你在负向提示词里仔细列了 blurry, low quality, text, watermark, extra fingers, deformed hands, jpeg artifacts。出图回来 T 恤上有字，角落里隐约有水印，手是六根指头。看起来负向提示词被丢掉了。
最快的修复： 把请求体打印出来，确认模型确实收到了非空的 negative_prompt，然后把 CFG 提到 8 重跑。这两步能解决大多数”负向无效”的情况。如果你用的是 Flux 模型（Flux Dev、Flux Schnell 或 Flux.2），负向在默认设置下是关掉的，必须开启 true CFG 才生效——直接跳到 Flux 那一节。
有时候提示词确实没到——客户端就没传。但更常见的是模型在正常解析它，只是你要否定的概念在 checkpoint 权重里太牢固，或被你自己的正向提示词反向召唤了。把负向提示词当成众多杠杆之一，不要当万能橡皮擦。
你属于哪一类？
| 症状 | 可能原因 | 跳转 |
|---|---|---|
| 网页 UI 里能用，自己脚本里不行 | 字段没传 / 字段名错 | 原因 1、步骤 1 |
| 调高 CFG 后不想要的东西变淡 | CFG 太低 | 原因 2、步骤 2 |
| 正向里写了杂志、海报、招牌 | 正向在召唤它 | 原因 3、步骤 3 |
| 只有长负向里靠后的几项失效 | 超过 75 token 被切掉 | 原因 5、步骤 4 |
(word:1.4) 被当成普通文字 | 运行环境权重语法不对 | 原因 6、步骤 5 |
| 正向清空了水印还在 | checkpoint 过度训练 | 原因 4、步骤 6 |
| 底图干净，过 refiner 后变脏 | 没把负向传给 refiner | 原因 7、步骤 7 |
| 模型是 Flux（Dev/Schnell/.2） | 负向默认被禁用 | 步骤 8 |
常见原因
按真实管线里的出现频率排序。
1. 负向提示词压根没到模型
在 API 调用里这是最常见的——根据服务商，字段名是 negative_prompt、neg_prompt 或 unconditional_prompt，写错一个字符就传成空串。UI 在某些 workflow 下也会悄悄丢掉这个字段（比如某些 Comfy 节点的 img2img）。
如何识别：把发出的请求体打印出来。如果 negative_prompt 缺失或为空字符串，模型从未看到它。
2. CFG 太低，负向咬不住
CFG 控制模型多大程度上往正向推、多大程度上远离负向。CFG 4-5 时负向作用弱；7-9 才咬；12 以上会矫枉过正成丑陋伪影。
如何识别：保持负向不变，把 CFG 调到 8 重跑。如果不想要的元素消失了，低 CFG 就是元凶。
3. 正向提示词正在召唤你想否定的东西
如果正向里写了”杂志封面”，模型一定会出字——负向里写 text 是在和整个正向开战。负向提示词无法克服正向内部的矛盾。
如何识别：把正向提示词通读一遍，问自己”一个一根筋的模型会不会理解为要加上这个东西？“若是，先修正向。
4. 模型对该概念过度训练
某些 checkpoint（尤其是写实微调）训练集里塞满了带水印的图库照片。负向能微调但克服不了硬编码的偏见。
如何识别：完全空正向 + 满负向出图。如果水印还在，是底模的锅。
5. 负向太长被截断
CLIP 的硬上限是 77 token，但其中两个被起止标记占掉，所以你实际只有 75 个真正可用的 token（大约 50-60 个英文词）。在原生 Diffusers 里，超出部分会被静默丢弃——可能恰好包含你最在意的那个概念。AUTOMATIC1111、Forge、Fooocus、InvokeAI 和 ComfyUI 通过把提示词切成 75 token 的分块来绕开这个限制（有效上限因此涨到 150、225……），但脚本里裸调 pipe(...) 不会这么做。
如何识别：用 CLIP tokenizer 数 token 数。如果你的负向超过 75 token 而你又是直接调 Diffusers，尾巴就被吃了。在 Diffusers 里留意控制台里的警告 The following part of your input was truncated because CLIP can only handle sequences up to 77 tokens。
6. token 权重语法和平台不匹配
(blurry:1.4) 在 AUTOMATIC1111 能跑，原生 Diffusers 不能。[blurry:1.4] 在不同 UI 里又有不同语义。语法错误意味着解析器看到的是乱码，权重没生效。
如何识别：先用裸词测试，不带括号和权重。裸词能用而带权重不行，就是语法问题。
7. SDXL refiner 把底模刚刚去掉的东西又加回来
SDXL 是 base + refiner 两阶段管线。如果负向只传给 base 没传 refiner，refiner 可能在干净底图上再加细节（包括类似水印的噪声）。
如何识别：只跑 base（关掉 refiner）对比。base 干净、refined 脏 = refiner 的问题。
8. 你用的是 Flux 模型，它天生无视负向
Flux Dev、Flux Schnell 和 Flux.2 都是 guidance-distilled（引导蒸馏） 模型：classifier-free guidance 行为被烤进了权重，所以它们以内部 CFG 1 运行，此时负向提示词毫无作用。截至 2026 年 6 月，对刚从 SDXL 切过来的人来说，这是负向”完全没反应”的头号原因。负向字段在 UI 里是有的，但除非开启 true CFG，否则它是哑的。
