompt B（风格强化）两个字段，否则CLIP ViT-L/14和CLIP ViT-G/14这两个编码器根本没法协同工作。

具体操作分三步：

第一步，分离语义层级。
Prompt A（由ViT-L/14处理）：cyberpunk girl, mechanical eye, neon rain night
Prompt B（由ViT-G/14处理）：masterpiece, best quality, film grain, cinematic lighting

第二步，禁用所有括号权重。SDXL原生不支持( )加权语法，强行加入会导致文本编码器把后半段直接截断，结果就是“film grain”这类关键质感词完全丢失——生成的画面会变得非常不理想。

第三步，在SDXL专用工作流中，将Prompt A填入“Base Prompt”字段，Prompt B填入“Refiner Prompt”字段。两个字段必须同时存在且内容非空，否则Refiner模型不会被激活，出图效果也会大打折扣。

理解了这三套机制的差异，再写提示词就不是碰运气了——而是真正做到了“对症下药”。