AI 绘画

ai绘画反向提示词实测：负面词到底拦住了什么

FlowPix Team 发布于 2026-09-10 1,972 字

结论先说：负面词不在多在准。四组对照跑下来，网上抄的80词长表废图率反而最高，画面还发灰；按题材定制的六个词，把废图率从四成压到一成七。抄表不如攒词，方法在文内。

ai绘画反向绘画这个话题，教程网上多得是，清一色让你抄一份长长的问题词表，抄完就算学会了。我一直怀疑这事没那么便宜——负面词本质上是给模型划禁区，禁区划得太宽，正常区域也会被误伤。为了验证这个直觉，我做了一场四组对照的实测，结果比我预想的还极端。

实验不难，费的是跑图额度：四组负面词配置，每组30张，同一段正面提示词、同一批种子，唯一变量就是负面栏里写了什么。跑完120张，一张张数废图。

四组怎么设计的：从空栏到定制词

四组对照分别是：空负面组、80词网络长表组、10词通用精简组、6词题材定制组，其他条件全部锁死。变量只有一个，差距才归负面词。

正面提示词固定用我最常跑的一套：室内人像加窗光，这个题材我熟，什么算废图一眼可判。空负面组就是什么都不写，当基线。长表组抄的是论坛置顶的那份热门词表，八十来个词，从模糊、低质量一路列到手脚错误。精简组是我从长表里挑的高频痛点十个词。定制组最花心思，只留六个词，全部对着上一批废图的具体毛病来。

判定标准也提前写死：肢体畸形、构图失控、画质糊、画风跑偏，中一条就算废。判定的时候我把120张打乱顺序，免得自己带着偏见数。跑图分了三天做完，避免某天服务器状态异常污染某一组的数据，每组的时间段也错开了。

四组废图率分别是：空组43%、长表组47%、精简组30%、定制组17%，长表组垫底还附带画风发灰的副作用。负面词过载的代价比省下的重跑额度贵。

组别	负面词数量	废图数（30张）	备注
空负面组	0	13	基线，废图以肢体畸形为主
网络长表组	约80	14	废图率反升，画面整体发灰
通用精简组	10	9	肢体畸形明显减少
题材定制组	6	5	四组最优，画风不受影响

长表组的结果我反复核对了两遍，确实是14张废，比什么都不写还多一张。更要命的是副作用：这一组的30张图普遍发灰、发闷，皮肤质感像蒙了层雾，好几张的构图也变得保守。八十个禁区同时划下去，模型畏手畏脚，连正常的光影都不敢放了。这张表抄的人那么多，有几个真对比过抄前抄后的差别？

精简组就规矩多了，肢体问题压下去一半，画风没受牵连。定制组最优，30张里废5张，其中3张还是构图问题——我那六个词全盯着肢体和画质，构图本来就不在射程里，这个账算得清。

第一步归因废图，第二步把高频毛病翻成排除词，第三步小批量验证后再并入常驻词表。词表长在自己废图上的，才是有效词表。

第一步是翻旧账。把最近跑废的图拉出来归类，数出前三名的毛病。我这批是：手部畸形、多余肢体、面部模糊。第二步是翻译，把毛病翻成模型听得懂的排除描述，一个毛病一到两个词足够，别写成小作文。

第三步是验证，这一步最省不得。新词先小批量跑10张，确认废图率降了、画风没被带偏，再转正常用。我有次加了「文字水印」进负面栏，结果那批图连人物身上的衬衫印花都被抹掉了，10张里7张衬衫干干净净——排除词伤及无辜的概率不低，不验证你永远不知道。

攒好的词表要按题材分栏存。人像一套、场景一套、静物一套，跑什么调什么。我的文档里现在有五套，每套不超过八个词，每套后面都备注着它救过哪类废图、哪天验证过，翻起来像本病历。上次帮同事调参数，他抄我的人像套去跑建筑图，废图率不降反升，还把人家玻璃幕墙跑成了毛玻璃，这事让我把「分题材」写成了铁律。

说到底，负面提示词不是护身符，是靶向药。对着自己废图开方子，六个词顶得上网上那八十个。实验做完我把那表删了，界面清爽了不少，跑图也快了。

我的经验是六个上下，覆盖三到四个高频毛病。超过二十个基本就开始误伤正常画面了，长表组那批发灰的图就是证据。

会，词越多越明显。写进负面栏的每个词都在压缩模型的发挥空间，压过头画面就发闷。所以每加一个词都要小批量验证画风有没有被带偏。

从自己最常崩的毛病入手。没有旧账可翻的话，先放肢体畸形、多余肢体、模糊这三个通用词，跑两周攒出自己的废图样本，再逐步换成自己的词。

大方向通用，具体词的效果差别不小。换工具后原词表要重新跑一轮小批量验证，我换工具那次，旧表里有两个词在新工具上直接把皮肤质感跑坏了。