要让Stable Diffusion在生成茶馆空间插画前先输出清晰的空间结构描述，关键在于绕过图像直出模式，强制模型进入文本推理阶段。这并非简单堆砌“describe the layout”这类模糊指令就能实现，而是需要借助特定模型权重、提示词结构和采样器的协同控制。下面详细拆解具体操作方法。

启用文本生成模式（非图像直出）

首先，下载并加载【SDXL-Turbo】或【Flux.1-schnell】这类支持快速文本响应的轻量级基础模型。它们内置了更强的CLIP文本编码器，对结构类关键词响应更敏感；而普通的v1.5或v2.1模型默认优先渲染画面，无法稳定输出结构描述。

在WebUI中切换到“Textual Inversion”或“Prompt Matrix”标签页，关闭“Enable HighRes Fix”，并勾选“Do not generate image”（如果你的插件支持该选项）。如果没有这个选项，可将Sampling Steps设为1，CFG Scale设为1.0，确保模型仅执行单步文本理解，不生成图像。

构建强制结构解析型提示词

以下提供三种方法，可单独使用，也可组合搭配。

方法一：用分隔符锚定逻辑层级
在正向提示词开头插入[STRUCTURE-FIRST]标记，紧随其后写：“A traditional Chinese teahouse interior → describe spatial layout first → list 5 key zones → then render visually”。AI会将方括号内的标记识别为执行优先级指令，从而触发文本解析流程。

方法二：绑定空间语法模板
输入：“Teahouse layout plan: [entrance]→[courtyard]→[main hall]→[private rooms]→[tea preparation counter] → each zone must have wall material, lighting source, and furniture count → output only bullet points”。该写法用→符号建立空间动线，用“must have”形成硬性约束，【AI跳过图像生成的前提是所有子句都包含明确输出格式要求】。

方法三：注入反向否定指令
在负向提示词中加入：“no illustration, no color, no shading, no perspective rendering, no human figures, no decorative elements — only architectural skeleton description in English”。这能有效抑制图像解码路径，迫使U-Net层回退至文本嵌入空间进行结构枚举。

验证结构输出是否生效

第一步：点击“Generate”后，紧盯右下角进度条旁的文字预览区——如果出现类似“Zone 1: Entrance with grey brick archway, overhead paper lantern, 2 wooden benches…”的逐条描述，说明结构解析已成功启动。【此时切勿等待图像结果，立即中断生成】。

第二步：复制刚输出的结构文本，粘贴进新提示词框，在末尾追加“— now render this as a warm-toned ink-wash style illustration, soft ambient light, subtle steam from teacups”。这样能够将AI从纯文本推理态无缝导入图像生成态。

第三步：将Sampling Steps调回20～30，CFG Scale设为5～7，选择DPM++ 2M Karras采样器，提交生成。此时结构文本已作为强先验注入，画面必然严格遵循你定义的五个功能区排布逻辑。