这一次篇章主要了解关于提示词的书写内容。我们需要了解掌握的内容细节比较多。索性是后续都会有插件帮助我们增效。
为了保证大家的学习过程以及文档的编写过程，这里我们都不加任何模型，单纯是用默认自带的即可；
提示词基础
基础书写规则
所有单词都是通过英文书写，单词之间通过, 分割，注意是英文逗号；
提示词之间是可以已通过换行书写的，并不会有什么影响；
单个提示词的权重是1 , 默认情况下，越往前，权重越大；
默认情况下，正反向提示词的单词数量在75以内，超过部分对于画面质量影响比较小；
我们通过几个例子展示，
关于单词数量：
img
关于描述，我们通过相同的提示词，然后不同的顺序来查看区别：
提示词：（一个女孩）（在广场）（敲架子鼓）（微笑）
1：A girl,in the square,playing drums,smiling
2：in the square,A girl,playing drums,smiling
当把场景词放在前面之后，会发现人物会有一个相当于广角的处理。广场的占比提高，而对于第一张图而言，会将人物放在中心前面；
各种符号
目前可以在提示词中增加权重的方式，有各种符号。比如 小括号()、中括号[]以及大括号{}。都是可以微调提示词的权重的。
小括号() 增加权重
用来增加当前提示词的权重0.1倍 ；
我们可以通过多层来确定权重，最多只能嵌套三层，最能够提升的权重就是1.331倍
推荐写法：还可以通过**?* 来制定权重占比；
（一个女孩）(卷发)（在广场）（敲架子鼓）（微笑）
1：A girl,curls,in the square,playing drums,smiling
2：A girl,(curls),in the square,playing drums,smiling # 将卷发增加了0.1倍
3：A girl,(((curls))),in the square,playing drums,smiling # 将卷发增加到1.331倍
4：A girl,(curls:1.5),in the square,playing drums,smiling # 将卷发增加到1.5倍
img
这里分别使用4个不同的提示词，在相同情况下的出图效果，能够明显感觉到卷发在不同权重下的表现是不一样的。
Tips：建议推荐权重占比在[0.3-1.5]之间，再小，再大效果不太明显；
大括号{} 增加权重
用来增加当前提示词的权重0.05倍 ；
我们可以通过多层来确定权重，最多只能嵌套三层，最能够提升的权重就是1.15倍
（一个女孩）(卷发)（在广场）（敲架子鼓）（微笑）
1：A girl,curls,in the square,playing drums,smiling
2：A girl,{curls},in the square,playing drums,smiling # 将卷发增加了0.05倍
3：A girl,{{{curls}}},in the square,playing drums,smiling # 将卷发增加到1.15倍
下面的图片是 增加了0.05倍以及增加到1.15倍的效果；
img
中括号 [] 降低权重
用来降低当前提示词的权重0.9倍 ；
我们可以通过多层来确定权重，最多只能嵌套三层，最能够降低的权重就是0.729倍
（一个女孩）(卷发)（在广场）（敲架子鼓）（微笑）
1：A girl,curls,in the square,playing drums,smiling
2：A girl,[curls],in the square,playing drums,smiling # 将卷发降低了0.9倍
3：A girl,[[[curls]]],in the square,playing drums,smiling # 将卷发降低到0.729倍
4: A girl,(curls:0.6),in the square,playing drums,smiling # 将卷发降低到0.6倍
下面4张图分别就是不同提示词的权重出来的效果：很容易看出来最后降低权重的最后一张图片，卷发的关键词很少了；
img
尖括号 <> 调用lora
主要是用来调用lora，目的是为了更好产生所需要的特定特征的主题画面；
调用格式是：
<lora:文件触发:权重>
比如我们通过下面提示词内容来产生：
一个女孩穿着汉服：
1：a girl,wear Hanfu,
2：a girl,wear Hanfu, <lora:hanfuTang_v35:1> # <lora:文件触发是hanfuTang_v35:权重是1>
3：a girl,wear Hanfu, <lora:hanfuTang_v35:1.3> # <lora:文件触发是hanfuTang_v35:权重是1.3>
