提示词模板
先想一下要画什么，例如 主题，外表，情绪，衣服，姿势，背景 一类，然后参考数据集标签表（如 https://tags.novelai.dev/）。
然后将想要的相似的提示词组合在一起，请使用英文半角 , 做分隔符，并将这些按从最重要到最不重要的顺序排列。
一种模板示例如下：
(quality), (subject)(style), (action/scene), (artist), (filters)●(quality) 代表画面的品质，比如 low res 结合 sticker 使用来 “利用” 更多数据集， 1girl 结合 high quality 使用来获得高质量图像。
●(subject) 代表画面的主题，锚定画面内容，这是任何提示的基本组成部分。
●(style) 是画面风格，可选。
●(action/scene) 代表动作/场景，描述了主体在哪里做了什么。
●(artist) 代表艺术家名字或者出品公司名字。
●(filters) 代表一些细节，补充。可以使用 艺术家，工作室，摄影术语，角色名字，风格，特效等等。
1、语法
以下内容主要适用于 SD-WebUI。NovelAI 用户可参照官网文档：
https://docs.novelai.net/
2、权重系数
权重系数可改变提示词特定部分的比重。
更多资料详见 Wiki:Attention Emphasis
https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Features#attentionemphasis
对于 SD-WebUI，具体规则如下：
●(word) - 将权重提高 1.1 倍
●((word)) - 将权重提高 1.21 倍（= 1.1 * 1.1），乘法的关系。
●[word] - 将权重降低 90.91%
●(word:1.5) - 将权重提高 1.5 倍
●(word:0.25) - 将权重减少为原先的 25%
●\(word\) - 在提示词中使用字面意义上的 () 字符
使用数字指定权重时，必须使用 () 括号。如果未指定数字权重，则假定为 1.1。指定单个权重仅适用于 SD-WebUI。
INFO
权重增加通常会占一个提示词位，应当避免加特别多括号。
> ( n ) = ( n : 1.1 )
> (( n )) = ( n : 1.21 )
> ((( n ))) = ( n : 1.331 )
> (((( n )))) = ( n : 1.4641 )
> ((((( n )))) = ( n : 1.61051 )
> (((((( n )))))) = ( n : 1.771561 )无论使用何种具体的脚本，重复某个关键词似乎都会增加其效果。
值得注意的是，你的提示中存在越多的提示词，任何单一提示词的影响就越小。你还会注意到，由于这个原因，在增加新的提示词时，风格会逐渐消失。强烈建议随着提示符长度的增加改变风格词的强度，以便保持一致的风格。
3、标签替换
详见 Prompt Editing
https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Features#prompt-editing
允许您开始先使用一个提示词，但在生成过程中间切换到其他提示词。基本语法是：
●[to:when] 在指定数量的 step 后添加 to 到提示
●[from::when] 在指定数量的 step 后从提示中删除 from
●[from:to:when] 在指定数量的 step 后将 from 替换为 to
其中 from 与 to 是替换前后的提示词，when 表示替换时机。
如果 when 是介于 0 和 1 之间的数字，则它指进行切换的步数的百分比。如果它是一个大于零的整数，那么这代表进行切换的字面步数。
替换标签可无限嵌套。
示例：对于 a [fantasy:cyberpunk:16] landscape
●开始时，模型将绘制 a fantasy landscape。
●在第 16 步之后，它将采用 a cyberpunk landscape 继续生成。
4、标签轮转
详见 Alternating Words
https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Features#prompt-editing
允许您在生成过程中每步轮换使用多个提示词。基本语法是：
> ( n ) = ( n : 1.1 )
> (( n )) = ( n : 1.21 )
> ((( n ))) = ( n : 1.331 )
> (((( n )))) = ( n : 1.4641 )
> ((((( n )))) = ( n : 1.61051 )
> (((((( n )))))) = ( n : 1.771561 )生成的第一步将使用 a，第二步将使用 b，第三步将使用 c，第四步将使用 a，依此类推。
5、多组提示词生成
详见 Composable-Diffusion
https://energy-based-model.github.io/Compositional-Visual-Generation-with-Composable-Diffusion-Models/
WARNING
AND 的语法优先级最高，因此试图使用 AND 分离单个提示词的操作是错误的。注意甄别部分公开教程中的错误示例。
允许在生成时同时使用多组提示词，并将结果直接相加。基本语法是：
a, b, c AND d, e, f这将使用两组提示词 a, b, c 和 d, e, f 生成，并将它们的结果相加。
6、Prompt matrix 参数矩阵
使用 | 分隔多个 Tag，程序将为它们的每个组合生成一个图像。 例如，如果使用 a busy city street in a modern city|illustration|cinematic lighting ，则可能有四种组合（始终保留提示的第一部分）：
●a busy city street in a modern city
●a busy city street in a modern city, illustration
●a busy city street in a modern city, cinematic lighting
●a busy city street in a modern city, illustration, cinematic lighting