AI绘画模型在生成图像时，不仅会依据正向提示词来绘制期望的画面内容，还会受负向提示词中禁止元素的约束。负向提示词本质上是一种反向引导，它通过降低某些特征在采样过程中的权重，使模型尽量避开这些视觉模式。对于Stable Diffusion、Midjourney等主流模型来说，负向提示词的质量直接影响出图成功率，尤其是在追求写实人像、精细场景时，缺失负向词或词条选择不当，几乎必然导致手指畸形、面部比例失调、背景元素混杂等问题。
很多人把负向提示词简单理解为“不要出现的东西”，但实际运用中还有个隐性作用：负向词能纠正模型对于罕见概念的过拟合倾向。比如某些预训练模型对“手部”特征学习不充分，正向词中若出现“手”，模型会以奇怪方式拼凑，此时加入“bad hands, extra fingers, fused fingers”等负向词，相当于把错误路径从采样空间中剔除。因此，理解不同类别负向词的定位，比机械堆砌词条更重要。
低质量与模糊类负向词：先解决画面基础观感
低质量问题是新手最容易踩的坑，生成图往往表现为整体模糊、噪点过多、对比度不足、细节丢失。这类问题的根源在于模型训练数据中包含大量压缩图片、低分辨率截图以及社交媒体上的二次转载图，模型学到了这些劣质特征。加入低质量负向词，可以显著提升画面锐度和细节丰富度。
最常用的基础词包括：low quality, lowres, blurry, out of focus, noisy, grainy, jpeg artifacts, compression artifacts, pixelated, poorly drawn, bad anatomy, bad proportions, unsharp, soft focus, motion blur, chromatic aberration。这些词可以单独使用，也可以组合成短语，例如“low quality, lowres, blurry, jpeg artifacts”已经能覆盖大部分基础劣化情况。需要注意的是，某些场景下“blurry”和“soft focus”效果不同，如果你追求镜头柔焦效果，就不能把soft focus放进负向词里，否则会起冲突。建议先跑一张图观察问题，再有针对性地添加。
实际测试中，同时加入“noisy”和“grainy”会强化去噪效果，但也可能让画面变得过于平滑、塑料感强。此时可以辅助正向词“sharp focus, highly detailed, intricate details”来平衡。低质量词还有一类是“signature, watermark, text, logo”，用于去除模型在训练数据中见过的水印和签名，尤其当你要生成干净背景或商业素材时必不可少。
结构错误类负向词：专治畸形、多余肢体与解剖崩坏
结构错误是AI绘画中最顽固的问题，集中体现在人体、动物、建筑和透视结构上。对于人形角色，手指和脚趾是重灾区。典型负向词包括：extra fingers, missing fingers, fused fingers, too many fingers, bad hands, mutated hands, poorly drawn hands, extra digits, deformed hands, claw hand, wrong hand shape, extra arms, extra legs, disconnected limbs, bad anatomy, bad proportions, out of frame limbs。这些词直接针对模型生成人体时的错误模式。
面部结构也需要单独处理，常见词有：bad face, deformed face, mutated face, disfigured face, asymmetry, asymmetric eyes, cross-eyed, lazy eye, wrong eye shape, ugly face, bad eyes, missing pupils, heterochromia。值得注意的是，better anatomy和good anatomy这类正向词虽然能改善整体，但不如负向词精准。例如“extra fingers”只去掉多余手指而不会影响手部动作表达，如果用了“bad hands”则可能让手部整体变模糊甚至消失。因此建议先用专项负向词，再根据结果补充更宽泛的词。
建筑和透视方面的结构错误也有对应词库：bad perspective, wrong perspective, distorted perspective, warped architecture, leaning buildings, floating objects, impossible geometry, asymmetric building, tilted horizon, crooked lines。使用这些词能改善室内外场景的结构稳定性，尤其对于用户要求“等角透视”“一点透视”时，配合“isometric view”等正向词效果明显。
内容错误与风格污染类负向词：消除多余元素和风格漂移
除了形变，模型还常常生成场景中不存在的多余物体，比如提示词中只要求“一杯咖啡”，结果桌面上出现莫名杯子、勺子、漂浮物。这类问题需要内容类负向词来抑制。常用词包括：extra objects, floating dust, random objects, unwanted objects, clutter, messy background, crowded composition, extra windows, extra doors, extra people, duplicate, multiple views, split screen, collage, out of frame, cropped edges。尤其“multiple views”和“split screen”对控制单图构图很有帮助，因为模型可能根据训练数据中的连环画、海报分镜而自动生成多画面。
