在使用ComfyUI进行人物背景替换时，许多新手的第一反应是输入一句“white background”之类的简单描述——但模型往往不会正确执行。关键在于，提示词必须与ControlNet、Segment Anything等节点的语义理解逻辑精准匹配。简单来说，不能照搬Stable Diffusion WebUI那套写法。

基础提示词结构：主体描述·遮罩强化·背景设定三段式

首先明确核心思路：在Positive提示词框中，按顺序包含三部分：主体描述 + 遮罩强化词 + 新背景描述。各部分之间用英文逗号分隔，注意不要换行。

主体描述部分需要足够详细，涵盖服装、姿态甚至肤色等细节。例如：“a young East Asian woman, wearing light blue sweater, smiling, front view, high-resolution face details”。描述越具体，模型对主体的识别越精准。

遮罩强化词堪称整套提示词的“关键命门”。必须包含“【person in foreground, clear silhouette, well-defined edges】”，这一短语能够触发Segment Anything或CLIPSeg执行精准分割。缺失该词，极易导致背景残留或主体被错误裁剪。

最后添加新背景描述。关键在于使用具体场景替代抽象词汇——例如“sunset beach with palm trees and gentle waves”远比“beautiful background”有效。

针对不同背景类型的提示词变体与技巧

根据具体场景需求，提示词写法需要相应调整。以下是三种常见方向：

方法一：纯色背景（适用于电商产品图）
直接使用“solid color background, studio lighting, seamless gradient”描述，同时在KSampler节点前插入一个“Solid Color Background”节点，通过RGB值精确指定背景颜色，这种方法比单纯依赖提示词更可靠。

方法二：自然场景融合
自然场景最容易产生“贴纸感”。解决方法是：在背景描述之后追加“photorealistic lighting matching subject, consistent shadow direction, depth of field blur on background”，否则人物与背景会显得生硬拼合。

方法三：室内场景
室内场景的核心在于环境光照。务必添加类似“indoor living room with warm ambient light, soft shadows from window on left, bookshelf in background”的描述。缺少这些光线线索，生成的室内环境会显得物理不真实。

负向提示词中必须屏蔽的干扰项

关于负向提示词（Negative prompt）的标准内容——如deformed hands、bad anatomy、extra limbs等常规项——仍然需要写入。但以下两点需要特别强调：

第一，在Negative prompt中务必加入“【cloned background, repeated pattern, tiled texture】”，否则使用Tile Diffusion节点时，背景容易出现明显的平铺伪影，如同壁纸重复贴图。

第二，负向提示词的构建逻辑并非“越多越好”，而是需要精准针对所使用的节点可能产生的特定瑕疵。每个节点有不同的“弱点”，提示词也应因需制宜。