提示词权重控制是Stable Diffusion从入门走向进阶的关键一步。很多人写了半年的提示词，其实一直停留在最基础的逗号堆砌层面，画面效果全靠抽卡运气。真正理解了(word:1.5)这类权重语法，以及AND复合词的用法之后，你会发现很多原本靠反复重roll才能出现的构图和细节，变成可控的结果。这篇文章从语法规则讲到实战技巧，把权重调节中容易踩的坑一次性讲清楚。
一、基础权重语法：从圆括号到精确数值
最原始的权重写法是直接给关键词套圆括号。在Stable Diffusion WebUI的默认解析规则下，每套一层圆括号，该词的权重就乘以1.1。例如(cat)的权重是1.1，((cat))的权重是1.21，以此类推。反过来，方括号是降权的，[cat]的权重变为原来的0.9。这种方式书写简单，但倍率是固定的，遇到需要精细控制的场景就不够用了。
精确数值语法是更推荐的方式，格式为(关键词:数值)，注意这里是英文冒号，数值可以是小数。比如(masterpiece:1.2)表示将masterpiece的权重设为1.2，(blurry:0.8)表示把模糊这个特征弱化。两种写法还可以叠加：((cat:1.3))的实际权重是1.3乘以1.1，约等于1.43。不过这种叠加写法可读性差，建议直接写(cat:1.43)，一目了然。
需要特别提醒的是，圆括号语法在ComfyUI中默认是关闭的。如果你从WebUI迁移到ComfyUI，发现同样的提示词效果完全不同，大概率是这个原因。在ComfyUI的CLIP Text Encode节点对应的加载器设置里，需要手动启用权重解析选项，或者直接使用节点化的条件组合方式来控制权重。
二、加减乘除运算：WebUI与NovelAI的方言差异
在部分基于NovelAI模型的用法中，还存在加减乘除式的权重调整符号，它们和圆括号体系是并存的另一套语法。加号和乘号用于增强，减号和除号用于减弱，作用原理与括号叠加类似，都是按固定倍率缩放。但要注意，这些符号并不是所有前端都支持，WebUI的某些旧版本遇到这类写法会当作普通文本处理，反而污染了提示词。
实际写提示词时，更实用的思路是把数值运算放在脑子里做，输出时统一使用精确数值语法。比如你想要某個词的权重略高于默认值，与其纠结用几层括号，不如直接估算出目标数值。一般来说，权重在0.7到1.4之间是相对安全的区间；超过1.5之后，模型对这个词的响应会变得极端，画面容易出现色块溢出、肢体扭曲等崩坏现象；低于0.5的词基本可以认为是被丢弃了，不如直接删掉，还能腾出token空间。
另外一个常见误区是给所有词都加权重。权重是一个相对概念，你把A词提到1.4，效果等同于把其他所有词压低。如果整句提示词都在加权，等于什么都没加，还破坏了模型原本学到的词间平衡。正确的做法是只对画面中真正需要强调的一两个核心元素加权，其余保持默认。
三、AND复合词：让多个概念并行存在
AND语法的作用是让多个概念在生成过程中并行混合，写法是把多个词组用大写的AND连接，例如red dress AND blue dress。它的效果不是简单的二者取其一，而是让模型同时向两个方向去生成，常常能得到融合态的结果，比如一条红蓝渐变或拼色的裙子。这在设计配色、混合风格、生成过渡效果时非常好用。
一张赛博朋克城市夜景，天空的融合效果： cyberpunk city, night sky (sunset colors:1.2) AND (starry night sky:1.1) tall buildings, neon lights, reflections on wet streets
上面这个例子中，黄昏色和星空两种天空描述通过AND并行，模型会在两者之间寻找共存方式，可能生成霞光与星光交织的天空，而不是简单选择其中一个。AND两侧的词组还可以各自带权重，进一步控制两种概念的混合比例。
需要注意的是，AND会显著增加生成结果的不确定性。每次出图，两种概念的融合方式可能都不同，稳定性会下降。如果你要的是确定性的效果，AND并不合适；如果是探索性的创作，比如脑暴配色方案、寻找风格过渡，AND就是趁手的工具。另外AND必须大写，小写的and会被当作普通连词处理，完全失去混合效果。
四、实战技巧与常见坑
负面提示词同样支持权重语法，这一点经常被忽视。比如(worst quality:1.4)放在负面区，比裸写worst quality的压制效果强得多。但负面加权同样不能过头，把某个负面词权重拉到2.0，可能导致模型过度回避相关概念，画面出现奇怪的补全。负面的本质是给采样过程施加引导力，力度过猛和过轻都有问题。
提示词冲突是另一个高频问题。当你同时写入两个矛盾的特征并都加了高权重，比如(day:1.5)和(night:1.5)，模型不会智能地二选一，而是输出一个两头不靠的混乱结果，常见表现是半明半暗的诡异光照。这种情况要么用AND明确表达混合意图，要么删掉其中一个。权重解决不了语义冲突，它只会放大冲突。
最后建议养成数值留痕的习惯：每次调整权重后记录当前数值和出图效果，小步调整，每次变动不超过0.1到0.2。固定随机种子的情况下，权重数值的变化能直接反映在画面上，这是理解模型响应规律最好的实验方法。配合XY图表功能批量测试不同权重组合，很快你就能建立起对数值区间的直觉，从抽卡玩家变成真正的控图者。
Stable Diffusion提示词权重AI绘画修改时间：2026-09-12 19:42:31