Prompt 工程 · 正反向/权重/BREAK

一、Text Encoder 决定一切

理解 prompt 的第一步:模型"读"你写的字用的是 text encoder,不是魔法。不同模型的 text encoder 差异很大,决定它能理解什么样的文本。

关键区别:CLIP 只懂 77 token 上下文,T5 能读 512 token 的复杂句子。这就是为什么 Flux 能画出"一个戴红帽子的男人站在桌子左边,桌上放着三个黄色苹果和一本打开的书"这种多目标场景,而 SDXL 经常把红帽子戴到苹果上。

二、SDXL/SD1.5 的 prompt 原则

1. 按重要度从前往后

CLIP 对靠前 token 更敏感——主体 → 动作 → 环境 → 风格的顺序几乎铁律:

好:
a majestic siberian husky, wearing round glasses, sitting at a
wooden desk, warm afternoon light, bookshelf background,
photorealistic, shallow depth of field

差(风格先/主体后):
photorealistic, shallow depth of field, bookshelf, afternoon light,
wooden desk, sitting, round glasses, a siberian husky

2. 关键词比自然语言更稳

SDXL 对"关键词列表"比"完整英文句子"更敏感:

SDXL 友好:
1girl, long silver hair, red dress, standing, garden, cherry
blossoms, soft light, detailed, masterpiece

SDXL 可用但不是最优:
A girl with long silver hair wearing a red dress stands in a
garden with cherry blossoms under soft light.

但 Flux 反过来——Flux 喜欢完整自然句子,标签风会让它"水土不服"。下面第七节详解。

3. 权重语法

4. BREAK 语法(重置 CLIP 上下文)

SDXL/SD1.5 的 CLIP 上下文是 77 token——一个 prompt 可以写超过 77,ComfyUI 会自动分片(chunk)。BREAK 显式告诉它"这里切开":

a beautiful woman, blue dress, standing on beach BREAK
sunset sky, dramatic clouds, ocean waves BREAK
hyperrealistic, golden hour, 8k

作用:避免不同语义互相"污染"——否则"blue dress" 可能和 "sunset sky" 混进同一个 chunk,模型会画出蓝色晚霞。

5. AND 语法(多条件混合)

AND 是另一种语义隔离——两段 prompt 各自编码后按权重加权平均:

red car :1.0 AND blue car :1.0
# 结果:紫色车(红蓝混合)

red car :1.5 AND blue car :0.5
# 结果:偏红色车

实用场景:生成"介于两种风格之间"的图——studio ghibli style :1.0 AND makoto shinkai style :1.0。

三、ComfyUI 的两个 CLIP Text Encode 技巧

CLIP Set Last Layer(Clip Skip)

一个争议技巧——跳过 CLIP 最后 N 层,让 prompt 更"贴近词面":

• skip = 1(默认):用最后一层
• skip = 2:跳过最后一层,常用于 Anything/NovelAI 系 SD1.5 模型
• SDXL 和 Flux 上 Clip Skip 基本无效果——不要用

Prompt 长度 > 77 token 的自动处理

ComfyUI 默认策略是把 prompt 拆成 77-token chunks,每个 chunk 单独编码后拼起来。所以你 prompt 写 200 token 不会报错,但:

• 跨 chunk 的语义关联会弱化
• 推荐显式用 BREAK 控制边界
• 核心描述放在前 77 token

四、负向 prompt 的反常识

新手以为负向 prompt 越长效果越好——错。负向也占 CLIP 上下文,太长反而压缩正向空间。

SDXL 短负向模板(已经够用)

blurry, lowres, bad anatomy, extra fingers, watermark, text,
jpeg artifacts, deformed, worst quality

常见的"越加越糟"负向

• "easynegative" 这类 embedding——对 SD1.5 有效,SDXL 上可能引入偏色
• 大段"anatomical impossibilities, extra limbs, floating limbs"——SDXL 本身已经很好,堆这些反而压缩正向容量
• "nsfw, nude, explicit"——Pony 上必加,但干净模型(Animagine)上没必要

Flux 不吃负向

Flux 的 CFG=1 让负向 prompt 物理上无效——负向 CLIP Text Encode 节点即使连上 KSampler 也没作用。别在 Flux 上写负向,浪费时间。

五、Pony / Illustrious 的标签语法

Pony V6 和 Illustrious XL 完全用 danbooru 标签训练,语法是另一套:

必加的"质量锚点"

Pony V6 正向必加前缀:
score_9, score_8_up, score_7_up, score_6_up, score_5_up, score_4_up,

Illustrious 正向必加:
masterpiece, best quality, amazing quality, very aesthetic,
absurdres

