标签整理错误会导致LoRA模型识别失败、权重加载跳过及生成图畸变；必须严格按三层逻辑编辑：删泛化词，仅保留主类别（如LoRA）、不超过两个子属性词（如face_enhance）、一个唯一触发标识（如my_face_fix_v3），格式错误将使标签失效。
☞☞☞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☜☜☜
在LiblibAI平台训练LoRA模型时，标签整理错误会导致系统误判模型类型、跳过权重加载、生成图五官畸变或边缘模糊——这不是提示词问题，而是模型身份识别失败的底层故障。
标签结构必须严格遵循三层逻辑
第一步：打开“我的模型”→找到待训练LoRA→点击“编辑信息”→进入标签栏。
第二步：删除平台自动生成的所有泛化词，例如“通用”“测试”“风格”“人像”，这些词会干扰系统对主类别的判定。
第三步：只保留且仅能保留【三项内容】：一个主类别词（如LoRA）、不超过两个子属性词（如face_enhance）、一个唯一触发标识（如my_face_fix_v3）。多一个逗号、少一个下划线、混用全角符号，都会使标签失效。
LoRA专用标签写法与禁忌
方法一：单部位单方向标注
直接输入“LoRA, face_enhance, my_face_fix_v3”。其中“face_enhance”不可写作“优化脸部”或“改善五官”，平台不识别模糊动词，只认预设术语：enhance/soften/reduce/match。
方法二：多部位协同标注
若模型同时调节面部与手部，必须合并为一个子属性词：“LoRA, face_enhance_hand_reduce, my_dual_v1”。【不可拆成两个标签，也不可用顿号或分号分隔】，否则系统将视为两个独立模型并行加载，引发权重冲突。
方法三：带权重的触发标识（进阶用法）
当需控制LoRA生效强度时，在触发标识后加英文冒号和数值，如“my_face_fix_v3:0.7”。该数值仅影响调用时默认权重，不影响训练过程本身。
标签校验与即时纠错
① 输入完毕后，立即点击“保存”按钮旁的“预览解析”小图标。
② 系统会弹出结构分析框：左侧显示识别出的主类别，右侧显示子属性与触发标识是否被正确提取。若任一栏为空或出现问号，说明格式有误。
③ 常见报错项：“触发标识含中文字符”“子属性词超过两个”“主类别未首字母大写”——这三项任一触发，标签即被拒绝入库。
④ 修改后务必重新点击“预览解析”，确认三栏全部绿色对勾再关闭窗口。这一步跳过，后续训练中loss会突变为NaN且无法回溯原因。
