ComfyUI 提示词完全指南：权重语法、模板结构与出图调优
ComfyUI 提示词完全指南：权重语法、模板结构与出图调优
很多人把 ComfyUI 的提示词当关键词堆砌：best quality, masterpiece, 1girl, blue hair...。堆是堆得出来，但人物、动作、背景全混在一起，改一处动全身。这篇文章拆解提示词的语法规则和结构模板，让你写出来的提示词「指哪打哪」。
一、先分清：ComfyUI 用的是什么提示词
ComfyUI 本身不产出提示词语法，它只是把提示词交给背后的模型（Stable Diffusion、Flux、SDXL、Wan 等）。所以要掌握两套东西：
ComfyUI 工作流里怎么写：正负提示词各放哪个节点（CLIP Text Encode）、加权怎么写；
模型认什么语法：SD 1.5 / SDXL / Flux 对提示词的理解差异很大。
本文默认以最主流的 Stable Diffusion / SDXL 生态为例，Flux 的特殊之处会在最后单独讲。
在开始之前，先建立一个重要的认知：提示词是写给「文本编码器」看的，不是写给「扩散模型」看的。SD 的 CLIP 文本编码器把提示词转成语义向量，扩散模型再根据这个向量「去噪」出图。所以「模型认不认某个词」，本质上取决于训练时这个词是否出现在图文对里——这也解释了为什么中文效果普遍不如英文、为什么专有名词经常画不对。理解了这一层，你就不会为「我明明写了关键词它却不听」而困惑了。记住：与其纠结单个词，不如把提示词当作「一组意图信号」来整体组织。
二、权重语法：括号和冒号是全部
ComfyUI（A1111 同源）的提示词加权语法靠括号，规则如下：| 写法 | 含义 | 等价 || — | — | — || (keyword) | 权重 1.1 倍 | — || ((keyword)) | 权重 1.21 倍 | — || (keyword:1.5) | 权重 1.5 倍 | — || (keyword:0.8) | 权重 0.8 倍（削弱） | — || [keyword] | 权重 0.91 倍（削弱） | (keyword:0.9) |
提示：
(keyword:数字)是精确控制；不写数字的括号是固定倍率，一层 1.1。别用超过 2.0 的权重——超过 2.0 画面往往开始劣化，出现色块和伪影。推荐范围 0.8 ~ 1.5。
权重的作用：让模型把注意力更多/更少放在某个词上。比如想要「金发」更明显，写成 (blonde hair:1.4)；想要背景模糊，可以 (blurred background:0.7) 甚至放进负提示词。
负提示词也要加权：负提示词里权重越高，抑制越强。写 (blurry:1.4) 比写 blurry 更有效地去除模糊。
渐变语法：从一个词过渡到另一个词
[from:to:step] 是进阶语法，常用于画面风格渐变，比如风景转人像：
1 | [landscape:portrait:0.5] |
含义：在步数 50% 前使用 landscape，之后切换到 portrait。这个语法在 ComfyUI 里通过 KSampler 的步数和 Seed 配合控制，是风格迁移/混合的好工具。
进阶组合：渐变可以叠权重，例如 [(sunset:1.3):(night:1.2):0.4]，前半段强调黄昏、后半段强调夜晚，中间的过渡自然。注意 step 是 0~1 之间的小数，表示「在前百分之多少的采样步数时切换」；0.4 就是在第 40% 步切换。这个语法的乐趣在于可控的「过渡段」——比直接写「黄昏与夜晚的交界」要精确得多，因为它控制的是采样过程本身而不是画面的语义。
三、模板结构：把提示词拆成五个维度
单靠权重解决不了「画面混乱」的问题。真正高效的做法是按角色给提示词分层，每个部分各司其职。推荐的五段式结构：
1 | 主体 + 特征 + 环境/背景 + 风格/光线 + 修饰词（质量/镜头/细节） |
举例，想画「窗边读书的少女」：
1 | a young woman reading a book, (long black hair:1.2),(wearing a white sweater:1.1),sitting by a rainy window, soft natural light,(cinematic lighting:1.3), detailed face, best quality |
拆开看：
| 段位 | 内容 | 例子 |
|---|---|---|
| 主体 | 谁/什么在画面里 | a young woman reading a book |
| 特征 | 外观细节 | long black hair、white sweater |
| 环境 | 在哪、什么氛围 | rainy window、soft light |
| 风格 | 画风、镜头语言 | cinematic、detailed |
