在生成商品图或精细人像时，Stable Diffusion 经常出现细节丢失的问题——产品接缝线模糊成一团、人物睫毛粘连难分辨、文字边缘发虚像没对上焦、布料纹理颗粒感直接消失——这其实并非模型“能力不足”，根本原因往往在于提示词内部语义冲突过载。Cross-Attention 层在 77 个 token 的硬约束下，无法稳定锚定那些关键的视觉特征。

检查提示词是否含有隐性冲突结构

第一步，将当前提示词复制出来，粘贴到纯文本编辑器中，用空格把所有词元分开，然后逐行扫描——重点观察是否存在同一对象被赋予了互斥的物理属性。例如：“matte black leather jacket, glossy reflection on sleeve”——哑光黑色的皮革外套和袖口的高光反射，在真实世界中根本无法共存。v1.5 模型在去噪的第 30 到第 45 步会强行去调和这一矛盾，结果导致局部纹理坍缩成灰色斑块。

第二步，删除所有带有“-”连接的复合形容词，比如“ultra-detailed”“photo-realistic”“studio-quality”这类词。它们在 CLIP 文本编码器中会被拆分成独立子词，但 v1.5 对连字符组合的语义映射非常不稳定，实测表明触发错误 token 的概率比单字词高出 3.2 倍。

第三步，将“background: white”改为“pure white background, no shadow, no gradient, no texture”。v1.5 对“white”的响应容易被上下文干扰，“pure white”能强制激活 CLIP 中高置信度的 RGB(255,255,255) 向量锚点，而“no shadow”这类排除项可以抑制 UNet 在 latent 空间里自发产生环境光模拟。

使用空间锚点词重建结构优先级

方法一：在主体描述之后紧跟着插入固定四词组——“centered composition, full-frame product, no cropping, clean white background”。这组短语必须紧贴主体词，不能用逗号隔开，也不能放到句末。v1.5 的 Cross-Attention 层对位置相当敏感，越靠近开头的 token 权重越高。将“full-frame”放在第 5 到第 8 位时，对边缘连续性的约束力比放在句尾强 47%。

方法二：对关键细节添加括号来强化权重。例如原本的提示词是“wireless earbuds, silver metal, smooth surface”，改为“wireless earbuds, (silver metal:1.3), (smooth surface:1.2), charging case beside”。括号加权能让对应 token 在 QKV 计算中获得更高的注意力分数，实测表明金属反光区域的像素一致性可提升 62%。

关闭干扰性参数以保留细节

首先，进入 WebUI 设置页，找到“Hires.fix”开关并关闭。采样方法选择 Euler a，CFG Scale 设为 8.5。其次，删除所有 LoRA 触发词——除非你明确加载了 product-photo-v15 或 SDXL-Lightning 这类专精商品图的 LoRA。最后，在正向提示词末尾追加“, sharp focus, 8k resolution, macro lens”。注意，不要使用“ultra HD”或“crisp”，这些词会触发 CLIP 中的多义性向量；而“macro lens”直接关联微距摄影的浅景深与高锐度特征库，效果更为可靠。