它如何起作用
在每一步去噪中，模型都会计算两个预测：一个由你的提示词引导，另一个由负面提示词引导。最终方向是前者减去后者，再乘以 CFG 值。所以负面提示词不是最后套上的过滤器，而是从第一步就在塑造图像。这也是为什么 CFG 不高于 1 时负面提示词毫无作用。
有效的负面提示词
通用画质（SD 1.5、SDXL）：
blurry, low quality, lowres, jpeg artifacts, watermark, text, signature, cropped, out of frame
人物与肖像：
deformed, bad anatomy, extra fingers, missing fingers, extra limbs, mutated hands, poorly drawn face, asymmetric eyes
摄影：
painting, drawing, illustration, cartoon, 3d render, cgi, oversaturated, overexposed
动漫与插画：
photorealistic, photo, realistic skin, worst quality, normal quality, monochrome
先用通用列表，再按目标加上对应的一组。十到二十个词足够了；复制来的长列表大多只会增加噪声。
负面提示词中的权重
权重的用法与主提示词完全一样：(blurry:1.4) 更强烈地远离模糊，(text:1.2) 去掉乱入的字母。只对反复出现的缺陷提高权重；超过 1.5 后，模型会为了服从而扭曲其他部分。
什么时候不起作用
- CFG 设为 1：负面提示词在原理上就被忽略。请用 5 到 8。
- Turbo 和 LCM 模型（SDXL Turbo、LCM LoRA）以 CFG 1 到 2 运行，几乎不受负面提示词影响。
- Stable Diffusion 3 和 3.5 对负面提示词的利用很弱；不如把正面提示词写得更精确。
- 模型无法拆分的概念：负面写「no hands」只会让手消失，不会修正手的结构。局部重绘才能。
在本站
局部重绘工具已在后台应用了一套强力的负面提示词，你只需描述想要的内容。提示词示例把每张图使用的负面提示词和正面提示词并排展示；把两者都复制下来就能复现结果，再固定种子，一次只改一个词。