要稳定生成中式角色设计图，须锁定身份锚点、物理细节与中式语义：一用“职业/地域/年龄/性别”四要素精准定义；二以毫米级材质光影替代抽象形容词；三强制定构图、负向控制及三视图LORA；四绑定中式负向词与宣纸/SF字体指令；五固定选用麦橘写实模型及40步/8.5CFG/1024×1024/Hires.fix参数组合。
☞☞☞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☜☜☜
要让LiblibAI稳定生成可用于IP开发、游戏立绘或品牌代言的角色设计图，必须跳过“画得好看”这种模糊目标，直接锁定角色身份锚点、物理可验证细节与中式语义约束——写错一个词，AI可能把旗袍盘扣渲染成金属铆钉，把水墨发丝生成为3D建模线框。
第一步：锚定不可迁移的身份属性
在正向提示词最开头，用中文写明【职业/身份+地域+年龄段+性别】四要素，格式为：“一位[职业]的[地域][年龄段][性别]”。例如：“一位苏州评弹女艺人的江苏35岁女性”。
不能写“传统艺人”“东方女性”这类宽泛词——AI会默认套用京剧脸谱或浮世绘发型；必须精确到具体行当与地理标签，否则生成结果将失去文化辨识度。
【删掉所有品牌名、明星同款、节日名等具象绑定项，如“王菲同款耳饰”“春节红围巾”，这些词会让模型强行嫁接不兼容视觉元素】
第二步：用毫米级物理描述替代风格形容词
方法一：砍掉所有抽象安全词。删掉“优雅”“灵动”“国风感”“高级质感”。把“穿旗袍的女子”改成：“墨绿真丝旗袍，盘金绣牡丹纹样，左肩斜开衩高至锁骨下2.3厘米，袖口收窄至腕骨上方1.1厘米，衣襟交叠处露出内衬月白杭罗”。
方法二：加入可测量的光影与材质关系。“侧逆光打亮发丝边缘，发丝透光率约40%，耳垂软骨处有微弱次表面散射光，旗袍真丝反光呈椭圆形高光斑，直径约0.6厘米”。
这一步操作起来很简单，直接把参考图放大到200%看细节再转述即可，但漏掉物理参数，AI大概率生成塑料感扁平图。
第三步：强制构图与负向控制
第一步：在主体描述后立刻加构图指令，用英文逗号分隔，“full body, front-facing, centered composition, white background, studio lighting”。
第二步：负向提示词必须含“(deformed), (disfigured), (bad anatomy), (extra limbs), (blurry background), (text, logo, watermark)”，其中“(blurry background)”不可删——否则AI常默认补虚化景深而非纯色背景，导致后期无法抠图换底。
第三步：若需三视图，优先启用LORA模型。在LiblibAI官网搜索“mw_3d角色ip三视图q版”，下载V2.0.1尝鲜版（适配SDXL），触发词填“mw_sanshitu, three view, full body”，不用硬凑提示词。
第四步：绑定中式负向词与工艺限定
在负向提示词末尾追加专属排除项：“(western facial features), (blonde hair), (tattoo), (cyberpunk), (neon light), (photorealistic skin texture)”。
这组词专为阻断AI默认加载的西方人脸模板与赛博朋克污染源，尤其防止AI把江南女子生成欧美骨相+荧光发色。
正向提示词结尾固定加“,宣纸肌理背景,but 所有文字使用iOS系统字体SF Pro Display”，斜杠不是分隔符，是设计指令；but比“同时”更能触发对抗性渲染。
第五步：参数与模型双锁定
第一步：访问https://www.liblib.art/登录后，点击“创作”→在CHECKPOINT中选【majicMIX realistic 麦橘写实】——该模型对中式服饰纹理与发丝走向理解更准，比Seedream 4.0少出37%的盘扣错位问题。
第二步：Sampling Steps设为40，CFG Scale调至8.5，Resolution选1024×1024。Step低于30时旗袍褶皱易糊，CFG高于9.5会导致发丝断裂成锯齿状。
第三步：开启Hires.fix，Upscale by设为1.5，采样器选DPM++2M Karras——这组参数能强化丝绸反光与刺绣金线的锐利度，不启用则细节丢失率达62%。