如何识别：看你的 checkpoint 名字。如果里面带 flux 而你的负向在任何 CFG 下都零效果，就是这个原因。修复见步骤 8。
开始前准备
- 保留一张”坏图”，记下确切的正向 + 负向字符串和所有参数。
- 确认你用的 API 或 UI 是否支持负向提示词（一些基础服务商不支持）。
- 决定哪个不想要的元素最重要——一次一个比同时干掉所有要快。
需要收集的信息
- 完整正向和负向提示词字符串（从请求日志里复制，不要靠记忆）。
- CFG、采样器、模型名、模型版本。
- 两段提示词的 token 数（用 CLIP tokenizer）。
- 你跑的是 base only、refiner only 还是双阶段。
- 你的客户端用的具体字段名（
negative_prompt还是neg_prompt还是其它）。 - 模型家族（SDXL、SD 1.5、Flux Dev/Schnell/.2、Qwen-Image）——这决定了负向到底适不适用。
一步步修复
按 ROI 排序。
步骤 1：确认负向真的被发出去
打印发出的请求体：
import json
print(json.dumps(payload, indent=2))或用 curl：
curl -v -X POST $API_URL \
-H "Authorization: Bearer $KEY" \
-d '{"prompt": "...", "negative_prompt": "blurry, text, watermark", "cfg_scale": 7.5}'如果 negative_prompt 键缺失，改字段名。一半”负向无效”工单到这里就解决了。
步骤 2：提高 CFG 重测
试 CFG 8.0，再试 9.5。注意过度矫正（色彩寡淡、边缘过焦），但如果 CFG 8 让不想要的元素消失了，低 CFG 就是原因。
{"cfg_scale": 8.5}步骤 3：修正向，别再召唤不想要的东西
如果你写了”工作室人像，杂志封面级，时尚大片”再负向 no text，等于自己跟自己打架。重写：
正向：studio portrait, soft rim light, neutral grey backdrop, plain background
负向：text, watermark, signature, letters, logo一个干净的正向比一个着急的负向更有用。
步骤 4：把负向裁到 60 token 以下
顺序有讲究——把最重要的拒绝放最前，因为在原生 Diffusers 里第 75 token 之后的内容会被丢弃，而且即便在限额内，靠前的 token 权重也更大。
负向：text, watermark, extra fingers, deformed hands, blurry, low quality像 ugly、bad、weird 这种低价值通用词砍掉，它们少有帮助还挤掉具体 token。
如果你在 AUTOMATIC1111、Forge 或 ComfyUI 里确实需要长负向，用大写的 BREAK 关键字开启一个全新的 75 token 分块、把相关的拒绝项分组，比如 text, watermark BREAK extra fingers, deformed hands。BREAK 必须大写；小写的 break 会被当成普通词。
步骤 5：用平台正确的权重语法
在 AUTOMATIC1111 / Forge / Fooocus / ComfyUI / InvokeAI 里，(word:1.5) 语法的行为是一致的：
(watermark:1.5), (text:1.4), (extra fingers:1.3), blurry, deformed但在原生 Diffusers 里这套括号语法只是普通文字——想要权重得用 compel 库，它有自己的 word++ / word-- 语法，并通过 negative_prompt_embeds 把结果喂进去。没有它，括号毫无作用。
针对 SD 1.5 和 SDXL，textual-inversion embedding 往往比打字的词更管用：把 EasyNegative embedding 放进你的 embeddings 文件夹，然后在负向里加 EasyNegative。这一个 token 就打包编码了一堆”画质差 / 解剖错误 / 伪影”的概念，纯文字很难表达到位。
步骤 6：换 checkpoint，如果概念已被过度训练
如果一个图库照微调过的 checkpoint 总是出水印，换一个数据更干净的（一个 “photo-real-clean” 变体，或没图库微调的 SDXL 底模）。相关：AI 图像水印残留。
步骤 7：负向同时传给 base 和 refiner（SDXL）
SDXL 管线里，确认 refiner 阶段也收到了负向：
image = pipe(
prompt=pos,
negative_prompt=neg,
).images[0]
image = refiner(
prompt=pos,
negative_prompt=neg,
image=image,
).images[0]很多教程忘了在 refiner 调用里写 negative_prompt——默认空就会把坏内容加回来。
步骤 8：Flux 需要 true CFG 或 Dynamic Thresholding
如果你的模型是 Flux Dev、Flux Schnell 或 Flux.2，普通的负向毫无作用，因为引导被蒸馏进了权重。截至 2026 年 6 月，你有三个办法，按推荐程度排序：
-