| 修饰 | 质量词 | best quality、highres |
关键原则：主体放最前面。Stable Diffusion 对提示词开头的词重视程度更高，主体放前面能有效避免「画了个啥都说不清」。
权重分配的艺术
不是所有词都值得加权。经验法则：
主体和核心特征：1.1~1.3，轻微强调；
决定性风格（如 cinematic、anime）：1.3~1.5，风格是否出现就看它；
背景氛围：1.0~1.1，不要抢主体风头；
质量词（best quality 之类）：0.9~1.0，它们的作用已经被训练得很稳定，不用堆。
三套可直接抄的模板
光讲结构容易空，这里给三套覆盖不同场景的完整模板，直接用、再微调。
1. 人物特写模板（适合头像、角色设计）
1 | (portrait of a woman:1.2), (detailed face:1.1),(short silver hair:1.2), blue eyes,wearing a black turtleneck,soft studio lighting, shallow depth of field,photorealistic, 8k, high detail |
2. 产品/静物模板（适合电商、平面）
1 | a minimalistic desk lamp on a wooden table,(clean white background:1.2),(product photography:1.3), studio light,(high contrast:1.1), centered composition,4k, sharp focus |
3. 场景/风景模板（适合壁纸、概念图）
1 | a misty mountain valley at dawn, pine forest,(river flowing through:1.2), (golden morning light:1.3), volumetric fog,cinematic wide angle, masterpiece, highly detailed |
提示：三套模板都遵循「主体 → 特征 → 环境 → 风格 → 修饰」的顺序。复制去用的时候，只替换加粗标了权重的核心词，其他保持原样，画面结构基本稳定。
四、正负提示词的配合策略
负提示词不是「把想要的反过来说」，而是精准列不想要的。SDXL 时代负提示词通常很短：
1 | negative_prompt = "blurry, lowres, bad anatomy, bad hands, extra fingers, watermark, text" |
几个容易踩的坑：
负提示词太长反而有害：一堆词互相干扰，模型无所适从；
别把「想要的东西」写进负提示词：比如「no more than 1 girl」这种抽象表述，模型理解不了；
hand/finger 这类是硬伤：出图后抽卡（重跑 seed）往往比堆负提示词更有效。
负提示词还有一个被低估的作用：风格收敛。当你想要「没有文字、干净画面」时，把 text, watermark, logo, signature 写进负提示词，出图干净程度立竿见影；想要写实风格时，把 cartoon, anime, illustration 写进负提示词可以防止模型「飘」到二次元风格。它不只是「去掉坏东西」，也是「划定风格边界」的工具。
五、Flux 的特殊之处：提示词越像人话越好
2024 年后的 Flux 模型对提示词的理解方式和 SD 系列完全不同：
不要写逗号拼接的关键词：Flux 更适合「一整句话」描述，像自然语言；
不要堆质量词：Flux 训练时就内置了高质量，写
best quality反而无意义；权重语法支持有限：Flux 对括号权重的响应弱于 SD，长句描述更重要；
负提示词几乎用不上：Flux 的 guidance 机制不同，通常空着即可。
一句话总结：用 SD 的思路写 SD，用聊天的思路写 Flux。
六、ComfyUI 工作流里的实操点
在 ComfyUI 界面里，提示词相关的节点主要是 CLIP Text Encode（正向/反向）。实操中的几个注意点：
Prompt 节点分开：正向和反向各一个 CLIP Text Encode 节点，别共用；
中文提示词：ComfyUI 默认不支持中文，要装翻译插件（如 ComfyUI-Custom-Scripts 等）或者自己把中文翻成英文再填；
权重实时调试：ComfyUI 里可以直接改节点里的权重数字，配合「查看并修图」（queue prompt）快速试错，不用重排整个工作流；
文本编辑器插件：嫌节点输入框太小，装 Prompt Editor 类插件，编辑体验好很多；
种子与提示词联动：改提示词后如果想对比同构图，固定 Seed 再跑。
工作流级的提示词管理