风格污染则指模型混入了不想要的画风或介质特征。比如你想生成高清照片，却出现卡通渲染效果；或者想生成水彩画，结果带有厚重油画质地。对应负向词有：cartoon, anime, illustration, 3d render, cgi, painting, sketch, line art, digital art, photo manipulation, vector graphics, unnatural colors, oversaturated, vibrant colors。这类词需要结合正面风格词使用，例如正向写“photorealistic, film grain, 35mm photography”，负向同时加入“illustration, painting, 3d render”可以有效锁定写实风格。
此外，还有一些容易忽略的污染词：text, watermark, signature, logo, speech bubbles, captions, subtitles, lettering, chinese characters, asian text。在生成海报或带文字的设计图时，这些词能避免乱码文字的出现。对于生成二维码、特定字体需求，建议直接使用ControlNet或后期合成，不要完全依赖负向词。
基础负向提示词模板与组合优化技巧
下面给出一个可直接复制的通用负向提示词模板，适用于大多数写实人像和日常场景，你可以在各平台的负向提示词输入框中直接粘贴使用。注意不同模型对逗号分隔格式支持一致，但部分模型对短语中的下划线或空格敏感，建议统一使用英文逗号加空格分隔。
low quality, lowres, blurry, out of focus, noisy, grainy, jpeg artifacts, compression artifacts, pixelated, poorly drawn, bad anatomy, bad proportions, extra fingers, missing fingers, fused fingers, too many fingers, bad hands, mutated hands, poorly drawn hands, extra digits, deformed hands, extra arms, extra legs, disconnected limbs, bad face, deformed face, mutated face, disfigured face, asymmetry, asymmetric eyes, cross-eyed, lazy eye, bad eyes, missing pupils, extra objects, floating dust, random objects, unwanted objects, clutter, messy background, crowded composition, multiple views, split screen, out of frame, cropped edges, watermark, signature, text, logo, speech bubbles, captions, subtitles, lettering, cartoon, anime, illustration, 3d render, cgi, painting, sketch, line art, digital art, photo manipulation, vector graphics, unnatural colors, oversaturated, vibrant colors
使用模板时不要一次性全加，因为过多的负向词会过度约束采样过程，导致画面细节丢失或出现新的伪影。建议分优先级：第一优先级放低质量和结构错误类（low quality, blurry, bad anatomy, extra fingers, bad hands），第二优先级放内容污染类（watermark, text, logo, multiple views），第三优先级才放风格类（cartoon, painting, 3d render）。每次调整后生成4-8张图对比，观察哪些词真正起到了抑制作用。
另一个优化技巧是动态调整：同一个负向词在不同模型上效果差异很大。例如“bad hands”在SD1.5系列上作用明显，但在SDXL上可能过于激进，把手部直接变成棒状。此时可以拆解为“extra fingers, fused fingers, wrong hand shape”等细化词。建议每个模型至少测试两轮，建立一个适合自己的微型词库，比照搬网上万人使用的模板更有效。同时，负向词和正向词之间存在拮抗关系，如果正向词中已经包含“detailed hands, perfect hands”，负向词就不要重复加入“bad hands”，避免互相抵消。
遇到生成图持续出现某类问题，可以尝试反向排查：去掉大部分负向词，只保留最核心的低质量词，然后逐条添加并记录变化。这样能快速定位是哪个负向词引发了额外副作用。最后需要提醒，负向提示词不是万能的，当模型本身对某个概念理解严重缺失时（比如复杂机械结构），单靠词库无法解决，应考虑使用LoRA、ControlNet或区域重绘等更细粒度的控制手段。