LiblibAI中CFG Scale需依模型类型分档设置：写实类7～9、二次元5～7、轻量级Lite模型固定为5；优先选用带推荐参数的模型（如Realistic Vision V6.0）自动锁定CFG=9.5；动态校准需从CFG=5起步，逐步上调至细节稳定且无畸变为最优。
☞☞☞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中为Checkpoint模型设定不合适的CFG Scale值，会导致画面细节崩解或风格漂移——太低则提示词失效、主体模糊；太高则结构僵硬、边缘伪影严重，尤其在人脸和手部区域表现明显。
先看模型是否自带推荐CFG
部分Checkpoint模型在上传时已嵌入实测推荐参数。在“CHECKPOINT”下拉菜单中，选择明确标注“含推荐参数”的模型（如Realistic Vision V6.0），点击加载后等待右上角出现“参数已同步”提示标签。此时CFG Scale将自动锁定为【9.5】，无需手动干预。
这一步跳过人工试错，直接复用平台验证过的稳定值，适用于写实类人像生成。
按模型类型分档设置CFG
不同训练域的Checkpoint对CFG敏感度差异极大，不能一概而论：
方法一：写实类底模（F.1、xl-ill、majicMIX realistic）→ CFG设为7～9。低于7时肤色失真、纹理丢失；高于9.5后常出现金属感反光或面部塑料化。
方法二：二次元类底模（Seedream 4.5、Flux_超级毛发、waifu-diffusion-emoji-v2）→ CFG设为5～7。这类模型本身强调风格化表达，CFG＞7易导致线条过度锐化、阴影生硬，破坏厚涂质感。
方法三：轻量级Lite/ Fast模型（如liblibai_anime_v1.0_lite.safetensors）→ CFG必须压到【5】。因其网络通道精简，高CFG会触发大量无效梯度震荡，出图常伴随色块撕裂或构图坍缩。
动态校准CFG的实操步骤
第一步：固定其他所有参数（模型、采样器、步数、分辨率），仅将CFG Scale设为5，生成一张测试图；
第二步：观察主体识别度——若人物五官无法辨认、关键特征（如发色、服饰纹样）完全缺失，说明CFG过低；
第三步：将CFG逐步上调至6→7→8，每次生成后对比：当提示词中指定的“红围巾”“雀斑”“左耳戴银环”等细节能稳定呈现，且无明显结构畸变，即为当前模型+提示词组合的最优CFG区间；
第四步：记录该值，并在后续同系列图中严格复用。注意：同一模型下，若提示词从“单人肖像”改为“三人合影”，CFG需下调0.5～1点，否则背景人物易被过度压制。