下面是出图效果：
img
具体增加的lora，大家可以看文末,模型大家可以直接点击链接下载：
链接：https://pan.baidu.com/s/1eTkCnhsfk9nRD04FJfa3fQ?pwd=6ow6 提取码：6ow6
–来自百度网盘超级会员V9的分享
下划线 _ 链接词义
主要是通过_ 来链接词义。比如下面的提示词：
咖啡牛奶；
1：coffee,milk
2：coffee_milk
下图第一张会把咖啡和牛奶都展示出来，第二张就是一个咖啡牛奶了；
img
提示词进阶
控制提示词生效时间
一般通过[]指定；常见的用法有以下几种：
通过不同的方式指定生成时间：
提示词，湖泊中，很多水草和石头以及鱼
1：lake,many aquatic_plants and stones , fish
2：lake,many aquatic_plants and stones , [fish:0.8] #在生成图片时，当采样执行到80%时才生成鱼
3：lake,many aquatic_plants and stones , [fish::0.8] #在生成图片时，一开始采样执行到80%时都会生成鱼，达到80%后就不计算鱼的采样了
3：lake,many aquatic_plants, [stones:fish:0.8] #在生成图片时，前80%采样是石头，后20%是鱼的采样，整个图片以石头为主
4：lake,many aquatic_plants, [stones|fish] # 生成图片是交替采样，先石头，然后鱼 再石头 然后鱼依次类推
img
这里仔细看看是能看到区别的，另外一点就是如果我们想要生成一个女孩红绿头发，可以参考使用最后一种书写格式：
a girl,[black|red] hair
img
推荐提示词写法
按照我们之前说的关于默认权重以及一些基础性规则写法，我们可以推荐一整套对应的提示词流程：
比如我们想要生成一个类似的图片：
一条金黄色的中国龙，遨游在天空；
那么按照要求，我们需要生成的图片就按照如下进行排列：
描述场景 提示词中文 提示词英文 作用 画质词、画风词 最高质量,极致的细节,超高清,8k,超现实图片,极高分辨率 the best quality,extreme detail,ultra-high definition,8k,Surreal Photo,incredibly absurdres 强调画质 画面主体描述 一条鳞甲是金色和红色的中国龙,高品质的纹理,复杂的细节,极其细致的鳞片 Highly detailed textured scales Dynamic shot of a lovely golden and red Chinese dragon, extremely detailed scales High quality textures, intricate details, detailed textures 描述细节 环境、场景、灯光、构图 夜晚的星空中,空中有烟花,中国龙头部特写,电影光,龙尾在身后摇曳,中国龙遨游在天空中, Starry sky at night with fireworks in the sky, close-up of the head of a Chinese dragon, movie light, dragon tail swaying behind it, Chinese dragon flying in the sky, 描述细节 Lora模型 这里就可以在对应的模型网站中找自己比较喜欢的模型，然后下载搭配使用即可。 调用深化细节 负面词 放通用负面词即可，在之前文档里面有具体的大模型使用，大家看后续章节文末即可，对应我这一次使用的大模型连接和对应的lora连接在下面：
大模型链接：链接：https://pan.baidu.com/s/17Z8py0HW6okKnKEOmKR_mg?pwd=1hhj 提取码：1hhj
–来自百度网盘超级会员V9的分享
lora模型链接：链接：https://pan.baidu.com/s/1ojpbnFXcFW0wD9n-Tpu7oQ?pwd=0nx8 提取码：0nx8
–来自百度网盘超级会员V9的分享
最后我们开始激动人心的抽卡环节，选择一张你觉得还不错的图片即可：
提示词推荐网站以及插件
这一部分我们就带着大家一起汇总一些常见的提示词网站以及好用的插件，帮助大家更好的写好提示词。
推荐网站
常见的一些可以提升你提示词的网站：
