ComfyUI出图不稳定主因是中文提示词被CLIP错误分词，导致语义断裂；应将中文提示词预翻译为英文并按主体、场景、风格、质量四层结构组织，负面词需精准匹配且全英文，权重控制在1.0–1.5。

☞☞☞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☜☜☜

ComfyUI出图不稳定，往往不是模型本身在“耍脾气”，而是提示词结构没搭稳——就像用歪斜的脚手架盖楼，风一吹就晃。中文提示词尤其容易踩坑：一个“古风少女”被CLIP分词器拆成“古”“风”“少”“女”四个孤立字块，语义链断裂，模型只能靠猜；加了权重的“(汉服:1.3)”可能根本没被正确识别，反而让“服”字单独放大，生成一堆奇怪的布料褶皱。

检查提示词是否被CLIP正确分词

第一步：打开ComfyUI，加载CLIP Text Encode节点，把你的中文提示词粘贴进去。

第二步：右键该节点→选择“View Node Info”，在弹出窗口中点击“Show Tokens”按钮。

第三步：观察Token列表——如果看到大量单字（如“汉”、“服”、“樱”、“花”）、乱码符号（如“▁”“Ġ”）或英文混杂（如“han”“fu”），说明分词已失败。【此时任何权重、逗号分隔、括号语法都无效】

第四步：对比英文提示词——输入“Chinese hanfu girl under cherry blossoms”，再点Show Tokens，你会看到“chinese”“hanfu”“girl”等完整语义单元。这才是模型能听懂的语言结构。

重构提示词：从“堆砌描述”到“分层引导”

方法一：预翻译+结构化填充（推荐首选）

先把中文原意用DeepL或Google Translate转成准确英文，再按四层结构组织：

主体（Who/What） + 场景（Where/When） + 风格（How） + 质量（Quality）

示例：“穿宋制褙子的20岁女子站在杭州西湖断桥边，水墨渲染，8K细节，柔光” →

“a 20-year-old East Asian woman wearing Song-dynasty beizi, standing on Broken Bridge at West Lake in Hangzhou, ink painting style, 8k resolution, soft lighting”

注意：文化专有名词（如“褙子”“断桥”）必须保留拼音或公认英文译法（beizi / Broken Bridge），不能直译成“back coat”或“broken bridge”——后者会让模型真造一座塌桥。

负面提示词不是越多越好，而是要精准卡位

第一步：先删掉所有“lowres,bad anatomy,extra fingers”这类通用词包——它们在中文提示词失效时会进一步干扰注意力分配。

第二步：只保留与当前提示词直接冲突的项。比如你写了“穿旗袍”，就在Negative Prompt里加“qipao, cheongsam”（防止模型误用其他中式服装）；写了“白天”，就加“night, dark, sunset”（避免光影逻辑错乱）。

第三步：把负面词也翻译成英文，并确保和正向提示词在同一语义层级。不要混用中英文负面词，否则CLIP编码器会把“模糊”和“blurry”当成两个独立信号同时激活，反而强化模糊感。

验证权重是否真正生效

① 在英文提示词中测试基础权重语法：(masterpiece:1.3), (detailed face:1.5), (soft lighting:1.2)

② 每次只调整一个关键词的权重，运行3次对比图——如果变化不明显，说明该词未被CLIP识别为独立Token，需换更标准的英文表达（如把“detailed face”换成“sharp facial features”）。

③ 避免嵌套权重：((masterpiece:1.3):1.2)这种写法在ComfyUI中不被支持，会导致整个Token段被忽略。

④ 权重值超过1.6后边际效应急剧下降，且易引发画面过曝或结构扭曲，【核心词权重严格控制在1.0–1.5区间】