在 Diffusers 里用 true CFG。 Flux 管线只有在
true_cfg_scale大于 1 时才支持negative_prompt。这是最干净、官方支持的路径：image = pipe( prompt=pos, negative_prompt="blurry, low quality, text, watermark", true_cfg_scale=3.5, # 如果这个保持 1，负向会被忽略 num_inference_steps=50, ).images[0]注意
true_cfg_scale和 Flux 的guidance_scale（蒸馏引导，通常 3-4）是两个不同参数。把true_cfg_scale留在默认值 1 会静默丢弃负向。完整参数列表见 Diffusers Flux 管线文档。 -
在 ComfyUI 里安装
sd-dynamic-thresholding，在 Flux 模型和KSampler之间加一个DynamicThresholdingFull节点。这样你就能把 CFG 推到 1 以上并传入真正的负向。效果时好时坏，渲染时间大约翻倍，但确实能用。 -
干脆不用负向，改用正向描述。 这通常是更好的 Flux 工作流：与其否定
extra fingers，不如描述正确结果——a hand with exactly five fingers, anatomically correct。Flux 对详细正向的遵循度很高，这也是它在 2026 年提示词遵循度领先的原因。
验证
- 用修正后的提示词出 4 张一组的图。不想要的元素应该在 4 张里都不见或很罕见。
- 把负向清空再出图，确认不想要的元素回来了。证明负向现在是有用的。
- 跑一组极端配置（CFG 12、最大权重）确认模型能彻底压制该元素——你不会用这个配置出片，但能证明杠杆有效。
长期预防
- 为每个 checkpoint 维护一套测试过的负向词库。在 SDXL base 上有用的，到 Flux 上不一定有用。
- 把正向 + 负向 + CFG + 采样器 + checkpoint 一起记日志。负向失效时，可以从已知好配置二分定位。
- 先修正向。负向是修正器不是改写器。
- 负向控制在 60 token 内；最关键的拒绝放进前 20 个 token。
- 自定义管线里在 CI 里校验请求体——断言
negative_prompt存在且非空，并且 Flux 任务的true_cfg_scale大于 1。 - 换 checkpoint 版本后重新测试你的负向词库。
- 记录每个 preset 针对的模型家族。SDXL 负向最强，Flux 需要 true CFG 或正向描述，Qwen-Image（阿里巴巴，Apache 2.0 协议）又是另一套行为——别假设一套词库能跨家族通用。
常见坑
- 把负向当愿望清单，塞 200 词。尾巴会被丢弃。
- 在负向里写
no text——模型把no和text当独立概念，text才是被注册的那个。直接写你拒绝的概念。 - 在不解析 AUTOMATIC1111 权重语法的原生 Diffusers 脚本里用了那套语法。
- 忘了托管服务商可能去掉或重映射字段。查文档。
- CFG 拉到 15+ 暴力压制——出图会过焦寡淡。不如修正向或换 checkpoint。
- 在 Flux 上用负向却没把
true_cfg_scale设成大于 1（Diffusers），也没加 Dynamic Thresholding（ComfyUI）。否则这个字段是哑的。 - 以为负向能修一切。结构性问题用 参考图 或 ControlNet，负向修不了。
FAQ
Q：是不是该默认就用一长串负向？
不。从论坛抄来的默认负向常常自相矛盾或浪费 token。用一个简短、针对你 checkpoint 实际问题的负向。
Q：我的正向很短很干净，模型还是会加字。怎么办？
试不同的 checkpoint。一些写实微调把水印 / 字深度烙在模型里，没有负向能完全去掉。
Q：能给负向写个正则或模板吗？
把负向当 checklist：按 checkpoint、按风格。没有通用正则。保存 3-4 个命名 preset（“portrait-clean”、“product-clean”、“anime-clean”）复用。
Q：Flux 对负向的尊重程度一样吗？
不一样。Flux Dev、Flux Schnell 和 Flux.2 是引导蒸馏模型，默认设置下无视负向。在 Diffusers 里你通过把 true_cfg_scale 设到 1 以上来重新启用它；在 ComfyUI 里你加 sd-dynamic-thresholding 扩展里的 DynamicThresholdingFull 节点。两者都要多花渲染时间，所以对 Flux 很多人干脆跳过负向、改用正向描述想要的结果。
Q：Flux 上的 guidance_scale 和 true_cfg_scale 有什么区别？
guidance_scale 是 Flux 的蒸馏引导值（通常 3-4），不使用负向提示词。true_cfg_scale 是真正的 classifier-free guidance：只有大于 1 时才生效，也只有那时你的 negative_prompt 才真正被应用。如果你设了负向却把 true_cfg_scale 留在 1，它会被静默丢弃。
Q：如果我的模型老出水印，该换成哪个 checkpoint？
要论最深的干净社区微调库和最强的负向响应，留在 SDXL。如果你需要清晰的图内文字或商用授权，Qwen-Image（Apache 2.0）是 2026 年很强的选项。Flux 提示词遵循度领先，但如上所述，它对负向的处理方式不同。