LoRA搭配提示词怎么写？很多人把 LoRA 当成”风格滤镜”，把好几个模型和一长串形容词同时塞进提示词，结果是画面风格互相打架，人物主体也被带偏。更稳的做法是先确定一项主目标，再让提示词负责主体、构图和动作，让 LoRA 只承担它擅长的风格或概念控制。本文用”同一角色做三种场景海报”的小样，说明怎样在 LiblibAI 里拆分提示词、测试权重并保存可复用组合。
边界说明：LiblibAI 官网公开提供模型社区、图片生成、WebUI、ComfyUI 和 LoRA 训练等入口；触发词、权重范围和模型兼容性以当前模型说明为准。
第一步：弄清 LoRA 和提示词各自负责什么
LoRA 通常用于强化某种人物特征、画风、服装或概念，提示词则描述这张图要画谁、在做什么、采用什么构图。两者职责分清后，排查问题才有方向：
1. 基础模型：决定整体画面能力与风格底座，选择适合人物、插画或写实的模型。
2. LoRA：强化一个明确概念或视觉特征，如服装、角色特征、笔触或主题元素。
3. 正向提示词：说明主体、动作、环境与镜头。
4. 负面提示词：限制常见错误或不需要的元素，如模糊、变形、错误文字等。
如果 LoRA 本身已经强烈控制画风，就不要在正向提示词里再堆相反风格词。先看模型卡中的示例和说明，确认它适用的基础模型及触发词，再开始搭配。
手里有一个想测试的 LoRA？点击开始，在 LiblibAI 先用同一基础模型做一组小样，只改变触发词和权重。
第二步：在 LiblibAI 找到模型并读清触发词
登录 LiblibAI 后，从首页导航进入”模型”或”AI 应用”分类，按画风或概念筛选目标 LoRA。打开模型详情页，重点读三处信息：
1. 推荐基础模型：确认与你要用的底模匹配。
2. 触发词：模型作者通常会在说明里给出，先完整写进提示词一次。
3. 示例图与推荐参数：作为起点参考，不要把别人的数值直接当成通用答案。
触发词不是越多越好。先完整写一次，再围绕它补充主体和场景，能减少”到底是哪一个词起作用”的猜测。
第三步：第一轮小样——只测触发词
用同一基础模型和同一 LoRA，生成两至四张对照图，只保留一个触发词和少量主体描述：
触发词：以模型卡说明为准；主体：同一角色、年龄、发型和服装；动作：站立，手持文件夹；场景：明亮办公室，背景留白；镜头：半身，正面视角；限制：不新增人物，不生成可读文字。
若结果没有明显变化，先检查基础模型、触发词拼写和 LoRA 是否真正加载，再考虑增加描述。判断做对的标准：这组小样能明确回答”这个 LoRA 到底影响了画面的哪部分”。
第四步：权重调整要遵循”低到高”
权重过高容易让 LoRA 覆盖主体特征，过低又看不出效果。用低、中、高三个档位做同一提示词对照，并记录每档的变化：
1. 低权重：观察主体和构图是否稳定、LoRA 是否有轻微特征——保留基础提示词。
2. 中权重：观察目标风格或概念是否清楚、人物是否仍自然——优先作为候选基线。
3. 高权重：观察特征是否过浓、脸部和材质是否被覆盖——发现失真就回退，不盲目加大。
不同基础模型、LoRA训练方式和工作流的有效范围可能不同。LiblibAI 的模型页面通常会提供推荐参数，实际使用时以当前说明为准。
第五步：多个 LoRA 组合时一次只加一个
想同时控制人物服装和画风时，分阶段测试：
角色基线：基础模型加角色 LoRA，先固定人物外形和动作。
场景变化：只替换环境和镜头，确认角色不会随场景变形。
风格叠加：加入风格 LoRA，比较低、中权重的差异。
保存组合：记录模型、触发词、权重、采样参数和通过样本。
两个 LoRA 都强烈控制同一部分时，结果可能互相覆盖。看到脸型、服装纹理或构图突然变化，先撤掉后加入的那个，再逐项排查。
触发词、权重档位和组合测试都记录完成后，可以回到 LiblibAI 保存可复用的参数组合。
常见问题
触发词要放在提示词开头吗？位置影响因模型而异。先按模型卡示例的位置写，再做前后对照测试，不要凭感觉调整。
一个提示词可以叠几个 LoRA？没有上限，但每加一个都要单独验证。一次只新增一个变量，出问题才能快速回退。
同一个 LoRA 换张参考图就失效怎么办？先检查基础模型和触发词是否一致，再用固定提示词做权重档位对照；多数情况是权重或底模不匹配，而不是 LoRA 失效。
LiblibAI 能自己训练 LoRA 吗？LiblibAI 官网公开提供”训练 LoRA”入口和模型社区；具体训练流程、算力消耗与参数设置以登录后当前页面说明为准。
