前置知识点（建议先学）
学习状态：
一句话定义
负向提示词是一组「不要出现」的描述，实现上占用 CFG 公式中原本的无条件分支，采样时每一步都被用来把生成方向从这些特征上推开。
为什么重要
它是开源模型生态的日常刚需（闭源产品多把负向内置），也是最容易误解的机制：多数人把它当「删除器」用，写出几十个词的负向长单，结果权重互相稀释、还与 CFG 强度耦合失效。理解「负向 = 换掉 CFG 的基线」后，就能回答「为什么我的负向提示词没用」——九成答案在 w 太低或描述与已发生特征不构成可推离的方向。
前置知识
kp-010（CFG 公式与「无条件分支被替换」的事实）；kp-017（正向模板，正负向需配套设计）。
核心概念
- 基线分支替换：ε̃ = ε_θ(x_t, c₋) + w·(ε_θ(x_t, c₊) − ε_θ(x_t, c₋))，c₋ 即负向条件。
- 推离而非删除：机制是把预测方向从负向特征的「吸引子」上外推离开，不是从输出中抹除元素。
- 默认负向单：社区沉淀的一组通用低质描述（低分辨率、模糊、水印、肢体畸形等），作为常驻底噪。
- 负向与 w 耦合：推离力度 ∝ w，w=1 时负向完全失效。
- 语义对冲：负向描述若与正向描述高度重叠，两股力对冲，输出不可预期。
原理与机制
从 kp-010 的改写公式看，负向提示词「免费」获得了与正向同构的注入通道：它有自己的 token 嵌入、同样走交叉注意力、同样每步参与。效力的三个决定因素：其一，w——推离是差值外推，w 越大越明显，这是「负向没反应先查 CFG」的机制根据；其二，负向内容必须是「模型分布中确实存在的吸引方向」（如「deformed hands」），对模型本就不会生成的东西写负向是纯噪声 token；其三，负向单自身也占 77 token 预算并内部互竞争，长负向单的每个词分到的推力被摊薄。
策略层因此有三条主线：用通用底噪单（保真类：blurry, lowres, jpeg artifacts, watermark…）兜质量下限；按失败模式定向补充（kp-025 的诊断对应：手部崩→bad hands, extra fingers；文字乱码→text, watermark）；用风格排除（正负向夹击定位风格，如正向「photograph」+ 负向「illustration, 3d render」压住非摄影风格）。先验保持视角：负向单本身也会把采样推离训练分布，过长过强的负向同样导致过饱和——与正向堆砌同罪。
公式与推导
本节不适用——机制即 kp-010 公式的基线替换形式，已在 kp-010 完成推导，此处不重复。
图示
正向 c₊「红色雨衣登山者」↗ 拉预测方向 ε̃↙ 推离负向 c₋「模糊·水印·畸形手」
每个去噪步中：正向拉向目标子区域，负向提供离开禁区的推力，w 同时放大两者。
直观类比
正向提示词是「点菜」，负向提示词是「忌口单」。忌口不是让厨师「从做好的菜里挑出花生」，而是从备菜起就绕开花生。忌口单写满三页纸（长负向单），厨师反而记不住重点——忌口单要点到痛处，且「别做太咸」的效果取决于厨师多听指挥（w）。
实例或案例
- 通用底噪单（SD1.5 时代社区版，随模型代次需精简）：
lowres, blurry, jpeg artifacts, worst quality, watermark, signature, text, deformed, disfigured。 - 手部定向修复：出图手部崩坏 → 在底噪单上追加
bad hands, extra digits, fewer digits, mutated hands，配合 w 提升至 8 观察变化——这是 kp-020 迭代法的一次标准应用。 - 风格夹击：目标「写实照片」但总出插画感 → 正向保留 photograph，负向加
illustration, painting, anime，比单改正向更立竿见影。
常见误区
- 误区一：负向是元素删除器。写「no hat」不会保证摘掉帽子；机制是方向推离，对已强势占优的特征（构图级元素）作用有限，正确做法是正向改写（「bareheaded」）或 inpainting。
- 误区二：负向单越长越保险。超过十余个词后推力摊薄 + 分布偏移，往往净效果为负；按失败模式即插即用优于常年挂长单。
- 误区三：负向与 CFG 无关。负向效力 ∝ w，两者必须联合调试（kp-020 的变量隔离原则）。
自测题
- 写出含负向的 CFG 公式，指出负向占的是哪一项。
答案要点：ε̃ = ε_θ(x_t,c₋) + w(ε_θ(x_t,c₊) − ε_θ(x_t,c₋))；负向占原「无条件基线」位置。
- 为什么 w=1 时负向提示词完全失效？
答案要点：w=1 时公式退化为 ε̃ = ε_θ(x_t, c₋)，正向条件失去外推作用，正负向的「差」不再被放大。
- 「no hat」写进负向为什么效果差？
答案要点：推离机制作用于特征方向而非对象列表；对强势构图元素应正向改写或局部重绘。
与其他知识点的关系
kp-010 是机制的数学出处；kp-025 的失败模式分类是负向单的「需求来源」；kp-020 的调试流程把正负向与 w 组成受控实验组。
延伸阅读
Ho & Salimans《Classifier-Free Diffusion Guidance》中关于条件/非条件合并的原始讨论；社区实践以模型发布页的推荐负向单为准（随代次失效，注意时效）。