COMFYUI提示词怎么写？节点连接与高效生图起手式实战

很多刚从 WebUI 转到 ComfyUI 的朋友常会踩进同一个坑：把过去收藏的几十行“起手式魔咒”一股脑复制进 `CLIP Text Encode` 节点，结果跑出来的图要么画面过曝发焦，要么细节完全失真。

其实，ComfyUI 对提示词的处理逻辑和传统一键式界面有本质区别。在 ComfyUI 里，提示词并不是纯文本框，它是将文字经由 CLIP 或 T5 文本编码器转化为向量张量（Tensor）的入口，节点连线中的 CONDITIONING（条件数据流） 才是控制生成走向的核心。弄懂文本编码与节点调度逻辑，才能真正做到精准控图。

一、 ComfyUI 提示词语法底线与权重规则

在 ComfyUI 的原生文本编码节点中，权重书写遵循特定的语法规范。注意看以下几条底层规则：

1.圆括号权重语法：

•格式为 `(关键词:数值)`，例如 `(masterpiece:1.2)`。

•单纯加一层圆括号 `(photorealistic)`，ComfyUI 默认将其权重乘以 1.1；双层括号 `((photorealistic))` 则是 `1.1 * 1.1 = 1.21`。

•权重生效区间通常建议维持在 0.7 到 1.4 之间。超过 1.5 会导致潜空间向量严重偏离，画面容易出现高反差黑斑、肢体异化或烧焦噪点。

2.快捷键微调：

•选中文字后按键盘快捷键 `Ctrl + Up` 或 `Ctrl + Down`，可以以 0.05 或 0.1 为步长快速调整浮点权重，避免手动改写符号出错。

3.括号转义：

•画面中如果本身包含文本或需要保留括号符号（比如动漫角色表情符号 `^_^` 或衣服上的字），必须使用反斜杠转义：`(smile)`，否则系统会误判为权重控制。

4.原生动态通配符语法：

•原生节点直接支持大括号随机采样：`{red|blue|black} sports car`，执行生图时会随机从选项中挑一个输出。

5.77 Token 分块机制：

•传统 SD 1.5 和 SDXL 的 CLIP 模型以 77 个 Token 为一个处理块（包含开始和结束标记，实际有效容量为 75 Token）。当提示词过长时，系统会自动分切为多个 chunk 进行编码，越靠后的分块受注意力衰减的影响越严重。因此，核心主体必须写在前 20 个单词内。

二、 节点连接：Conditioning 到底怎么连？

在默认画布中，最基础的链路如下：

`Load Checkpoint` 输出 CLIP 连入两个 `CLIP Text Encode (Prompt)` 节点，分别负责正向和负向条件，再将输出的 CONDITIONING 连入 `KSampler` 的 positive 和 negative 端口。

但是，如果只停留在“一正一负两个框”，就完全丧失了节点式工具的灵活性。通过接入不同的条件控制节点，可以实现更高维度的画面引导：

•Conditioning (Combine)：

•作用：并行合并多组提示词张量（逻辑类似于 WebUI 中的 `AND` 语法）。

•连接方式：将“环境描述”与“人物特写”分别写在两个 `CLIP Text Encode` 中，同时连入 `ConditioningCombine` 节点的 conditioning_1 与 conditioning_2，再把输出给到采样器。

•优势：避免人物外貌标签污染背景道具，保持特征纯净。

•Conditioning (Average)：

•作用：按比例混合两组语义张量。

•连接方式：输入 A 与 B 两组条件，通过设置浮点参数（例如 0.6），按权重混合生成过渡风格或融合型角色。

•Conditioning (Concat)：

•作用：在 Token 维度沿序列拼接两条提示词，实现分段长文本合并。

•ConditioningSetTimestepRange (步数阶段控制)：

•作用：控制某段提示词仅在特定的采样步数区间生效。

•实操设置：把 `timestep_start` 设为 0.0，`timestep_end` 设为 0.4，表示该描述仅在前 40% 的宏观构图阶段介入；在 0.4 到 1.0 阶段切换为微观材质描述。这样可以彻底杜绝微观画质词在初期干扰全局大关系。

三、 主流模型提示词范式横向对比

不同的基底模型所采用的文本编码器（Text Encoder）存在巨大代差，绝对不能用同一套提示词套路应付所有模型。

下表详细对比了四大主流模型的提示词特性、语法机制与采样参数规范：

避坑提醒：
运行 Flux.1 时，`KSampler` 的 CFG 参数必须硬性锁定为 1.0，画面引导主要依靠 `FluxGuidance` 节点调节（默认 3.5）。如果往 Flux 的 negative 端口接入写满词汇的文本节点并强行拉高 CFG，画面会瞬间崩溃，出现大面积杂色与严重畸变。

四、 提示词写法优化前后实操对照

下面以“雨夜赛博朋克街道上站着一位拿伞的女性”为例，直观展示标签流与自然语言流的写法差异：

五、 借助大语言模型搭建提示词工程 SOP

手动编写高质量自然语言描述效率较低，而通用的聊天助手直接输出的提示词往往掺杂废话。在工作流外侧配合 Claude 3.5 Sonnet、GPT-4o 或 Gemini 1.5 Pro 构建一套专供 ComfyUI 的提示词系统，是目前行业中最稳定的做法。

