在ComfyUI工作流中，CLIP Text Encode节点的文本输入框是提示词发挥作用的唯一核心——AI模型只会识别并执行你在此处输入的文字内容。正向提示词与负向提示词必须分别填入对应的“CLIP Text Encode (Positive)”和“CLIP Text Encode (Negative)”节点的文本框内，任何其他节点的文本输入均不被模型采纳。若需将多段描述合并，务必使用“Conditioning Combine”节点进行连接整合，并建议通过“Preview Text”节点预览最终实际输入内容，以避免因提示词拼接错误导致生成结果与预期不符。
掌握ComfyUI中提示词输入的核心位置
用户在CLIP Text Encode节点文本框中输入的所有内容，是ComfyUI工作流进行图像生成的唯一有效指令源。系统不会识别界面按钮标签、节点名称或其他非文本框区域的文字信息。模型仅解析该文本框内的纯文本提示词，工作流中的其他连线与参数设置均服务于这一核心输入。
在基础工作流中定位名为“CLIP Text Encode”的矩形节点，双击打开其参数面板，其中标有“text”的输入栏即为关键操作区域。所有提示词构思与描述均需集中在此处完成，不存在任何隐藏的文本输入通道或次级设置界面。
请勿在Load Checkpoint节点或K采样器的CFG值等参数栏内尝试输入提示词——【ComfyUI中仅有CLIP Text Encode (Positive) 与 CLIP Text Encode (Negative) 两个节点的text字段会被模型直接读取和处理】。将描述文字填入错误位置将导致提示词完全失效。
快速撰写首条可执行提示词
初始阶段无需追求复杂风格修饰，从简洁清晰的主谓宾结构开始：明确主体 + 动作状态 + 背景环境。例如：“a cat sitting on a windowsill, sunlight streaming in”。
该示例之所以能稳定生成，是因为其包含三个关键要素：具体名词（cat）、行为或状态描述（sitting）、场景定位（windowsill）。缺少任一要素，模型可能产生不可控的随机结果，例如仅输入“cat”可能导致生成背景模糊或位置异常的图像。
将撰写好的提示词直接粘贴至CLIP Text Encode节点的text输入框，注意避免使用全角标点或中文逗号。英文标点需保持半角格式，单词间需用空格分隔——“cat sitting”与“catsitting”在模型词表中会被识别为两个完全不同的标记。
负向提示词：必备的质量控制机制
在工作流中新建CLIP Text Encode (Negative)节点，并将其输出端连接至采样器的“negative conditioning”输入端口。这是抑制图像不良特征、提升输出品质的关键步骤。
建议填入通用负向提示词如：low quality, worst quality, text, watermark, signature, extra fingers, mutated hands, deformed face。这些词汇并非装饰，而是明确指令模型在生成过程中主动排除上述不良特征。
若生成图像反复出现多余手指、面部畸变或水印等问题，通常意味着负向提示词未正常生效。请检查CLIP Text Encode (Negative)节点的连线是否正确接入采样器，或是否被意外禁用。许多用户花费大量时间调整正向描述却收效甚微，根源往往在于负向提示词通道未正确连接。
结构化提示词管理：高效处理复杂描述
当提示词长度超过50个词汇时，在单一文本框内编辑极易出错。此时应采用节点结构化拆分策略，而非全部堆砌于同一输入框。
方法一：多CLIP Text Encode节点串联合并
第一步：创建第一个CLIP Text Encode节点，输入核心主体与动作，例如“a samurai warrior, armored, holding katana”；
第二步：创建第二个CLIP Text Encode节点，描述环境与光影，例如“mountain temple at dawn, misty atmosphere, cinematic lighting”；
第三步：使用“Conditioning Combine”节点合并两个节点的输出，再将合并结果连接至采样器。
方法二：采用字符串拼接节点（需安装String Concatenate等插件）
将人物设定、场景描述、艺术风格等不同维度的提示词分段输入独立文本框，通过拼接节点组合成完整语句后，再输入至单个CLIP Text Encode节点。此法便于局部修改，例如调整场景时无需在冗长文本中定位。
重要提示：串联多个CLIP Text Encode节点时，必须通过Conditioning Combine等条件合并节点进行聚合，不可将多个输出直接连接至采样器的同一输入端——【否则将引发节点报错或导致部分提示词被静默忽略】。
验证提示词实际输入内容
右键点击任一CLIP Text Encode节点，选择“View Node Info”菜单项。在弹出的信息窗口中，可查看text字段的当前内容及节点输出的conditioning数据维度。若text字段显示为空或异常字符，通常表示输入未成功保存。
更直观的验证方式：在CLIP Text Encode节点后连接“Preview Text”节点（需额外安装），并将其输出端口连接至工作流合适位置。执行生成队列后，系统将在输出图像旁生成一个文本文件，其中完整记录了本次生成任务中模型实际接收到的提示词原文。这是确认AI所“看到”指令的最终依据，而非用户主观认为已输入的内容。