负向提示词到底在“排”什么
负向提示词（Negative Prompt）是 Stable Diffusion 中一个独立的输入框，用来告诉模型“这张图里不要出现什么”。它不会强迫画面生成某个具体物体，而是把对应的特征概率压低。出图时模型同时参考正向和负向条件，负向权重越高，被列出的特征越难出现。因此负向提示词的定位是“过滤器”，而不是“修正笔”——它能减少画崩、糊图、多手指的概率，但不能凭空修复一张结构已经错误的图。
质量类：先把糊图和低分辨率挡在门外
质量类是最通用也最该常驻的一组，典型词包括 low quality、worst quality、lowres、blurry。low quality 和 worst quality 针对的是整体观感，模型会倾向避开脏、乱的画面；lowres 直接压制低分辨率带来的像素块和锯齿；blurry 则降低画面发虚、失焦的倾向。实操中建议把它们一起写进负向框，而不是二选一。如果你使用 SDXL 或较新的模型，这些词依然有效，但可以把权重调低一些，避免画面过度锐化。需要提醒的是：如果你正向提示词里写了 masterpiece、best quality，负向里同时写 low quality、worst quality 是合理搭配，并不冲突。
人体类：减少畸形、解剖错误和多手指
人物是崩图重灾区，人体类负向词就是针对这一点。deformed 压制整体扭曲变形；bad anatomy 针对解剖结构错误，比如四肢比例失调、关节反向、躯干错位；extra fingers 专门对付手指数量异常，这是手部最容易翻车的地方。实际使用中，单独写 extra fingers 往往不够，可以配合 bad hands、missing fingers、extra limbs 一起用，覆盖面和效果都更稳。要注意的是，负向词只能降低概率，不能 100% 消除多指。如果出图后手指仍然崩，更有效的办法是提高分辨率、用高分辨率修复，或直接局部重绘手部，而不是无限堆负向词。堆得太多反而会污染其他画面特征。
水印类：去掉签名、文字和 logo
训练数据里大量图片带有水印和签名，模型会把这些当成“正常内容”学进去，所以出图时容易冒出莫名的文字、角标或 logo。水印类负向词就是用来清理这些的，常用组合是 watermark、signature、text、logo。watermark 针对半透明水印，signature 针对作者签名，text 针对画面上出现的乱码文字或字母，logo 针对品牌标志。这一组几乎对所有题材都适用，风景、人像、产品图都建议加上。如果生成的是需要后期加字的排版图，也可以只保留 watermark 和 logo，把 text 去掉，避免把正常文字元素一并压掉。
通用组合：可直接复制到负向提示词框
把上面三类整合，可以得到一份通用负向提示词，直接复制粘贴即可：low quality, worst quality, lowres, blurry, deformed, bad anatomy, extra fingers, bad hands, missing fingers, extra limbs, watermark, signature, text, logo。这份组合覆盖了画质、人体、水印三大高频问题，适合大多数写实和通用模型。使用时按需裁剪：画风景可以删掉人体类；画没有人物的产品图，人体类也可以去掉；如果模型本身对文字很敏感、容易生成乱码，就把 text 保留。权重方面，默认 1.0 通常够用，画面仍出问题时可对个别词加到 1.2 到 1.5，但不建议整组拉高，否则容易让画面变僵、细节减少。记住一条原则：负向词是辅助，出图质量的根本还是模型选择、正向提示词和采样参数，三者配合才能真正稳定出片。