为什么提示词后半段没生效：CLIP 77 token 上限与新一代文本编码器
提示词CLIP 的窗口是 77 个 token，超出部分被静默截断；T5 常用 512，新模型改用语言模型或视觉语言模型。附三步反证实验，判断你这条管线到底读进了多少。
分类：AI 绘画
含 3 个子分类，下方列表已包含子分类文章
显存不够怎么办：fp8、GGUF、蒸馏与分块各自省了什么
工作流降精度省每参数字节、低比特格式省权重占用、蒸馏省步数、分块省峰值张量，四条路可以叠加但代价不同。附 OOM 排查顺序，先别急着换 Q4 量化。
DiT 取代 U-Net 到底改了什么：图像变成 token，去噪路径被拉直
基础与参数把图像切成 patch 与文本一起过 transformer，语言全程参与；flow matching 让去噪轨迹更直，少步采样才可行。但步数少不等于总耗时少，画质差异也不能单归因…
指令式图像编辑与图生图不是一回事：四种改图方式怎么选
工作流图生图靠 denoise 控制加噪比例，局部重绘靠蒙版，指令式编辑靠语义理解，多参考图负责合成。官方规格：最多 10 张 / 14 张参考图，保真是概率性的，输出可能带水印。
Stable Diffusion 文生图：六个核心参数各自在管什么
基础与参数步数、采样器、CFG、种子、分辨率、批次——出图不可控，八成不是模型不行，而是这六个参数没有对齐。逐个说清它们改变的是哪一件事。
ComfyUI 第一个工作流：五个节点从加载模型到出图
工作流节点式界面看着吓人，其实最小可用工作流只有五个节点。搞清五种连线的语义（MODEL / CLIP / VAE / LATENT / IMAGE），报错信息就不再是天书。
提示词的四层结构：主体、风格、镜头、画质
提示词把提示词当成一串关键词堆，结果就是你改一个词、画面全变。分成四层写，每层只负责一件事，调整才有可控性。
负面提示词与 CFG：图糊、过曝、不听指令的真实原因
基础与参数CFG 不是「越高越听话」。它调的是条件与无条件预测之间的插值强度，超过某个点，画面会先过饱和再崩细节。负面提示词也不是万能挡板。
图生图与重绘幅度：从改配色到换构图的分界线
工作流重绘幅度不是「改多少」的百分比，它是加噪比例。0.3 和 0.5 的差别不是两倍，而是「保留构图」和「重新构图」的差别。
分辨率与放大：从 512 到 4K 而不糊的做法
基础与参数直接把宽度拉到 2048，多半会得到两个头。原因不玄学：模型只在训练分辨率附近见过画面。分段放大才是稳的路子。