为什么你的 SDXL 提示词在 Z-Image 上全废了
Z-Image Turbo 是阿里通义 MAI 的 6B 开源图像模型，走蒸馏路线，推理时不用 classifier-free guidance。这句话翻译成人话：负面提示词直接被无视，你写 blurry, bad quality 它看都不看一眼。社区实测里最扎心的一条结论是：SDXL 时代攒下来的标签堆砌写法，在 Z-Image 的单流架构下全部变成噪音——模型吃的是句子和主体关系，不是关键词仓库。
所以玩 Z-Image 的第一性原理只有一条：做加法，不做减法。想要清晰，就写 sharp focus, 8k resolution, highly detailed；想要干净背景，就写 clean studio background, plain seamless backdrop，而不是 no clutter。所有约束都必须用肯定句说出来。
社区验证过的四层写法
ComfyUI 社区的这份指南给了一套四层公式：主体与动作 + 图中文字 + 视觉风格与介质 + 光影氛围。举例：An elderly gardener pruning red roses in a Victorian garden 开头点明谁在干什么，第二层精确写出图中要渲染的文字（这是 Z-Image 的招牌强项，20 多种语言包括中文都能稳住），第三层定风格介质比如 shot on Leica M6, Kodak Portra 400，最后收束到光影氛围。参数上记住三个数：步数 8 是甜点（4 求快、12 让文字最锐），LoRA 权重 0.7–0.9 别顶满，图生图 denoise 从 0.4 起步慢慢加。
三个反直觉的细节
- 负面逻辑要翻译成正面：这份 gist 总结得最狠——把「不要性感化、不要水印」翻译成「穿着深色商务正装、背景干净无 logo 无文字」，模型才听得懂。role 加 2~3 个特征的写法，比堆十个形容词管用。
- 中英文混排反而是优势：Z-Image 的文字渲染是它的招牌，中文招牌、海报标题直接写进提示词，
Sign with '咖啡店' in elegant gold calligraphy这种写法实测可用，别再绕路去 PS 后期加字了。 - 一次只塞 3~5 个视觉概念：Fliki 的长篇指南里有个被反复验证的结论——提示词超过 60 个词后模型注意力就开始漂移，堆相机词加胶片词加灯光词加风格词等于互相打架。它推荐的 25 套风格预设玩法更聪明：同一段主体描述，只换前后缀，一次刷出 20 种风格。
给 SDXL 老玩家的迁移清单
心态上先转过来：别再当关键词仓库管理员，改当导演——机位、灯光、构图用技术词汇说清楚，medium-shot, 50mm lens, shallow depth of field 这种导演语言 Z-Image 吃得最香。ComfyUI 用户可以直接抄图生图指南的模板，denoise 0.6~0.7 做风格迁移起手。最后提醒一句：这模型快是快（亚秒级出图），但 6B 参数的天花板摆在那，复杂多主体场景翻车率不低，重要出图多跑几个 seed 别偷懒。想系统补课的可以再看 这篇 SDXL 迁移实录。
