先给出一个核心结论：Stable Diffusion 本身并不具备直接输出文字提纲的能力，它本质上是一个图像生成模型。但如果你希望在生成图片之前，先获得一份结构化的图文方案——例如耳机详情页主图应该包含哪些内容——完全可以通过“搭桥”的方式实现。一种方法是在 ComfyUI 中集成一个 LLM 节点，让大语言模型帮你拆解逻辑框架；另一种方法是借助 WebUI 的插件或特定提示词策略，强制触发纯文本输出。下面详细拆解这两种方式。

简单来说，想让 Stable Diffusion 先输出耳机详情页主图的图文结构提纲，而不是直接生成图片，你必须绕过标准的图像生成流程。SD 本身不理解“先给我列个提纲”这类指令，所有提示词都会被当作图像控制信号处理。但巧妙的是，你可以调用配套的 LLM（例如 ComfyUI 中集成的 LLM 节点），或者使用 WebUI 的插件来完成这个任务——把“生成图片”这个动作替换成“输出结构化文本”。

用 ComfyUI + LLM 节点获取提纲

第一步：在 ComfyUI 工作流里加载 LLM Text Generation 节点。推荐使用 Ollama、LM Studio 或本地部署的 Qwen/Qwen2-7B——选一个你顺手的大模型即可，确保模型路径和端口配置正确。
第二步：构建一条纯文本推理链：Prompt 输入节点 → LLM 节点 → Text Output 节点。注意，这里不要连接任何图像生成节点，否则它又会跑去画图。
第三步：向 LLM 节点输入具体的提示词。例如：【请严格按以下格式输出：1. 构图层级；2. 核心视觉元素；3. 文案模块位置；4. 风格关键词。每项用中文短句，不加解释，不换行，用分号隔开】“专业电商耳机详情页主图，需突出降噪功能、佩戴舒适感、金属质感外壳，面向 25-35 岁都市男性用户”。
第四步：点击 Queue 运行，等待几秒钟，文本输出框里就会出现一份可以直接复用的结构化提纲。举个例子：“居中主体 + 左下角功能标签 + 右上角价格标；耳机特写 + 微倾佩戴视角 + 柔光背景；顶部 Slogan + 中部参数浮层 + 底部 CTA 按钮；赛博冷调、浅灰渐变、高精度渲染”。拿到这份提纲后，你就能直接用它来生成对应的图片了。

用 WebUI 插件辅助生成提纲

如果你使用的是 Stable Diffusion WebUI，还有两个讨巧的办法。
方法一：安装 【Prompt Generator】 插件（v1.3.0 及以上版本）。安装完成后，在 txt2img 界面底部会出现一个“Generate Outline”按钮。点击它，插件就会基于你当前的正向提示词，反向推演出一份结构建议——虽然不完全是 LLM 级别的深度拆解，但胜在方便快捷。
方法二：手动构造提示词前缀。例如在 prompt 最前面加一句：“Outline only: 请列出本图应包含的 4 个关键画面区域及其对应文案类型，用破折号分隔，不要任何标点以外的符号——”，然后接上你原始的详细需求描述。这招能强制部分支持多模态推理的后端模型（比如你在使用 OpenRouter API 时调用 Claude-3-haiku）返回纯文本框架，而不是直接出图。

避免无效尝试的关键提醒

直接往 Stable Diffusion WebUI 的 prompt 框里写“请先给我一个提纲”——百分之百没用。SD 模型根本不具备文本生成能力，所有提示词都会被当作图像控制信号处理，最终它还是会强行给你出一张图，而且结果完全不可控。如果你既没有部署 LLM，也没有安装对应的插件，那么抱歉，此时无法让 SD“先给提纲”。要么切换工具链，要么接受“先出图，再人工反向提炼结构”的笨办法。认清这个边界，才能少走弯路。