- 提示词（Prompt）
- 你给图像模型的文本描述。在 Stable Diffusion 等工具中通常是一串以逗号分隔的标签或短语。
- 负面提示词
- 列出你不想要内容的第二条提示词（如「blurry, extra fingers」）。模型会远离这些概念。
- 注意力权重
- 作用于提示词某部分的乘数——写作 (token:1.2)——让模型强调（>1.0）或弱化（<1.0）它。
- CFG 比例
- Classifier-Free Guidance：模型多严格地遵循你的提示词。低则自由有创意；高则忠实但可能显得「过火」。5–8 较为典型。
- LoRA
- Low-Rank Adaptation：注入风格、角色或概念的小型附加模型。以 <lora:name:weight> 内联加载，或在 ComfyUI 中通过节点加载。
- Token（词元）
- 模型读取的单位。CLIP 以 75 个 token 为一块处理提示词；一个 token 大约是一个短词或词片。
- BREAK
- 结束当前 75 token 块并开启新块的关键词，避免概念群相互混合。
- Embedding（Textual Inversion）
- 一个训练得到的关键词，代表基础模型原本不认识的概念，通过在提示词中打出其名称来使用。
- 采样器（Sampler）
- 一步步把噪声变成图像的算法（如 Euler a、DPM++ 2M）。影响速度和最终观感。
- 步数（Steps）
- 采样器运行的去噪迭代次数。在一定程度内更多步数能增加细节，之后趋于平稳。
- 种子（Seed）
- 初始化随机噪声的数字。相同种子加相同提示词与设置会复现同一张图像。
- 通配符（Wildcard）
- 像 {red|blue|green} 或 __colors__ 这样的占位符，会解析为一个随机选项，用于快速变化提示词。
- Danbooru 标签
- 一套受控标签词汇（来自图像站 Danbooru），Pony 和 Illustrious 等动漫/插画模型以此训练。
- 检查点 / 模型
- 生成图像的主要训练权重（如 SDXL、Pony、Flux）。不同检查点期待不同的提示词风格。
AI 图像提示词术语表
用通俗语言解释在为 Stable Diffusion、ComfyUI、Automatic1111、Midjourney 和 Flux 写提示词时会遇到的术语。
无需纠结语法即可构建
Prompt Builder 把加权、LoRA 标签和负面提示词变成一键片段和键盘快捷键 —— 在 Web、macOS、Windows 和 Linux 上免费。