当工作流复杂起来（多 Lora、多阶段采样、图生图），提示词管理就成了一门「整理学」，几个建议：
给节点命名：把正向/反向节点改成语义化名字（如「主提示词」「风格微调」），复杂工作流里一眼看清；
Lora 权重与提示词解耦：Lora 触发词放提示词里，Lora 权重在节点上调，两者分开改，避免互相污染；
存提示词模板：把经常用的 prompt 存成 txt，或者用工作流内置的文本节点保存，换场景直接换文本；
版本化：每次大改存一份工作流 JSON（ComfyUI 支持保存工作流），出问题可以回滚。
这些习惯一开始觉得麻烦，工作流多了以后会感谢当时的自己——「为什么上次那张图好看，但我调不回来了」这种问题，基本都能靠版本化解决。
七、调优方法论：一次只改一个变量
出图不满意时，别一次改三个地方——改了不知道是哪个生效的。正确的姿势：
先固定：固定 Seed、模型、分辨率、采样器、步数；
一次改一个维度：这次只调主体权重，下次只调背景描述；
记录对比：每次改动存一张图，最后对比哪个变量影响最大；
善用权重而非加词：画面里「有但不够」用加权，「完全没有」才加新词。
举例：人物出现了但表情不够悲伤。正确做法是给 (sad expression:1.3) 加重，而不是加 crying, tearful 一堆新词——新词可能引入新的不可控因素。
一个完整的调优实战过程
假设目标是「阳光下的咖啡馆少女」，当前出图的问题是「人物在，但阳光感很弱」。按方法论走一遍：
固定基线：Seed=42，SDXL，512×768，Euler a，步数 25，CFG 7；
问题定位：画面里阳光不够——是「阳光」权重低，还是「咖啡馆氛围」抢了注意力？
第一步只调阳光：把
(morning sunlight:1.0)提到1.4，其他全部不动，跑图对比；观察结果：阳光明显增强，但人物被强光压暗——这是权重过高的副作用；
第二步补人物光：把
(backlight on the girl:1.2)加上，给人物补光；收尾：确认画面平衡后，这个组合固定下来，作为这条 prompt 的基线版本。
整个过程只动了两个词、两个权重，改一处看一处，最后得到的是「可复现、可解释」的结果。相比「一次加十个词」的玄学式调参，这种方法的每一步都能说清楚为什么。
八、提示词之外的「隐形因素」
很多新手把出图质量差归咎于提示词，其实提示词之外的几个因素影响往往更大，先排查它们再调词，事半功倍：
1. 模型本身：SD 1.5 基础模型画现代场景、人物结构明显弱于 SDXL / Flux 生态。同一个提示词在不同模型上的差异，远大于「加权 1.2 还是 1.3」。出图效果差，先确认模型选对了，再谈提示词。
2. 采样器与步数：Euler 系列适合快速预览，DPM++ 系列质量更高但慢。步数 20~30 是常规区间，超过 40 基本没有收益，少于 15 会明显欠采样、画面发糊。采样器对最终画质的影响有时比提示词还大。
3. 分辨率与放大：低分辨率直接放大容易糊。正确流程是先小分辨率出构图（512/768），满意后丢进 HiRes Fix 或 latent upscale 放大到 1.5~2 倍，而不是一开始就拉高分辨率。
4. Seed 的影响：同一个提示词，换 Seed 画面结构天差地别。调提示词时固定 Seed，才能隔离变量；找构图时反而应该多换 Seed 抽卡。
5. CFG（分类器自由引导）：CFG 太高画面过于「用力」出现伪影，太低模型不跟提示词。SD 系 7 左右、SDXL 5~7 是常见区间。画面发灰、过度锐化，先查 CFG。
把这五个因素纳入排查顺序，「提示词调优」才有意义——否则改了半小时词，才发现是 CFG 的问题，白忙一场。
九、常见问题与排查
| 问题 | 大概率原因 | 对策 |
|---|---|---|
| 主体根本不在画面里 | 提示词太长、主体被淹没 | 删掉一半词，主体放最前 |
| 加了权重没反应 | 写错格式（少了冒号） | (keyword:1.3)，冒号别漏 |
| 画面灰/发糊 | CFG 太低或步数不足 | CFG 提到 7，步数 25+ |
| 人物手/手指崩 | 模型弱项，加词无效 | 抽卡或换模型 |
| 风格不统一 | 权重分配太散 | 风格词单独加权到 1.3~1.5 |
| 中文提示词无效 | 模型不认中文 | 翻成英文，或装翻译插件 |
| 图像过度锐化/伪影 | CFG 过高 | CFG 降到 5~6 |
小结
提示词不是关键词越多越好，而是结构清晰、权重精准。记住三个要点：(keyword:数字) 精确控权重，范围 0.8~1.5；五段式「主体+特征+环境+风格+修饰」组织内容，主体放最前；一次只改一个变量做调优。Flux 用户记得切换到「整句描述」的思维模式。三套模板（人物特写、产品静物、场景风景）可以直接抄用，改权重比加新词更可控；遇到画面问题先查模型、采样器、CFG，再回头调提示词——把这两点记牢，你的出图稳定性能超过大多数靠堆关键词的人。
延伸阅读：
