Day 3 正式开始：核心节点深度拆解 + 参数全面掌握

1 打开昨天的工作流并优化布局（5分钟）

• 启动 ComfyUI，点击 Load，选择你保存的 Day2_基础文生图.json。
• 把节点从左到右大致排成一条直线（方便阅读）：
  • 最左：Load Checkpoint
  • 然后两个 CLIP Text Encode（正上方、负下方）
  • 中间：Empty Latent Image
  • 核心：KSampler
  • 右边：VAE Decode → Save Image
• 用 Group 功能分组（框选 Load Checkpoint + 两个 CLIP → 右键 → Group，命名为“模型与提示”）。
• 保存为新文件：Day3_参数实验.json。

2 CLIP Text Encode 进阶用法（Prompt 工程基础）

CLIP Text Encode (Prompt) 是整个工作流的“指挥官”，它把你的文字翻译成模型能理解的数学向量。

今天重点掌握的 Prompt 技巧（直接在 text 框里输入）：

1. 基础结构：
   • 正向 Prompt：主体 + 风格 + 细节 + 质量词 示例：masterpiece, best quality, a beautiful cyberpunk girl standing in neon city street, detailed face, glowing eyes, intricate clothing, cinematic lighting, 8k
   • 负向 Prompt：常见问题词（越具体越好） 示例：blurry, lowres, deformed, ugly, bad anatomy, extra limbs, poorly drawn face, bad hands, watermark, text
2. 权重控制（最实用技巧）：
   • (word:1.3) → 加强这个词（推荐 1.1~1.5，不要超过 2.0）
   • (word:0.7) → 减弱这个词
   • [[word]] → 逐步减弱（等同于 (word:0.8)）
   • (word:1.2) 连续嵌套可以更精细控制
   • 示例正向：((masterpiece:1.3), best quality:1.2), a beautiful (cyberpunk girl:1.4) with (glowing neon hair:1.25)
3. 今天练习：
   • 先用简单 prompt 生成一张基准图。
   • 然后只修改正向 prompt 中的权重，生成 3~5 张，对比差异（尤其是脸部、细节、风格强度）。

小贴士：Prompt 不是越长越好，前 75 个 token（词）最重要。可以用逗号分隔不同概念。