LiblibAI生成二次元角色图需遵循“文本→潜空间→图像”三段式流程：先加载Checkpoint模型，再连CLIP编码正负提示词，经KSampler采样（30步、DPM++ 2M Karras、CFG 7～8）与VAE解码，可选LoRA Loader（权重0.8）强化特征，最后输入中英文提示词并队列渲染。
☞☞☞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☜☜☜
想在LiblibAI上快速生成风格统一、细节精致的二次元角色图，但面对空白工作流画布和几十个节点无从下手——这不是模型不行，是没抓住“文本→潜空间→图像”的三段式数据流向。
加载基础模型与文本编码器
右键画布→“添加节点”→搜索并拖入 Checkpoint Loader Simple；双击该节点，在下拉菜单中选择已导入的二次元专用模型，例如 liblibai_anime_v1.0.ckpt 或 Flux_真实人像转绘动漫V2.1。
【必须先加载模型再连其他节点】否则后续所有CLIP Text Encode都会报“no model loaded”，此时删节点重来比调试快得多。
再拖入两个 CLIP Text Encode 节点：一个用于正向提示词，一个用于负向提示词。将 Checkpoint Loader 的 clip 输出口，分别连到这两个节点的 clip 输入口。
配置KSampler与VAE解码
拖入 KSampler 节点→把第一个CLIP Text Encode的 conditioning 连到KSampler的 positive 输入→第二个的 conditioning 连到 negative→KSampler的 latent 输出连到 VAE Decode 的 samples 输入。
KSampler内关键参数设为：采样步数 30（低于20易漏发丝/衣褶细节，高于50几乎不提升质量还拖慢速度），采样器选 DPM++ 2M Karras，CFG Scale保持7～8之间。
VAE Decode无需额外设置，它会自动调用模型内置VAE——若你手动加载了外部VAE文件反而可能引发色彩偏移或边缘噪点。
注入LoRA强化角色特征
方法一：直接加载预设LoRA增强包
点击“添加节点”→搜索 LoRA Loader→拖入画布→双击，在“lora_name”下拉框中选择ID为 9c4a63f2a6da421f8217c3a1c2b0e9a6 的LoRA模型→权重填 0.8。
方法二：串联至文本编码环节
将LoRA Loader的 clip 输出连到任一CLIP Text Encode节点的 clip 输入（注意不是覆盖原clip输入，而是接在clip端口上方小箭头处）→确保LoRA仅作用于文本理解层，不影响模型本体结构。
【权重0.8是经实测平衡点】高于0.9会覆盖原始人脸结构导致五官变形，低于0.6则几乎无法识别角色特征。
执行生成与输出控制
第一步：确认所有连接线颜色匹配（红色进图、绿色进文、蓝色进模型、黄色出图），无断连或错色；
第二步：在任一CLIP Text Encode节点的text栏中输入英文提示词，例如：masterpiece, best quality, 1girl, pink twin tails, cat ear headband, studio lighting, soft shading；
第三步：在负向节点填入：easynegative, verybadimagenegative_v1.3, deformed hands, extra fingers, mutated face；
第四步：右键 VAE Decode 节点→选择“队列提示”。
画布右上角将立即弹出渲染进度条，3～8秒后首张图生成并自动显示在右侧预览区。
