一、一句话理解
权重 = 某个东西"有多重要"的数值。
在 ComfyUI 里，它决定提示词、LoRA、模型各部分对最终画面的影响力度。
二、权重在不同场景的含义
| 场景 | 权重指什么 | 作用 |
|---|---|---|
| 提示词权重 | 某个词的重要程度 | 让某个词影响更大/更小 |
| LoRA 权重 | LoRA 模型的影响强度 | 控制 LoRA 风格浓淡 |
| 模型权重 | 神经网络里的参数 | 模型本身学到的"知识" |
| CFG | 提示词整体的引导力度 | 见上一节笔记 |
日常用 ComfyUI 时，最常说的是提示词权重 和LoRA 权重。
三、提示词权重（最常用）
语法
| 写法 | 效果 |
|---|---|
(cat) |
权重 ×1.1（默认加强） |
(cat:1.5) |
权重 ×1.5 |
(cat:0.5) |
权重 ×0.5（减弱） |
[cat] |
权重 ×0.9（减弱） |
((cat)) |
权重 ×1.21（叠加加强） |
举例
一只 (红色:1.5) 的猫 → 更强调红色
一只 (红色:0.5) 的猫 → 红色变弱
一只 (红色:2.0) 的猫 → 红色极强，可能过饱和原理简说
- 提示词被 CLIP 编码成向量
- 权重就是把这个词的向量数值乘以倍数
- 倍数越大 → 模型越"注意"这个词
四、LoRA 权重
是什么
LoRA（Low-Rank Adaptation）是一种微调模型，用来给基础模型加风格/角色/概念。
权重控制
- 在 ComfyUI 的
Load LoRA节点里有个strength参数 - 范围通常 0 ~ 1，也可超过 1
| 权重 | 效果 |
|---|---|
| 0 | 完全不用 LoRA |
| 0.5 | 风格淡淡融入 |
| 1.0 | 标准强度（推荐起点） |
| 1.5+ | 风格极强，可能崩坏 |
提示词里也能调
<lora:myLora:0.8> → 加载 myLora，权重 0.8五、模型权重（底层概念）
是什么
神经网络里每一个连接上的数值参数，就是权重。
- 模型训练 = 不断调整这些权重
- 权重决定了模型"学到什么"
- SDXL 有 2.6B（26 亿） 个权重参数
类比
权重就像大脑神经元之间的连接强度。
训练就是不断调整这些连接，让模型学会画图。
六、权重 vs CFG 的区别
| 对比 | 提示词权重 | CFG |
|---|---|---|
| 作用范围 | 单个词 | 整体提示词 |
| 控制什么 | 某个词多重要 | 整体多听话 |
| 典型值 | 0.5~1.5 | 5~8 |
| 写法 | (词:1.5) |
KSampler 参数 |
权重是"局部调节 "，CFG 是"全局调节"。
七、权重使用技巧
提示词权重
- 想让某元素更突出 → 提到 1.2~1.5
- 想弱化某元素 → 降到 0.5~0.8
- 不要超过 1.5~2.0，否则画面会崩
LoRA 权重
- 从 0.8~1.0 开始试
- 多个 LoRA 叠加时，各自降权（如 0.6 + 0.6）
- 风格冲突时，降低次要 LoRA 权重
八、常见误区
| 误区 | 真相 |
|---|---|
| 权重越高越好 | 过高会过饱和、崩坏 |
| 权重 = CFG | 不同概念，一个管局部，一个管全局 |
| LoRA 权重只能 0~1 | 可以超过 1，但风险大 |
| 权重只影响提示词 | 模型、LoRA 都有权重 |
九、记忆口诀
权重就是重要度，数值越大越突出。
提示词权重管局部，CFG 管全局。
LoRA 权重调浓淡，1.0 起步最安全。
超过 2.0 易崩坏，适度才好。