1. 大模型系统指令模板 (System Prompt)

请在调用 LLM 时设置以下系统提示词。该模板严格剔除空洞词汇，专注于视觉解构：

你是一位专精于 ComfyUI 图像生成（特别是 SDXL 与 Flux.1 架构）的视觉提示词架构师。
你的唯一任务是将用户的粗糙想法扩写为高度精准的图像提示词。

规则规范：
1. 严禁使用 "masterpiece", "best quality", "ultra detailed", "hyper realistic" 等无效修饰词。
2. 严格按照五层结构拆解：
   - 画面主体（主体类型、姿态、外观特征、穿着材质）
   - 空间环境（场景、空间纵深、天气、地面与背景细节）
   - 光影色彩（主光源方向、辅光色调、阴影反差、环境光反射）
   - 构图镜头（景别如 medium shot、镜头焦段如 50mm lens、视角与景深）
   - 媒介质感（照片胶片质感、渲染引擎特性或特定艺术风格）
3. 若面向 Flux 模型，输出 100-150 词的纯英文自然语言连贯长段落，重点使用介词明确元素之间的相对空间位置；
4. 若面向 SDXL 模型，输出以逗号分隔的核心短语组，合理使用 (tag:1.1) 标注核心权重。
5. 最终只输出纯文本英文提示词内容，严禁输出任何解释、打招呼或前置说明。

2. LLM 与生图核心参数联动配置

为了保证提示词生成与图像渲染的稳定性，需严格控制上下游参数组合：

•LLM 侧推理参数：

•Temperature：设置在 0.3 到 0.5 之间。太高会导致 LLM 凭空捏造与用户原意无关的视觉实体，太低则画面过于刻板。

•Top-P：锁定在 0.85 到 0.9，收敛高概率词汇输出。

•ComfyUI 采样器配置：

•Steps（采样步数）：SDXL 设为 25 – 35；Flux.1 Dev 设为 20 – 28。步数过高不会改善画质，反而会造成算力浪费。

•Sampler（采样器）：首选 `euler` 或 `dpmpp_2m`。这两个算法在各类风格中收敛速度最平稳。

•Scheduler（调度器）：SDXL 推荐 `karras` 或 `exponential`；Flux 必须搭配 `simple` 或 `sgm_uniform`。

六、 高效生图起手式工作流 SOP

要构建稳定出图的生产环境，建议把标准起手式工作流程固化为四个关键节点步骤：

[文本工程与输入]                [条件控制层]                   [潜空间采样]              [像素解码与输出]
+-------------------+         +------------------------+     +---------------+        +---------------+
| 原始创意 / LLM扩写 | ------> | CLIP Text Encode (正向) | --> |               | -----> |  VAE Decode   |
+-------------------+         +------------------------+     |               |        +-------+-------+
                              | CLIP Text Encode (负向) | --> |   KSampler    |                |
                              +------------------------+     |               |                v
                              | ConditioningSetArea    |     | (CFG/Steps/   |        +---------------+
                              | (区域构图/条件合并可选)   | --> |  Sampler/Seed)|        | Save / Preview|
                              +------------------------+     +-------+-------+        +---------------+
                                                                     ^
                                                                     |
                                                [Empty Latent / 尺寸标准]

第一步：建立规范的文本输入区

在画布最左侧放置两个不同颜色的 `CLIP Text Encode` 节点（绿色代表正向，红色代表负向）。

在正向文本框内，严格遵循“主体 -> 动作与交互 -> 环境 -> 镜头光影”的书写顺序。如果是批量化生产，建议在文本框前串联一个 `Primitive`（原始字符串）节点，便于统一管理提示词输入变量。

第二步：规范潜空间（Latent）分辨率

`Empty Latent Image` 节点的长宽尺寸必须严格遵循模型训练的原生桶比例（Bucket）：

•SD 1.5：基准为 `512×512`、`512×768`、`768×512`。直接开高分辨率会导致“多头多肢”体态崩坏。

•SDXL / Flux.1：基准为 `1024×1024`、`896×1152`（3:4 人像竖图）、`1152×896`（4:3 风景横图）、`1216×832`（16:9 宽屏）。尽量不要设置非 64 整数倍的奇葩分辨率。

第三步：精准匹配负向条件

•在 SD 1.5 / SDXL 中，负向提示词只填真实需要排除的问题，切忌无脑粘贴上百字的负向大合集。推荐的基础负向模板：

deformed iris, deformed pupils, bad eyes, semi-realistic, worst quality, bad hands, mutated fingers, extra limbs, poorly drawn hands, missing arms

•在 Flux.1 中，直接在负向 `CLIP Text Encode` 中留空，或者仅通过 `ConditioningZeroOut` 节点给入零条件张量。

第四步：固定种子与变量排查法

在微调提示词时，务必将 `KSampler` 的 `control_after_generate`（生成后操作）设置为 `fixed`（固定种子）。

每次只修改一个单词或调整一组权重数值。只有在保持潜空间初始噪波完全一致的前提下，才能精准验证某一个词汇或节点配置对成图产生的实际影响。验证完毕后再切回 `randomize` 进行大批量抽卡。