通义星尘负向提示需结构化分层、语义对齐与加权强化：按人体结构、画面污染、风格干扰三类拆解负面词；负面词须与正向提示中最近名词形成针对性压制；高频问题项用括号加权如(deformed hands:1.3)；顽固干扰启用--no text等原生命令硬排除。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
通义星尘生成内容时反向提示词（Negative Prompt）混杂失效，导致输出中反复出现水印、多手指、文字、畸变肢体等干扰元素，根本原因是负面词未结构化分层、语义权重失衡且未与正向提示对齐。
剥离混杂项：按缺陷类型拆解负面词
把所有负面词堆在一行会触发模型语义稀释，必须按视觉缺陷类别物理隔离。先删掉原始长串，再按以下三类重建：
方法一：人体结构类 → bad anatomy, deformed hands, extra fingers, fused fingers, missing arms, long neck, disconnected limbs
方法二：画面污染类 → text, signature, watermark, username, logo, jpeg artifacts, blurry, low quality, worst quality
方法三：风格干扰类 → 3d render, cgi, cartoon, sketch, painting, anime, doll, plastic, fake, overexposed
这一步操作起来很简单，直接复制对应类别的短语粘贴进负向框即可，不要合并成一行。
绑定正向提示：让负面词精准压制目标
反向提示词必须与正向提示中已出现的关键词形成语义对抗，否则模型无法定位抑制区域。例如正向写了“穿米白色真丝衬衫的亚洲女性”，负面就要追加“no collar distortion, no sleeve misalignment, no fabric clipping”——只压衬衫相关失真，不干扰人脸或背景。
第一步：在正向提示末尾找到最近一个名词短语，如“青铜鼎”
第二步：在负面提示开头插入针对性压制词，如“no patina mismatch, no leg deformation, no base cracking”
第三步：确认该压制词未在正向提示中重复出现，否则会触发冲突抵消。【重复出现将导致模型忽略该负面指令】
启用括号加权：强化关键项排斥强度
对高频出错项必须提升权重，否则默认采样仍会偶然激活。用括号包裹并叠加次数实现线性增强：
基础写法：(deformed hands:1.3)
高危场景写法：((deformed hands:1.5), (extra fingers:1.4))
注意：括号只能嵌套两层，三层及以上会导致解析失败，通义星尘会直接跳过整段负面词。
验证对齐状态：用--no指令做硬性排除
当某类干扰持续出现，说明常规负面词已失效，需启动通义星尘原生指令机制：
在负面提示末尾单独起一行，输入 --no text --no watermark --no deformed hands --no extra limbs
必须用英文双短横+空格+英文关键词，中文或标点混入会导致指令被静默丢弃。【--no后不可接逗号或句号】
