LiblibAI怎么加载LoRA模型？从收藏、触发词到权重测试的完整步骤

在 LiblibAI 使用 LoRA，稳妥顺序是：先从模型详情页确认它适配的基础模型、版本、触发词、推荐权重和许可，再加入模型库；进入生图界面后先加载兼容的 Checkpoint，随后加载一个 LoRA、写入触发词，并在固定种子和其他参数的前提下测试三档权重。不要一开始叠加多个 LoRA，否则很难判断冲突来自哪里。

官方地址：https://www.liblib.art/

先分清 Checkpoint 与 LoRA 的作用

Checkpoint 是生成画面的基础模型，决定较大范围的能力、画风和响应方式；LoRA 更像附加在基础模型上的轻量特征模块，用来加强某种人物特征、材质、光影、构图语言或特定视觉效果。LoRA 通常不能脱离兼容的基础模型单独工作。

同名或相似用途的 LoRA 也可能面向不同底模家族。把不兼容的 LoRA 和 Checkpoint 组合起来，常见结果是效果不出现、画面异常或提示词响应变差。因此，第一步不是直接点“生成”，而是阅读模型详情。

第一步：在模型详情页核对五项信息

在 LiblibAI 的资产或模型区域找到目标 LoRA 后，打开详情页，优先记录以下内容：

还要浏览作者示例所用的尺寸、采样方式、步数和提示词。示例参数的价值是帮助复现模型特征，但不代表任何任务都要照抄。如果详情页没有写清兼容底模或触发词，先不要靠猜测投入大量生成次数。

第二步：加入模型库并打开生成入口

确认信息后，将 LoRA 加入或收藏到个人模型库。LiblibAI 官方基础教程展示了从模型页面加入模型库并进入生图界面的思路；平台导航和按钮名称可能随更新调整，实际操作以当前页面为准。

常见入口有两类：普通在线生图界面适合快速测试单个 LoRA；ComfyUI 工作流适合查看明确的模型加载节点、组合多个组件或复用复杂流程。初次使用一个 LoRA 时，建议先走变量较少的路径，确认模型确实能产生目标特征。

第三步：先加载基础模型，生成一张无LoRA基线

进入生图界面后，先选择详情页注明的兼容 Checkpoint，再填写一个简洁、容易比较的任务提示词。不要急着加载 LoRA，先生成一张“基线A”，记录种子、尺寸、采样方式、步数和提示词。

基线图提供参照：加载 LoRA 后，如果人物造型、材质或光影发生预期变化，就能确认 LoRA 起效；如果完全不变，则优先检查兼容性、触发词和加载状态，而不是不断增加权重。

第四步：加载一个LoRA并加入触发词

在 LoRA 选择区域或工作流的 LoRA 加载器中，从个人模型库选择刚才收藏的模型。确认它与当前 Checkpoint 同时处于启用状态，然后把作者提供的触发词加入正向提示词。

触发词应保持原样，尤其是大小写、下划线、数字或特殊拼写。若作者提供多个触发词，先只选与你当前目标相关的一组。提示词的其他部分尽量沿用基线，不要同时更换主体、场景和画风。

第五步：固定种子测试低、中、高三档权重

LoRA 权重没有适用于所有模型的统一最佳值，应以详情页建议为测试中心。固定种子、提示词、尺寸、采样和步数，只改变 LoRA 强度，生成三张对照图：

1. 低档：低于或靠近作者建议区间的下沿，观察特征是否开始出现；
2. 中档：使用作者推荐值或区间中部，判断特征与基础画面是否平衡；
3. 高档：靠近建议区间上沿，检查是否出现过度风格化、结构异常或色彩污染。

三张图要并排看，不要只放大局部。评价维度包括：目标特征是否明显、主体结构是否稳定、背景是否被无关风格污染、提示词中其他要求是否仍然有效。通常应选择“最弱但已经达到目标”的权重，为后续修改保留空间。

LoRA不生效时按这个顺序排查

第六步：保存可复现的模型组合

获得满意结果后，不要只下载图片。至少保存以下生成记录：

• Checkpoint 名称与版本；
• LoRA 名称、版本与权重；
• 实际使用的触发词和完整提示词；
• 种子、尺寸、采样方式、步数和其他启用功能；
• 模型详情页与许可核对日期；
• 入选图与对应参数的版本编号。

记录完整参数后，再尝试不同主体或场景，才容易判断这个 LoRA 的稳定范围。若平台支持从生成记录恢复参数，也要确认恢复后加载的是同一模型版本。

第七步：叠加第二个LoRA前先做单独基线

需要组合“人物特征LoRA”和“材质LoRA”时，先分别测试两者。每个 LoRA 都要在同一兼容 Checkpoint 上找到独立可用的权重，再尝试叠加。叠加后的第一轮应降低各自强度，并固定种子比较。

出现风格污染或结构问题时，先关闭其中一个 LoRA 回到单模型基线。不要同时改两个权重、提示词和采样设置，否则无法定位冲突。ComfyUI 工作流中的 LoRA 加载器可以更直观地控制加载与忽略状态，但仍应遵循单变量原则。

商业使用前别漏掉LoRA许可

LiblibAI 当前商业使用规范要求综合判断底模和 LoRA 的许可：底模允许商用，不代表搭配的任意 LoRA 都允许商用；工作流或图片模板还要同时检查其自身声明和内部模型。详情页许可范围与作者简介不一致时，应以详情页声明为准。

因此，在项目交付记录里分别保存 Checkpoint 和每个 LoRA 的许可结论。若目标用途、账号身份或模型版本发生变化，应重新查看当前详情页，不要沿用旧截图或他人的口头结论。

常见问题

LoRA收藏后为什么在生成界面找不到？

先确认当前使用的是支持该模型的生成入口，并刷新个人模型库；再核对模型类型和适配底模。图生图、在线生图和不同工作流中的模型选择位置可能不同。

推荐权重能不能直接照抄？

可以作为起点，但应在自己的底模、提示词和尺寸下做对照测试。不同任务对特征强度的要求不一样。

触发词写了还是没有效果怎么办？

检查拼写、加载状态和底模兼容性，再以作者示例的简化提示词测试。先排除组合问题，不要立即把权重拉到很高。

可以一次加载多个LoRA吗？

可以尝试，但应先确保每个 LoRA 单独工作正常，再从较低强度开始叠加，并保持其他参数固定。

总结

LiblibAI 加载 LoRA 的完整流程并不复杂：详情页核对兼容底模、版本、触发词、权重和许可，加入模型库后先生成无 LoRA 基线，再加载一个 LoRA，并固定种子测试低、中、高三档强度。能复现、能比较、能追溯许可，比一次叠加很多模型更容易得到稳定结果。