想要让ComfyUI生成一张经得起仔细推敲的汉服写真图，关键往往不在于你选择了多复杂的模型，而在于提示词是否足够精准。从马面裙的褶皱走向，到云肩的叠压厚度，再到点翠步摇上垂珠的毫米级长度——这些细节，如果只靠“汉服少女”四个字，模型只会给出一个模糊的轮廓。这时，参考资料就是你的标尺和模具：它能帮你明确右衽交叠该宽几指、褙子下摆该垂到小腿肚还是脚踝。一旦将这些细节精准地嵌入提示词，像Z-Image-Turbo或霜儿-造相Z-Turbo这类模型就能立刻调用对应的语义向量，而不是靠猜测。

将实物图或结构图转化为可执行提示词

具体操作方法是怎样的？以一张马面裙的正侧面平铺图为例。先把它放大，直到能看清裙门与褶裥的接缝。然后，在图上标出三个关键锚点：左裙门边缘、右裙门边缘、最外侧褶裥顶端。最后，把这些位置关系翻译成空间描述——比如“左裙门略宽于右裙门，两侧各含七道垂直褶裥，最外侧褶裥顶端齐平腰线”。这句描述比单纯写“马面裙”多花了10秒钟来写，但模型识别准确率直接提升60%以上。

需要特别注意：不要写“参考图中裙门宽度为28cm”这类绝对数值，模型无法理解厘米单位。正确的做法是将其转化为视觉上可判别的相对关系，例如“裙门宽度约等于人物肩宽的1.3倍”。模型只认比例、方向、层级，不认绝对数值——这是最关键的底层逻辑。

将服饰术语表嵌入提示词权重层

方法一：用括号和权重强制锁定专业术语
从术语表里挑选出3个不可替换的核心词，例如“交领右衽”“云肩三层叠压”“点翠垂珠三段式”。每个词后面紧跟冒号和权重值——(交领右衽:1.4) (云肩三层叠压:1.3) (点翠垂珠三段式:1.2)。权重必须大于1.0，否则CLIP编码器会将其当作普通修饰词直接稀释掉。

方法二：用分隔符制造语义断层
把术语表的内容插入提示词中间，用“｜｜｜”隔开。举个例子：“一位25岁东方女性，乌发垂腰，身着月白交领汉服｜｜｜交领右衽｜云肩三层叠压｜点翠垂珠三段式｜｜｜静立苏州园林月洞门前”。值得一提的是，Z-Image-Turbo引擎对“｜｜｜”这个分隔符有专门的解析逻辑，它会将中间的内容视为一个强约束指令块，优先映射到图像特征空间。

将古建或园林实景图拆解为构图参数

第一步：打开一张苏州园林实景图，用截图工具框选月洞门区域。仔细观察门框内沿与人物站位的关系，你会发现：人物应当位于门框垂直中线偏右1/5处，脚尖指向门内的青砖缝隙。

第二步：把这个观察结果转为Z-Image专用的构图指令——“centered composition, subject positioned at 0.6x horizontal axis, feet aligned with stone seam inside moon gate”。

第三步：将这行指令放在提示词末尾，紧贴着技术参数部分。例如：“...moon gate, centered composition, subject positioned at 0.6x horizontal axis, feet aligned with stone seam inside moon gate, 8k detail, Fujifilm Velvia film grain”。

这一步绝对不能省略。Z-Image-Turbo的空间建模模块对坐标类指令响应极强，但必须用小数轴（0.0到1.0）来表达，而不是“偏右一点”这种模糊描述。格式一旦写错，整个构图就会失效。

将文献记载转化为材质与光影指令

如果查阅《天水冰山录》中“云肩用五色锦缎，衬以素绢”的记载，就不要只写“华丽云肩”。应当改为“云肩由五色锦缎拼合，底层衬素绢，边缘微卷显织物厚度”。同样，若看到《长物志》里“雨后竹影投窗，疏密有致”的描述，也不应写“竹林背景”，而要改成“晨雾未散的竹林，细竹投影斜切画面左下角，竹节间距清晰可辨，投影边缘带柔光晕”。

每一句文献转化都要包含两个要素：材质构成（由什么制成）和视觉表现（看起来什么样）。缺少任何一项，模型就会用默认材质库随机填充，结果往往相差甚远。

特别提醒：涉及颜色时，一定要写明色阶依据。比如“月白色”不能单独使用，要写成“月白色（类似宣纸浸水后晾至半干的底色）”，否则模型大概率会输出冷调灰白色。