LoRA 是大模型的轻量风格补丁：不动基础模型，只用一个几十到几百 MB 的小文件，就能让出图带上特定画风。LiblibAI 把 LoRA 的找、用、训都搬到了线上，不需要本地装环境。这篇从概念讲到实操，给刚接触风格微调的人一条平滑的上手路径。
LoRA 是给大模型加载的风格补丁
文生图基础模型通用性强，但对特定风格的表现力有限。LoRA 的思路是冻结基础模型，只训练一小部分附加参数，训练成果就是一个小体积的 LoRA 文件。使用时把 LoRA 叠加在基础模型上，出图就会带上它学到的风格。好处有两个：体积小，加载快；可以组合搭配，一个基础模型配不同 LoRA，就能切换不同画风。理解了这个叠加机制，后面所有操作都会有清晰的位置感，出问题也知道该往哪里查。还有一点值得注意：LoRA 学到的是训练素材里的风格特征，它不会自动继承基础模型没有的能力，选基础模型时仍要按出图质量来挑——风格补丁解决的是「像不像」，基础模型决定的是「好不好」。
在 LiblibAI 挑中一个 LoRA 后怎么用
LiblibAI 的模型社区里，每个 LoRA 作品页都标注了适配的基础模型、触发词与参考效果图，这是挑选时的三个必看项：先确认它适配的基础模型与你使用的一致，再看触发词是什么，最后翻参考图判断风格是否符合预期。进入在线生图界面后，选择对应基础模型，添加选好的 LoRA，把它给出的触发词写进提示词，出图就会带上该风格。第一次使用建议直接参考作品页的示例提示词，从能跑通的版本开始改，比从零摸索快得多。
触发词与权重的调法
触发词决定 LoRA 是否被激活，权重决定风格强度，两者是微调手感的核心。权重从默认值开始试，偏高时风格浓烈但画面容易崩坏，比如人体结构出错、细节糊掉；偏低时风格若有若无。调整方法是小步试错：固定提示词，每次只改一个变量，多出几张对比，找到风格成立且画面稳定的区间。多个 LoRA 叠加时，总权重要注意控制，风格互相打架就先减到单个能稳定出图，再逐个往回加，每加一个都重新对比一轮。
自己训练一个 LoRA 要备什么
想把自己的风格或产品做成 LoRA，需要准备一组风格一致的训练图。要点有三：数量不必贪多，几十张高质量的图往往好于几百张杂乱的图；画面主体与构图保持一致，风格统一比数量重要；图里不要混入无关元素，训练数据越干净，成品越可控。LiblibAI 提供在线训练入口，按页面指引上传图集、选基础模型即可发起训练，训练参数与时长以平台当前版本为准。训完先小批量试出图，确认风格还原度足够，再投入正式使用。训练完成后给文件写好备注，记录用的是哪组图、哪个基础模型，日后复盘或重训时有据可查。
一个 LoRA 下载下来，怎么用才能出稳定风格？
- 同样的 LoRA 为什么别人出图比我好？：多数差距在基础模型匹配与提示词写法，先确认基础模型一致，再照抄对方的提示词结构，最后才考虑权重差异。
- 一个 LoRA 能同时适配多个基础模型吗？：通常有明确的适配范围，跨模型使用可能失效或崩坏，作品页没有标注的模型不建议硬试。
- 训练 LoRA 会泄露我的原图吗？：图会上传到平台参与训练，介意的话先阅读平台的隐私说明与作品可见性设置，敏感素材谨慎上传。
