当你在LiblibAI中生成的图像出现皮肤纹理模糊、织物褶皱丢失、金属反光生硬或手部结构松散等问题时，单纯依赖重新生成往往难以奏效——建议按照模型层→参数层→提示词层→约束层→局部层的顺序逐级进行干预，每个环节都对应着一个可验证的细节修复入口。下面我们梳理完整的操作流程。

按模型层→参数层→提示词层→约束层→局部层顺序逐级干预：更换为NanoBanana Pro模型并加载“超清微距”LoRA；重绘幅度设定为0.28～0.33、采样步数设为36～39、开启2倍超分+锐化功能；提示词按材质层、动词层、渲染参数层三段式编写；加载Depth ControlNet（权重设定1.15，步序范围0.3～0.75）以稳定结构；关键区域使用羽化蒙版进行高幅度局部重绘。

换用高细节适配模型

基础模型直接决定了细节表现的上限。以NanoBanana Pro（全能图片模型V2）为例，它对微观结构的建模精度相比默认模型提升了约37%，尤其擅长还原毛发走向、布料经纬、指甲透光这类亚像素级特征。操作方面，点击左侧的「图片生成」，在模型下拉框中选择「NanoBanana Pro(全能图片模型V2)」，如需强化特定材质，再点击「添加风格模型」，搜索并启用“超清微距”LoRA。需要特别注意——务必禁用泛化型风格包，例如“唯美滤镜”“日系柔焦”，它们会覆盖底层的细节信息。确认画幅比例设置为1:1或4:5，避免使用1.33×或0.87×等非整数缩放倍率，否则插值过程会削弱边缘锐度。

调低重绘幅度保结构，再拉高采样步数补纹理

重绘幅度（Denoising Strength）是细节修复的第一道关键闸门：设置过高会导致AI重写原有结构；设置过低又无法补充新纹理。这需要与采样步数形成协同配合。第一步，将重绘幅度设定在0.28～0.33区间，人像类优先选择0.28，复杂场景图可尝试0.33。第二步，同步将采样步数（Sampling Steps）提升至36～39。低于35容易残留噪点，高于40则可能引发过拟合伪影——例如睫毛根部出现锯齿状异常分叉。第三步，勾选「高清修复」，选择“2倍超分+锐化”子模式。该模式内置边缘感知算法，能够独立增强衣领接缝、瞳孔高光、锅沿油渍等关键线条，同时不干扰整体的灰度过渡效果。

用三段式提示词锚定细节层级

提示词并非越长越好，关键在于让AI明确“哪里该细、怎么细、细到什么程度”。混乱的描述只会让AI将注意力分散到无关区域。

方法一：主体材质层——清晰描述物理属性。例如：“真丝旗袍面料垂感强烈，腋下有自然悬垂弧度，领口绲边线迹清晰可见”。其中“垂感强烈”触发重力模拟，“悬垂弧度”提供空间参照，“线迹清晰”锁定毫米级目标。

方法二：微观动词层——用动词替代形容词。不要写“精致的袖口”，而应写“袖口卷边处微微外翻，露出内衬浅青色包边”。动词“外翻”“露出”强制AI构建三维折叠逻辑，比静态描述更稳定可靠。

方法三：渲染参数层——绑定分辨率与光照条件。结尾追加：“8K分辨率，侧逆光从左上方45°照射，丝绸表面泛起细碎绸缎光泽”。这句既限定了输出精度，又用光源角度排除了AI常用的顶光、平光等假光源路径。

加载Depth ControlNet稳住结构骨架

当画面出现手指粘连、衣褶穿模、建筑透视歪斜等结构性问题时，仅靠提示词和参数已不足以解决，必须引入外部几何约束。在ComfyUI工作流中添加ControlNet节点，选择depth预处理器，上传原图自动生成深度图，然后将ControlNet权重设为1.15，步序范围设为0.3～0.75。权重低于1.0时约束力不足，高于1.2则容易导致边缘硬化或动作僵直。这一步相当于给AI装上一把虚拟卡尺，让它在重绘过程中始终以原始深度关系为基准。即便放大到200%，也能清晰看到袖口与手腕的包裹逻辑。

对关键区域做多轮局部重绘

全局参数调得再精准，也难以兼顾所有细节密度。眼睛、嘴唇、金属扣、食物油光这些高频区域，必须单独进行优化。第一步，用画笔工具涂抹需要强化的区域，羽化值设为10像素，确保过渡自然。第二步，重绘幅度调至0.78，比全局值高0.45以上，确保高频信息被充分注入。第三步，提示词聚焦单一要素，例如只写“虹膜纹理清晰，瞳孔边缘有细微放射状纹路，眼白带淡青色血管”，注意避免混入“人物微笑”“背景虚化”等干扰项。第四步，生成后立即关闭蒙版，对比原图检查色彩一致性——如果局部偏暖，说明重绘时未继承原图白平衡，需要在提示词开头加“保持原始色温不变”。