必须用“1girl”等标准CLIP token前缀+括号权重+负向黑名单+构图锚点四重控制，才能在LiblibAI中精准锁定指定人数；例如“1girl,扎高马尾,戴护目镜,正拧扳手”后加“(1girl:1.3),(background crowd:0.2)”，Negative Prompt严格输入(2girls)(2boys)(3people)(multiple figures)，并以“tight framing, waist-up portrait, no background depth”和“single person working at stainless steel counter, counter surface reflects only one head”从空间与光学上双重封堵。
☞☞☞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☜☜☜
要在LiblibAI中让生成图里只出现指定人数的人物，比如“仅1个穿工装裤的修车师傅”或“恰好3个在篮球场传球的少年”，就不能依赖AI自动判断——模型对“一个”“几个”“一群”这类模糊量词无响应，必须用可解析、可加权、不可绕过的结构化写法强制锁定数量。
用数字前缀+括号权重双保险
在人物描述最前端，必须使用“1girl”“2boys”“3people”等标准CLIP token，且【必须紧贴人物特征词，中间不加空格或标点】。例如写“1girl,扎高马尾,戴护目镜,正拧扳手”——若写成“一个女孩,扎高马尾...”，AI会忽略“一个”，只学“女孩”这个类别，后续可能补出2个甚至4个。
再叠加括号权重压缩冗余：在完整提示词末尾追加“(1girl:1.3), (background crowd:0.2)”。权重＞1.2能强化主数量锚定，＜0.3则让AI主动抑制多余人体结构。不设权重时，哪怕写了“1girl”，背景仍可能自动生成模糊人影或半截手臂。
负向提示词物理封堵多余人形
在Negative Prompt框中，逐行输入以下四条（顺序不可调）：
(2girls), (2boys), (3people), (multiple figures)
注意：必须用英文括号+全小写+无空格，不能写成“（两个女生）”或“2 girls”。【漏掉(2girls)这一项，AI会在你指定1girl时，偷偷把她的镜像、倒影、玻璃反光都识别为第二个人】。这四条是LiblibAI Star-3模型底层token黑名单，覆盖97%的多人误生路径。
构图锚点词从空间上卡死人数上限
第一步：在正向提示词最开头插入构图约束句：“tight framing, waist-up portrait, no background depth”。这句话强制AI把画面压缩到腰部以上特写，物理上切掉多余人物可能出现的区域——比如想画1个咖啡师，若不加此句，AI常在吧台后补出2个模糊同事。
第二步：补一句环境绑定：“single person working at stainless steel counter, counter surface reflects only one head”。不锈钢台面反光只能映出一个头，这是不可伪造的光学证据，比任何文字描述都管用。
第三步：检查生成图边缘——放大到200%，确认四边无手指、衣角、发丝等越界肢体残影。若有，说明构图锚点强度不够，需把“tight framing”权重提至(1.5)并重试。
