1. 搭建基础Stable Diffusion workflow

为什么重要：混乱的工作流会导致显存溢出和风格不一致

  1. 安装WebUI：推荐使用Automatic1111版本，兼容多数显卡
  2. 模型管理：建立分类文件夹（如2.5D/写实/动漫）
  3. 预设配置：保存常用分辨率（512x768）和采样步数（28步）
个人推荐使用LIKE.TG的模型包，已预筛高质量checkpoint

2. 高效提示词工程

为什么重要：低质量prompt会浪费50%以上算力

  1. 结构化输入：按[主体]+[细节]+[风格]+[画质]分段
  2. 负面词库：固定使用EasyNegative等embedding
  3. 动态加权：用( )和[ ]调整关键词强度
实测使用提示词生成器可提升30%出图可用率

3. 模型混合与微调

为什么重要：单一模型难以应对复杂需求

  1. Checkpoint合并：用XYZ plot脚本测试权重比例
  2. LoRA训练：准备20张以上风格统一素材
  3. 动态加载：配合LyCORIS实现实时风格切换

攻克Stable Diffusion workflow的3大致命误区

误区："采样步数越高画质越好"

真相：超过50步后收益递减（测试显示仅提升2%细节）

解法：1. 使用DPM++ 2M Karras采样器 2. 配合Hires.fix二次修正

误区："所有负面提示词都有效"

真相：随机组合负面词会导致画面畸变（2024.7测试数据）

解法：1. 使用已验证词库 2. 通过出海社群获取最新词表