什么是提示词加权？
提示词里的每个词都在争夺模型的注意力。加权让你为特定 token 上下调节，使模型强调 —— 或忽略 —— 它们。权重高于 1.0 会强化一个概念；低于 1.0 会削弱它。
数值权重：(token:1.2)
最清晰的语法是显式乘数。用括号包住文本，再加冒号和一个数字：
(detailed eyes:1.3)—— 约多 30% 的强调。(background:0.6)—— 大幅推向背景。1.0为中性；最有用的值落在0.7到1.5之间。超过约 1.6 图像往往会失真。
括号强调：(((这个))) 和 [[这个]]
Automatic1111 也支持不带数字的括号。每一层 ( ) 把 token 权重乘以约 1.1，每一层 [ ] 除以约 1.1。所以 ((vivid)) ≈ 1.21×，[muted] ≈ 0.91×。数值形式更易推理，所以一旦超过一两层就优先用它。
LoRA 语法：<lora:name:weight>
LoRA 是注入风格、角色或概念的小型附加模型。在 Automatic1111 和 Forge 中你内联加载它：
<lora:add-detail:0.8>—— 以 0.8 强度加载 *add-detail* LoRA。- 典型强度为
0.6–1.0；添加更多标签来叠加多个 LoRA。 - 许多 LoRA 还需要提示词中的触发词才能激活 —— 查看模型卡。
在 ComfyUI 中你通常用 Load LoRA 节点而非内联文本来应用 LoRA，并有独立的模型与 CLIP 强度滑块。
BREAK：隔离概念
CLIP 以 75 个 token 为一块读取提示词。在两组之间放 BREAK 会开启一个新块，使它们不互相渗透 —— 当颜色或属性在主体间串味时很有用。ComfyUI 用 Conditioning (Concat) 节点实现同样效果。
Automatic1111 与 ComfyUI：哪些可以通用
- 两者都能用： 逗号分隔的标签和
(token:1.2)数值形式。 - 仅 A1111 / Forge： 嵌套
( )/[ ]强调和内联<lora:…>。 - ComfyUI： LoRA 和条件经由节点；正面与负面提示词是独立输入。
引擎专属技巧见配套的 ComfyUI 与 Automatic1111 提示词指南。
常见问题
提示词中的 (token:1.2) 是什么意思？▾
它把「token」的注意力权重乘以 1.2，让模型多强调约 20%。低于 1.0 会削弱它；1.0 为中性。
在 Automatic1111 中如何为提示词加权？▾
用带数字的括号包住文本 —— (detailed eyes:1.3) —— 或使用不带数字的括号，其中每层 ( ) 把权重乘以约 1.1，每层 [ ] 除以约 1.1。
什么是 LoRA 语法？▾
LoRA 用 <lora:filename:weight> 内联加载，例如 <lora:add-detail:0.8>。权重调节 LoRA 的强度；0.6–1.0 较为典型。
ComfyUI 和 Automatic1111 使用相同的加权吗？▾
ComfyUI 支持数值形式 (token:1.2)，但默认不支持 A1111 的嵌套 ( ) / [ ] 乘数，且 LoRA 通常用 Load LoRA 节点而非内联 <lora:…> 文本来应用。