网站 网站作用 网站图片 https://lexica.art/ 通过你想要搜索的关键词，查看图片以及对应的提示词 https://tag.redsex.cc/ 咒语生成器，找到自己想要描述的场景，只需要通过点击的方式就可以将提示词完成 https://prompthero.com/stable-diffusion-prompts 通过搜索的关键词来查看照片对应的提示词，优点是它整合了很多目前市面上的AI工具。 https://www.4b3.com/ 和prompthero类似，也是整合了很多AI工具的提示词 https://tags.novelai.dev/ 也是一款咒语生成器，用来生成对应的咒语，操作上稍微麻烦一点点，但是很有互联网电商属性，感觉自己不是在写提示词而是在购物推荐安装插件
目前大家使用提示词的插件，推荐以下几个，关于如何使用安装插件，请查看后续教程。
插件名称：tagcomplete （“提示词”自动补齐插件） Github：https://github.com/DominikDoom/a1111-sd-webui-tagcomplete.git
插件名称：all-in-one （“提示词”自动翻译插件） Github： https://github.com/Physton/sd-webui-prompt-all-in-one.git
插件名称：easy-prompt-selector （“提示词”分类索引神器） Github： https://github.com/blue-pen5805
文章使用的AI绘画SD整合包、各种模型插件、提示词、AI人工智能学习资料都已经打包好放在网盘中了，无需自行查找，有需要的小伙伴文末扫码自行获取。
写在最后
AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。
感兴趣的小伙伴，赠送全套AIGC学习资料和安装工具，包含AI绘画、AI人工智能等前沿科技教程，模型插件，具体看下方。
一、AIGC所有方向的学习路线
AIGC所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。
二、AIGC必备工具
工具都帮大家整理好了，安装就可直接上手！
三、最新AIGC学习笔记
当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。
四、AIGC视频教程合集
观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
五、实战案例
纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
总结
### 文章总结本文详细介绍了“提示词”在AI绘画中的重要性及其书写规范，主要分为基础、进阶、推荐写法及辅助工具四个部分。
#### 提示词基础
1. **书写规则**：
- 使用英文单词，单词间以英文逗号`,`分隔。
- 可通过换行书写，不影响效果。
- 单个提示词默认权重为1，越靠前权重越大。
- 正反向提示词单词数建议在75以内，超过部分对画面质量影响小。
2. **符号应用**：
- **小括号()**：增加权重，最多三层嵌套，最高提升至1.331倍，推荐权重0.3-1.5倍。
- **大括号{}**：增加权重，最多三层嵌套，最高提升至1.15倍。
- **中括号[]**：降低权重，最多三层嵌套，最低降至0.729倍。
- **尖括号<>**：调用LORA，用于生成特定特征的画面。
- **下划线_**：连接词义，如在“coffee milk”中使用“coffee_milk”表示混合。
#### 提示词进阶
1. **控制生效时间**：通过`[]`指定，可分为中途插入（如`[fish:0.8]`）、前后替换（如`[stones|fish]`）等多种方式。
#### 推荐提示词写法
- **有序排列**：依据画质描述、主体描述、环境场景、LORA模型等顺序逐步细化，以确保画面符合预期。
#### 推荐网站与插件
1. **网站**：提供了如Lexica.art、RedSex.cc等多个提示词及咒语生成器，便于查找遣词IMAGES及灵感。
2. **插件**：
- **tagcomplete**：提示词自动补齐，提高输入效率。
- **all-in-one**：自动翻译中英文提示词，适合跨语言用户。
- **easy-prompt-selector**：分类索引工具，快速定位所需提示词类别。
#### 资源分享
文末还分享了AI绘画技术的学习路线、必备工具、最新学习笔记、视频教程合集及实战案例，覆盖AIGC技术的多个方面，非常适合有兴趣进一步学习的人。
#### 未来展望
AIGC技术未来发展前景广阔，将与人工智能深度融合，应用于更多领域，为程序员和技术爱好者带来更多发展机会。