先给出一个核心观点：ComfyUI图像生成不稳定，绝大多数情况并非模型本身“闹脾气”，而是提示词结构搭建不够合理——好比用歪斜的脚手架盖楼，稍有风吹就晃。常见陷阱就出在中文提示词上：例如“古风少女”被CLIP分词器拆解成“古”“风”“少”“女”四个独立字块，语义链瞬间断裂，模型只能凭猜测生成；添加权重后的“(汉服:1.3)”可能尚未被正确解析，反而让“服”字单独放大，最终输出一堆莫名其妙的布料褶皱。因此，关键策略是：将中文提示词预先翻译成英文，并按照主体、场景、风格、质量四层结构组织，负面词要精准匹配且全部采用英文，权重控制在1.0–1.5之间。

你看，这就像写作文时误用标点符号——整段话的意思全然改变。ComfyUI出图不稳定的根因，往往不是模型本身在“使性子”，而是提示词的搭建方式不够稳固：犹如用歪斜的脚手架搭楼，微风吹来便摇晃。中文提示词尤其容易踩雷：一个“古风少女”经CLIP分词器处理后变成“古”“风”“少”“女”四个孤立字块，语义链条断裂，模型只能胡乱猜测；加上权重的“(汉服:1.3)”可能根本没有被正常识别，反而让“服”字单独被放大，生成一堆离奇的布料褶皱。

如何验证提示词已被CLIP正确分词

第一步：打开ComfyUI，加载CLIP Text Encode节点，将中文提示词粘贴进去。

第二步：右键该节点→选择“View Node Info”，在弹出的窗口中点击“Show Tokens”按钮。

第三步：仔细观察Token列表——如果看到大量单字（如“汉”“服”“樱”“花”）、乱码符号（如“▁”“Ġ”）或中英文混杂（如“han”“fu”），则说明分词已失败。此时任何权重、逗号分隔、括号语法均无效。

第四步：与英文提示词对比——输入“Chinese hanfu girl under cherry blossoms”，再点击Show Tokens，你会看到“chinese”“hanfu”“girl”等完整语义单元。这才是模型能够理解的语意结构。

重构提示词：从“堆砌描述”转向“分层引导”

方法一：预先翻译 + 结构化填充（推荐首选）

先将中文原意通过DeepL或Google Translate转换为准确英文，再按照四层结构组织：

主体（Who/What） + 场景（Where/When） + 风格（How） + 质量（Quality）

示例：“穿宋制褙子的20岁女子站在杭州西湖断桥边，水墨渲染，8K细节，柔光” →

“a 20-year-old East Asian woman wearing Song-dynasty beizi, standing on Broken Bridge at West Lake in Hangzhou, ink painting style, 8k resolution, soft lighting”

注意：文化专有名词（如“褙子”“断桥”）必须保留拼音或公认英文译法（beizi / Broken Bridge），不可直译为“back coat”或“broken bridge”——否则模型会真的生成一座坍塌的桥梁。

负面提示词并非多多益善，而应精准卡位

第一步：先删除所有“lowres,bad anatomy,extra fingers”这类通用词包——它们在中文提示词失效时会进一步干扰注意力分配。

第二步：只保留与当前提示词直接冲突的项。例如如果你写了“穿旗袍”，就在Negative Prompt里添加“qipao, cheongsam”（防止模型误用其他中式服装）；写了“白天”，就添加“night, dark, sunset”（避免光影逻辑混乱）。

第三步：将负面词也翻译成英文，并确保与正向提示词处在同一语义层级。不要混用中英文负面词，否则CLIP编码器会将“模糊”和“blurry”视为两个独立信号同时激活，反而强化模糊感。

验证权重是否真正生效

① 在英文提示词中测试基础权重语法：(masterpiece:1.3), (detailed face:1.5), (soft lighting:1.2)

② 每次只调整一个关键词的权重，运行3次对比图——如果变化不明显，说明该词未被CLIP识别为独立Token，需更换更标准的英文表达（例如将“detailed face”改为“sharp facial features”）。

③ 避免嵌套权重：((masterpiece:1.3):1.2)这种写法在ComfyUI中不被支持，会导致整个Token段被忽略。

④ 权重值超过1.6后边际效应急剧下降，且容易引发画面过曝或结构扭曲，核心词权重严格控制在1.0–1.5区间。