LiblibAI提示词权重设置需严格遵循括号语法、位置排序与负向加权三原则：括号须英文小写且紧贴关键词，核心词前置并分层加权，负向词开头加括号强化排除。
☞☞☞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☜☜☜
LiblibAI提示词权重设置不对，图像关键元素就容易弱化、消失或跑偏——比如你写“(星空:1.5)”，结果生成图里星星稀疏得像被风吹散的盐粒，问题往往出在括号嵌套位置、数值越界或权重与关键词物理顺序冲突上。
确认括号语法是否合规
LiblibAI只识别标准Stable Diffusion括号权重语法：单层括号表示1.1倍权重，双层为1.21倍，三层及以上会被系统自动截断且可能触发采样中断。必须用英文小括号，不能用中文全角符号或方括号。
在正向提示词框中，把需要强化的词用英文小括号包裹，例如把“星空”改成“(星空)”，再微调数值：“(星空:1.3)”。
【括号必须紧贴关键词，中间不能有空格，如“(星空 :1.3)”会失效】
若需强保留，可用双层括号，例如“((星空:1.3))”，但禁止写“(((星空:1.5)))”——平台会直接丢弃第三层括号并报错中断。
按关键词重要性排序并分层加权
CLIP文本编码器对靠前token赋予更高初始注意力分数，因此权重不是孤立生效，而是和位置强绑定。必须先排顺序，再加括号。
第一步：把决定图像成败的核心词放在最前面，例如主体身份、核心动作、不可替代材质；
第二步：风格限定词居中，如“水墨渲染”“胶片颗粒”；
第三步：细节修饰词放末尾，如“柔焦背景”“左上45°侧光”；
第四步：在每段内按需加括号，例如“((穿靛青长衫的老者:1.4)), (水墨渲染:1.2), 柔焦背景, 左上45°侧光”。
这一步漏掉排序，光调括号没用——AI先看到后面词，前面加再重的括号也抢不过位置权重。
负向提示词也要加权排除
负向提示词不是简单罗列黑名单，它同样遵循权重逻辑。对顽固干扰项必须主动加权压制，否则模型仍会偷偷渲染。
方法一：对高频复现的缺陷词加单层括号，例如“(deformed hands), (blurry face), lowres, bad anatomy”；
方法二：对反复出现的特定失真类型叠加双层括号，例如“((extra fingers)), ((mismatched lighting))”，强制提升排除优先级；
方法三：把最怕出现的词放在负向框最开头，并加括号，例如“(worst quality), (low resolution), (jpeg artifacts)”——开头+括号=双重保险。
