ComfyUI提示词需模块化管理：正向/负向分基底与动态层，用ConditioningConcat合并；支持变量拼接、JSON脚本注入、分层负向控制及权重锚点，实现稳定出图与高效批量生成。
☞☞☞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☜☜☜
想让ComfyUI工作流真正跑起来、稳住出图质量、还能快速切换风格和参数，不能靠节点堆砌和手动填词——得从提示词的组织逻辑入手，把正向词、负向词、风格锚点、质量开关拆成可插拔、可复用、可批量注入的模块，否则改一个词就得满画布找节点，漏改一处图就崩。
把提示词拆成“可替换模块”而不是一整段字符串
第一步：在工作流里单独拖两个CLIP Text Encode节点，一个标为【正向主干】，一个标为【负向基底】。不要把所有词都塞进同一个节点——一旦要换风格，就得重写整段，没法复用“masterpiece, best quality”这种通用前缀。
第二步：把固定不变的质量描述（如masterpiece, best quality, ultra-detailed）单独写进【正向主干】；把通用负面词（如deformed, blurry, text, watermark）写进【负向基底】。这两部分后续永远不动，只作为底层基线。
第三步：新增一个CLIP Text Encode节点，命名为【动态风格层】，专门放会频繁变动的内容，比如“cyberpunk cityscape, neon lights”或“ink wash painting, misty mountains”。它输出的conditioning → 接入KSampler的positive输入口，与【正向主干】的输出用“ConditioningConcat”节点合并。这一步是关键：【不合并就无法叠加语义，模型只会认最后接进去的那一组条件】。
第四步：右键【动态风格层】节点 → 选择“Convert to Input”，它就变成一个可外部修改的输入框。以后每次换主题，只需双击这个框改文字，不用动任何连线，也不用担心漏改其他节点。
用“提示词模板变量”替代硬编码
方法一：直接用ComfyUI内置的“Text Concat”节点做拼接
拖入三个Text Concat节点，分别连接“主体描述”“场景修饰”“画质增强”三段文本；每段文本都来自独立的String节点（可右键→Convert to Input）。最后把拼接结果喂给CLIP Text Encode。好处是结构清晰，改哪段都不影响其他；坏处是每加一个变量就得连一次，五六个变量时连线容易缠绕。
方法二：用Python脚本注入带变量的JSON工作流（适合批量）
先在UI里搭好基础流程，导出为workflow_api.json；用Python读取该文件，定位到目标CLIP Text Encode节点的"text"字段，用f-string或.format()填入预设变量，例如f"{subject} in {scene}, {style}"；再POST到http://127.0.0.1:8188/prompt接口。这比手动改节点快十倍，且能保证100%参数同步——【手改十个节点出错概率远高于脚本一次性注入】。
负向提示词必须分层管理
第一步：建立三层负向结构——基底层（所有图都要屏蔽的）、模型层（当前Checkpoint特有的缺陷）、任务层（本次生成要规避的具体问题）。
第二步：基底层写死在【负向基底】节点里（如low quality, jpeg artifacts）；模型层放在另一个CLIP Text Encode里（如sd_xl_base_1.0常出现“extra fingers”，就写fingers:1.3）；任务层用String节点临时输入（如本次不想出人物，就填“person, human face”）。
第三步：用两个ConditioningConcat节点，先合并【模型层】+【任务层】，再把结果和【基底层】合并。顺序不能反——【后合并的权重更高，任务层必须压过模型层，否则临时屏蔽不起作用】。
这一步做完，你就能在不改任何节点连线的前提下，仅通过调整String输入框，实现“同一工作流，一张图去手指，一张图去人脸，一张图保细节”的精准控制。
给提示词加权重锚点，避免语义打架
在【动态风格层】的文本框里，别写“a cat on a sofa, cinematic lighting”这种平铺直叙的句子。改成“(a cat:1.3) on (a velvet sofa:1.1), (cinematic lighting:1.4)”——括号+冒号是ComfyUI原生支持的权重语法，数值在0.5~1.5之间最稳妥。
为什么必须加？因为CLIP编码器对词序不敏感，但对token强度敏感。不加权时，“sofa”和“cat”在向量空间里争夺同等注意力，模型可能把猫画成坐在空气里；加权后，模型明确知道“cat”是主语，“sofa”是附属环境，构图稳定性立刻提升。
注意：权重超过1.6容易触发UNet内部归一化溢出，画面出现色块或结构崩解，调试时务必从1.2起步，每次只+0.1观察变化。
用自定义脚本实现提示词自动轮询
安装comfyui-client库后，新建prompt_batch.py，填入以下核心逻辑：
定义subject_list = ["robot", "samurai", "elf"]；style_list = ["oil painting", "pixel art", "line art"]；quality_list = ["8k", "sharp focus"]。
用itertools.product生成全部组合，循环提交：client.queue_prompt({"prompt": base_workflow, "inputs": {"dynamic_prompt": f"({s}:1.3) in ({t}:1.1), {q}"}})。
每提交一组，脚本自动等待返回、下载图、按命名规则存入日期文件夹。全程无需打开ComfyUI界面，生成间隙还能干别的事——【人工点十次生成，等于浪费十次GPU空转时间】。
