LiblibAI AI图片生成怎么写负面提示词？按常见瑕疵逐项添加

LiblibAI AI图片生成中的负面提示词，用来描述不希望画面出现的内容。新手不必一开始粘贴几百个词，稳妥做法是先生成一组基准图，再把实际出现的低画质、结构错误、随机文字和重复元素分类加入，每轮只调整一组并对照结果。

官方地址：https://www.liblib.art/

负面提示词到底解决什么问题

正向提示词回答“想要什么”，负面提示词回答“不想要什么”。官方入门教程把低画质、额外的脚、缺少手指等列为常见起点，并建议根据实际生成结果继续补充。它更像一份针对当前任务的排除清单，而不是越长越好的固定配方。

负面提示词适合压制反复出现的可描述问题，例如模糊、噪点、肢体畸形、随机文字、重复饰品或多余物体。它不能保证百分之百消除错误，也不能替代模型选择、构图描述、参考图和后期修整。

在生图界面找到负面提示词区域

进入图片生成界面后，先确认模型、生成方式和正向提示词，再找到负向提示词输入区。不同入口或界面版本的布局可能调整，但操作逻辑相同：正向区描述主体、场景和风格，负向区写需要排除的结果。

开始测试前，把采样方法、迭代步数、宽高、图片数量和随机种子一并记录。若每次同时更换模型、提示词和参数，即使结果变好，也无法判断是哪一项起作用。

第一步：先生成一组基准图

保持负面提示词为空，或只保留模型作者明确建议的基础配置，先生成少量候选。基准图的作用不是直接交付，而是暴露当前模型、正向提示词和画幅组合下最常见的问题。

观察候选时不要只挑最好的一张，应记录多张结果中重复出现的瑕疵。如果四张图里三张都有随机文字，这就是优先处理项；如果只有一张出现偶发小问题，先不要急着加入大量限制。

第二步：把问题分成四类

表中的英文只是方向示例，不是每个任务都必须完整复制。人物图重点检查五官、手部和肢体；产品图重点检查结构、文字与重复零件；风景图则更关注噪点、过曝和不需要的人造物。

第三步：每轮只增加一组词

如果基准图主要问题是手部，就先加入与手部结构直接相关的少量词，其他配置保持不变。重新生成后比较手部改善程度，同时检查人物姿势、构图和细节是否受到影响。

不要把所有可能出错的内容一次性写入。过长的排除清单难以维护，不同概念还可能互相牵制。逐组添加可以保留有效词，及时删除没有改善或带来副作用的词。

固定条件做修改前后对照

1. 固定模型、正向提示词、画幅、采样方法和迭代步数；
2. 尽量固定随机种子，保留可直接比较的画面基础；
3. 只添加一类负面提示词，例如文字与水印；
4. 生成相同数量的候选，比较目标问题是否减少；
5. 同时检查构图、主体和画风有没有明显退化；
6. 记录有效词，删除无效或副作用明显的词；
7. 再进入下一类问题的测试。

正向描述也要同步检查

有些问题不是负面提示词不足，而是正向提示词存在冲突。例如既要求“全身”又要求“面部特写”，模型会在景别上摇摆；同时要求极暗夜景和明亮通透，也可能造成曝光不稳定。

遇到这类情况，应先简化正向提示词，明确主体数量、景别、动作和背景，再用负面提示词处理剩余瑕疵。只在负向区不断加词，往往掩盖不了正向目标本身不清楚的问题。

为什么照搬长词表效果不稳定

不同基础模型、LoRA、画风和任务对词语的响应并不完全一致。别人用于写实人像的负面词，放到平面插画或产品场景里可能没有作用，甚至会削弱需要的风格细节。

长词表还有两个维护问题：一是无法知道哪些词有效，二是换模型后很难清理。更实用的模板是保留少量通用画质项，再为人物、产品、风景或电商图分别建立任务模块。

怎样保存一套可复现配置

每次确认有效结果后，保存模型名称和版本、LoRA及权重、正向提示词、负面提示词、采样方法、迭代步数、宽高、随机种子和生成时间。若使用了平台内资源，也记录具体资源页面和当时的使用说明。

命名可以采用“任务-模型-画幅-版本”的形式，例如“室内人像-写实模型-竖版-v03”。这样下次修改时能从已验证版本继续，而不是重新猜测。

常见问题

负面提示词写中文还是英文？

官方入门教程说明界面提供自动翻译能力，可直接输入中文再转换。实际使用时应检查转换后的含义是否准确，专有词或模型作者提供的触发词不要随意改写。

加入负面提示词后仍有多余手指怎么办？

先确认问题是否在多张图中稳定出现，再检查人物动作是否过于复杂、手部占比是否太小、模型是否适合该任务。负面提示词只能降低出现概率，必要时还要换构图、换模型或使用局部调整。

需要把所有低质量词都写一遍吗？

不需要。先用少量基础词测试，再根据当前结果增加。有效、短小、能复现的清单通常比来源不明的超长词串更容易控制。

总结

LiblibAI AI图片生成的负面提示词应从实际问题出发：先做基准图，再按画质、结构、文字和重复元素分类，每轮只增加一组，并固定其他条件比较。保留有效词、删除无效词、保存完整参数，才能形成适合自己模型和任务的稳定模板。