AI绘画负面提示词怎么写，很多人第一反应是找一份“万能词表”全部粘进去。结果却常常相反：画面变脏、主体变小，甚至把本来需要的细节一起排除了。负面词的作用不是把画面变得更精致，而是告诉模型这一次不要出现什么；它必须和模型、构图以及正向描述一起测试。
搜索“AI绘画负面提示词”的人，通常已经遇到了具体问题：手指不对、画面裁切、背景抢主体，或者图片里出现了不想要的字。下面把这些问题分成四类，先定位错误，再在 LiblibAI 中一次只改一组词，方便判断到底是哪条规则起了作用。
先理解正向词和负面词的分工
正向提示词描述“要画什么”，负面提示词描述“这次不要画什么”。两者并不是简单的加减关系。同一个词在不同模型上权重和词汇理解可能不同，模型卡、示例图和工作流字段才是第一参考。若当前工作流没有单独的负面输入框，不要把一长串词硬塞进正向描述里。
| 先看什么 | 要确认的内容 | 不确定时怎么做 |
|---|---|---|
| 模型说明 | 是否区分正向与负面提示、推荐触发词 | 用短句做一张基准图 |
| 工作流节点 | 负面文本连接到了采样器的哪一路 | 沿用示例工作流再改一项 |
| 画面目标 | 主体、镜头和比例是否已写清 | 先修正正向词，不急着加负面词 |
在 LiblibAI 的模型或工作流页面看到示例时，可以把示例参数、尺寸和提示词一起记录下来。这样后面出现问题时，知道是词、模型还是参数发生了变化。
已经选好模型并找到需要排除的画面问题，可以先在 LiblibAI 用一张小尺寸基准图测试正负提示词。
第一类：人体和物体结构错误
手指、肢体连接、物体边缘和重复部件属于结构问题。可以先把问题写成可观察的词，例如多余手指、断裂肢体、重复物体、漂浮配件，而不是笼统地写“低质量”。但负面词只能降低出现概率，不能替代姿势参考、合理的画面比例和合适的模型。
- 人物：多余手指、手脚连接异常、重复人物、脸部错位等，按本张图真实出现的现象选择。
- 产品：多余按钮、重复标签、断裂边缘、悬空零件等，配合清晰的产品正向描述。
- 测试：保留种子或其他固定条件，只增加一组结构词，比较前后是否真的改善。
第二类：构图、裁切和画面边界
主体被切掉、头顶贴边、重要物品跑出画面，通常首先要检查宽高比、景别和正向构图描述。负面词可以辅助排除“裁切、出框、过近”等倾向，但不能把横图直接当成竖图使用。
- 先写主体位置、镜头距离和留白方向，再决定是否加“出框、裁切”等限制。
- 用相同提示分别测试 1:1、4:3 或 9:16，观察是比例还是词造成边界变化。
- 需要文字区域时，直接写出“右侧留白”或“上方留白”，不要只依赖负面词阻止主体靠边。
如果在 LiblibAI 里使用带参考图或构图控制的工作流，先阅读节点说明，确认参考图影响的是主体、姿势还是边缘。不同工作流的输入含义不能混用。
第三类：风格串味和画面质感
当插画里混入摄影质感、材质过度锐化，或复古画面出现现代 UI 元素时，才需要针对性排除。把“不要任何风格”写进负面词会让画面失去目标；更稳妥的做法是保留一种主风格，再排除与它冲突的少量风格。
- 先指定媒介、光线和色彩倾向，再排除明显冲突的媒介或色调。
- 每轮最多调整一到两组风格词，避免无法判断是哪一个词带来变化。
- 把满意的小样与使用的模型、采样设置和词语一起保存，下一次才有可复用的起点。
第四类：文字、标志和生成伪影
AI图里的乱码、假 Logo、奇怪水印和重复纹理是常见的第四类问题。负面词可以表达“不需要可读文字或标志”，但它不能保证生成真正可用的商标和排版。海报、封面等需要准确文字的场景，应预留后期编辑位置。
| 现象 | 可尝试的限制 | 后续处理 |
|---|---|---|
| 乱码 | 排除随机文字、不可读字符 | 后期重新排标题 |
| 假标志 | 排除 Logo、商标样式 | 使用已授权的真实素材 |
| 重复纹理 | 排除重复图案、拼接痕迹 | 局部重绘或换构图 |
在 LiblibAI 里做一轮可复现的排查
不要一次粘贴几十个词。可以按“基准图—单组限制—对比记录”的顺序进行：
- 记录基准：记下模型、工作流、尺寸、种子（如页面提供）和正向提示词。
- 只选一类：本轮只处理结构、构图、风格或文字中的一类。
- 生成小样：用较快的设置先看问题是否减少，不要先追求最终分辨率。
- 回看副作用：检查主体是否变小、细节是否消失，必要时删掉过强或不相关的词。
- 保存成功版本：把词语和参数连同图片命名保存，下一次只改一个变量。
模型页面的示例词不等于所有模型的通用词库。若换了基础模型、LoRA 或工作流，要重新做一张低成本基准图；不要把旧项目的负面词原封不动套到新项目。
几个容易误判的情况
“画面不好看”不是一个足够具体的问题。手部错误可能来自姿势和分辨率，主体太小可能来自镜头描述，文字乱码则适合后期排版。先把现象说清，负面词才有可验证的目标。
还要注意版权和使用范围。模型、LoRA、参考图及社区工作流可能各有授权要求，下载或商用前应查看页面说明；负面提示词并不能改变素材本身的授权边界。
四类问题已经分开，接下来可以在 LiblibAI 里按模型说明逐项试词，保留能复现的参数和小样。
常见问题
AI绘画负面提示词可以直接复制大全吗？
不建议。先根据这张图真实出现的问题挑一组，再结合模型说明测试；词越多不代表画面越干净。
负面词应该用中文还是英文？
取决于模型和工作流的训练及示例。优先沿用页面给出的格式，用一张基准图确认是否生效。
加了负面词反而没有细节怎么办？
检查是否排除了过宽的质量、纹理或风格词，先删除无关限制，再逐项比较。
负面词能解决图片里的错别字吗？
它只能降低随机文字出现的概率，不能稳定生成可读排版。需要准确文字时，预留后期编辑步骤更可靠。
LiblibAI上的所有模型都支持负面提示词吗？
不能一概而论。以当前模型卡、工作流字段和实际生成结果为准，必要时选择明确提供负面输入的工作流。