内容 rating

rating_safe,                    # 最常用
rating_questionable,            # 轻度暗示
rating_explicit,                # 明确 NSFW

负向必加(干净输出):
rating_explicit, rating_questionable

常用结构/姿态标签

1girl, solo, cowboy_shot, looking_at_viewer, standing,
outdoors, cherry_blossom_tree, detailed_background,
long_hair, silver_hair, red_dress, (smile:1.2)

Pony 生态的查询工具

• Danbooru 标签 wiki——所有合法标签的官方列表
• AI Booru——Pony 生态二次分类
• 每个 Pony LoRA 页面上都有"Trigger Tags"——必看

score_9, score_8_up, score_7_up, source_anime, rating_safe,
1girl, solo,
long_hair, (silver_hair:1.2), blue_eyes,
red_dress, white_stockings,
standing, looking_at_viewer, cowboy_shot,
outdoors, cherry_blossom_tree, (falling_petals:1.1),
detailed_background, soft_light,
masterpiece, best_quality, absurdres

六、Flux 的自然语言写法

Flux 的 T5-XXL 本身是语言模型,理解自然英文完整句子能力极强——把 Flux 当 DALL-E 3 用,别用 SDXL 的标签思维。

Flux 最优 prompt 风格(完整段落):
A photograph of a majestic Siberian husky wearing round golden
wire-frame glasses, sitting upright at a polished walnut desk.
The desk has an open leather-bound book and a steaming cup of
coffee. Behind the husky, a wall of bookshelves filled with old
volumes. Warm afternoon sunlight streams in from the left through
a tall window, creating soft shadows and a golden-hour atmosphere.
Shallow depth of field, photorealistic, cinematic composition,
shot with a 85mm lens.

Flux 特别强的能力:

• 多目标空间关系:"three red apples on the left, a yellow book on the right"
• 长段落 coherent 描述:一次描述镜头、光线、人物、物体、氛围都能出
• 文字渲染:"A sign that says 'Open 24h' hangs on the wall"——Flux 能把文字画得对,SDXL 基本崩
• 抽象概念:"a feeling of nostalgia" 这种 SDXL 听不懂的描述,Flux 能理解

七、ComfyUI 高级 prompt 节点

ConditioningCombine / ConditioningAverage

把多个 prompt 手动合并——等价于 AND 但更直观:

• ConditioningCombine:直接拼接,权重各 1
• ConditioningAverage:按 conditioning_to_strength 混合
• ConditioningConcat:前后拼,保留位置信息

ConditioningSetArea / ConditioningSetMask(区域 prompt)

让不同 prompt 作用于图像的不同区域——强力的构图工具:

CLIP Text Encode "red car" ─▶ ConditioningSetArea(x=0,   y=0, w=512, h=512) ─┐
CLIP Text Encode "blue car"─▶ ConditioningSetArea(x=512, y=0, w=512, h=512) ─┤
                                                                              ▼
                                                                     ConditioningCombine ──▶ KSampler

结果:画面左半红车,右半蓝车。比负向 prompt 精确千倍。

ComfyUI-Custom-Scripts 的动态 prompt

常用 custom node 包——支持:

• {red|blue|green} dress——随机选一个
• Wildcards:__color__ 从 color.txt 文件随机抽一行
• Lora 嵌入式语法:<lora:my_lora:0.8>

八、Prompt Weighting 和 sigma 的微妙关系

一个进阶冷知识:prompt 在不同采样步数有不同影响——早期步数决定构图,晚期步数决定细节。ComfyUI 有节点 ConditioningSetTimestepRange 能"在前 50% 步用 prompt A,后 50% 用 prompt B"——SDXL 高手做风格过渡时用。

前 50% 步:a rough sketch of a castle
后 50% 步:a highly detailed castle, 8k, octane render
结果:构图阶段用"草图"定结构(防止过度细节),细节阶段加"高质量"词让后期锐化

九、反模式

1. SDXL 写成整段英文小作文:不如关键词列表稳。
2. Flux 写成标签列表:浪费 T5 的长句理解力。
3. 权重动辄 1.8:解剖崩坏,降到 1.3 再加描述词。
4. 负向 prompt 复制粘贴巨长模板:占 CLIP 上下文,不如短而精。
5. Pony 不加 score_X:画面糊得像 10 年前。
6. Flux 加负向 prompt:物理无效,白浪费时间。
7. SDXL 上用 Clip Skip 2:SDXL 没效果还可能变糟。
8. 追求超长 prompt:200 token 不如 60 token 精准。
9. BREAK 到处乱塞:过分切 chunks 反而让语义断裂。
10. 不同模型共用同一个 prompt:SDXL 能跑的 prompt 在 Flux 上平庸,反之亦然。至少要 A/B 调过。

十、本章小结