让 AI 画一张人像，出来的人手指多了一根、背景里浮着乱码文字；让它画产品图，画面角落多了水印和边框——这些毛病单靠改正面提示词很难根治，文生图由此多了一条平行通道：负面提示。正面提示写「要什么」，负面提示写「不要什么」，两者同时进模型，共同决定画面的走向。这篇讲清它的机制：正负两条通道怎么分工、常见的负面词分哪几类、为什么「禁止」在这种模型里能起作用，以及负面词写多了会发生什么。
一句话的提示，两条平行通道
先摆正分工。正面提示描述目标画面：主体、风格、光线、构图，是画面的「引力中心」；负面提示列出要避开的东西：模糊、畸形、水印，是画面的「排斥区」。两条通道并不分先后，而是同时参与每一次去噪决策——模型每修一步，都要在「靠近正面描述的方向」与「远离负面列举的方向」之间权衡。可以把开工的画家理解成手握两张清单：一张写明交稿要求，一张写明甲方忌讳，两张都看，成稿才既对路又少瑕疵。提示词的整体写法见提示词一篇。
负面词的常用清单
负面词按用途分几类，各有各的针对面。质量类是最常用的一层：低分辨率、模糊、噪点、压缩痕迹，把它们挂进负面栏，画面的整体完成度普遍上一个台阶。瑕疵类针对模型的惯常失手：畸形手指、肢体错位、面部扭曲、多余的人，专治结构上的崩坏。冗余类防画蛇添足：水印、签名、文字、边框、裁切，适合对画面干净度有要求的场合。风格类用来排除不想要的方向：不想要卡通感就挂卡通相关词，不想要某种旧画风就点名排除。清单不在于长，在于对症——先看成品哪里不满意，再往负面栏里补对应的词。
| 类别 | 针对什么 | 原文列的词 |
|---|---|---|
| 质量类 | 画面整体完成度 | 低分辨率、模糊、噪点、压缩痕迹 |
| 瑕疵类 | 模型惯常的结构崩坏 | 畸形手指、肢体错位、面部扭曲、多余的人 |
| 冗余类 | 画蛇添足的元素 | 水印、签名、文字、边框、裁切 |
| 风格类 | 不想要的方向 | 卡通相关词、某种旧画风 |
为什么「禁止」能起作用
直觉上会有疑问：模型又不识字，写一句「不要畸形」它怎么就听懂了？关键在于理解模型的引导方式。扩散模型去噪时，每一步都在无数方向之间做加权，负面提示在这里起的作用，是给一类方向装上负权重——画面里「像畸形手指」「像模糊噪点」的那些变化，每一步的吸引力都被调低，去噪自然绕开它们走。说到底，负面提示不是下禁令而是挪引力：模型没有一套规则引擎去检查成品里有没有违规元素，它只是被两股力同时牵引，正面向着目标收，负面向着污点推，画面的最终形态是两股力合出来的平衡点。这就是「引导而非禁令」的含义，也解释了负面提示为什么只能降低问题出现的概率，无法保证绝迹。负面提示与正面提示走的是同一套编码通道，机制见文本编码器一篇。
堆得越多未必越准
负面提示的常见误用是堆砌：把一大串负面词整栏粘进去，以为多多益善，结果画面反而发闷、构图变保守。原因还是引导机制：每一条负面词都是一股推力，词太多、方向太杂，推力互相抵消事小，把模型往「什么都别画」的保守区挤事大——细节被抹平，风格被拉平，出图趋向千篇一律。健康的用法是增量式：从一份简短清单起步，出图发现问题，补一条对应的负面词，验证有效再留用。另外负面词与正面词一样支持权重调节，某类瑕疵特别顽固时，单独加重那一条的分量，比整体堆词有效得多。写提示词的系统方法见提示词工程一篇，负面词在不同工具里的实际表现差异，见文生图工具盘点一篇。想把手感练出来，可以让 DeepSeek 把「负权重引导」的机制讲成给外行听的版本，再用 Kimi 检索常见负面词清单的来历与误用案例，对照着删减自己的清单。
负面提示速查
- 分工：正面提示说要什么，负面提示说避开什么
- 常用四类：质量、瑕疵、冗余、风格，对症下药
- 机制：负权重引导，降低出现概率而非下禁令
- 堆砌有反效果，增量式补充加单条加权更有效
- 与正面提示同一套编码通道，同时参与每步去噪
负面提示快问快答
- 负面提示对所有模型都有效吗？：主流扩散类文生图模型普遍支持，但敏感程度不同：有的对负面词反应明显，有的内置了质量优化，负面栏的存在感下降。同一条负面词在不同模型上的效果要分别试。
- 正面提示写清楚点，能不能省掉负面提示？：部分可以。描述得越具体，留给负面栏的活越少；但模型惯常的失手区——手部、文字、水印——靠正面描述很难完全防住，一条简短的通用负面清单仍值得保留。
- 负面词会不会把想要的东西也排掉？：会。词义宽泛的负面词容易误伤，比如负面栏里写了某个风格词，与之相邻的画风都可能被压制。发现排错就删掉重试，增量式用法的好处正在这里。
