掌握提示词，玩转 ComfyUI/StableDiffusion，人人都是艺术家！- Grasp prompt words, conquer ComfyUI/StableDiffusion, and unleash your inner artist!
官网解释文档:
https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Features
谁说 AI 绘图很难？掌握几个关键技巧，你的提示词立马变强！下面这份"傻瓜式"指南让你秒变提示词高手！
1. 默认权重与提示词长度控制
用法：每个提示词默认权重为1，总词数建议≤75（实际受CLIP模型76token限制）。
好处：避免模型计算过载，提升生成效率。
极值：最小权重0（无效词），理论最大权重无限制但实际需保持总和合理。
计算示例：(sunflower:1.5) 将权重提升50%，相当于 ((sunflower)) 嵌套一层小括号。
2. 括号权重控制
小括号 ( )
用法：每层增加10%权重，如 (word)=1.1，((word))=1.21。
替代语法：(word:1.3) 直接指定权重为1.3，避免多层嵌套。
中括号 [ ]
用法：每层减少10%权重，如 [word]=0.9，[[word]]=0.81。
大括号 { }
用法：混合使用时可自定义权重叠加逻辑，但需手动计算。
注意：仅小括号支持冒号语法直接指定权重值。
示例：如果我们要生成一张包含 “red flower” 和 “blue sky” 的图片，并且希望 “red flower” 更加突出，可以写成 “(red flower:1.5) blue sky”，这样 “red flower” 在生成图像时会得到更多的关注。
3. LoRA模型调用
用法：<lora:模型文件名:强度乘数>，如 <lora:smiling:0.8>。(假设有一个名为 “smiling” 的 LoRA 文件，这样图像中微笑表情会被突出)
好处：微调特定风格，兼容UNet和CLIP模型。
极值：乘数建议0~1（可超1, 但极易失真）。
要求：需将LoRA文件放入指定目录（通常为 models/Lora）。
4. 连接符（下划线）
用法：用下划线连接词组，如 banana_bread。
好处：强制CLIP分词器将词组视为整体，避免歧义（如不连接可能拆分为"banana"和"bread"）。
替代方案：引号包裹词组 "banana bread" 也可达到类似效果。
5. Prompt Editing（分步控制）
语法：（注意to 是一个: 而 from是两个::）
[a:0.8]：表示元素 “a” 在生成过程中只在 0.8（即 80%）的步骤之后起作用。比如说: [balls:0.8] on the ground 相比于 [balls:0.1] on the ground, 前一个提示词生成的球的数量就会比较少，因为它只在最后20%的时候起作用。
[a::0.7]：表示元素 “a” 在生成过程中前 0.7（即 70%）的步骤起作用，之后的30%的生成步骤不起作用。比如说: [balls::0.7] on the ground 相比于 [balls::0.1] on the ground, 前一个提示词生成的球的数量就会比较多，因为它在生成过程前70%的部分起作用。
[a:b:16]：表示在第 16 步时，将元素 “a” 替换为元素 “b”。比如说: [cat:dog:10] 表示前10步画猫，后10步改画狗。最后的结果，会融合猫狗的特点，生成新的图片。
好处：精细控制不同生成阶段的画面变化。
极值：步数需≤总生成步数（默认20，可以自定义）。
6. 交替词（动态切换）
用法：使用 [word1|word2|word3] 这样的语法，可以让模型在每一步生成时从列表中选择一个词。这可以用来创造在不同概念之间平滑过渡或混合的效果，或者引入一些随机性和多样性。
好处：每一步随机选择其中一个词，生成混合特征。
示例：a painting in the style of [van gogh|monet|picasso]：生成的画作风格会在梵高、莫奈、毕加索之间交替。
7. 4GB显存支持
启用方式：启动参数添加 --medvram 或 --lowvram。
原理：牺牲生成速度，分批处理模型计算以减少显存占用。
限制：
分辨率可能受限（如≤512x512）。
部分功能（如高清修复）需关闭。
兼容显卡：NVIDIA 4GB+（如GTX 1650、RTX 3050）。
