前置知识点（建议先学）
学习状态：
一句话定义
(word:1.2) 这类权重语法在实现层对特定 token 的注意力贡献做缩放——主流实现（ComfyUI/SD WebUI 的 conditioning 机制）通过把 token 嵌入与掩码权重相乘并重排注意力掩码，让被加权词「说话更大声」。
为什么重要
权重语法是提示词从「字符串」升级为「向量控制台」的一步：模板（kp-017）决定说什么，权重决定说多重。但它也是工具间不兼容的重灾区——同一语法在不同实现里数学行为不同，不了解实现差异就把社区 prompt 原样粘贴，是「别人的神咒到我这里失灵」的第一大原因。
前置知识
kp-011（交叉注意力与 token 嵌入）；kp-017（结构模板）。
核心概念
- 注意力耦合实现（attention coupling）：对目标 token 的嵌入乘以权重 w 并在注意力掩码中放大其可见性，效果上放大该词对画面的引导。
- 权重值域：经验安全区约 0.5~1.5；>1.5 逐步进入分布外，常伴随过饱和与构图崩坏。
- 工具差异：ComfyUI 原生
(word:1.2)；SD WebUI 兼容(word)（+0.1 步进）与[word]（−0.1）等简写；T5 系模型上部分语法不受支持。 - 交替语法与调度语法：
[a|b]（逐步交替 token）与[a:b:0.4]（按步数区间切换）是 ComfyUI 系的高级形态，作用于「不同去噪阶段说不同话」。
原理与机制
模型本身没有「权重语法」这个概念——网络只认嵌入序列。权重是推理端推理前的嵌入手术：分词得到嵌入后，实现层找到目标 token 的位置，对其嵌入向量乘标量 w，并（主流 attention-coupling 实现中）同步调整注意力掩码使该 token 与所有空间位置的耦合强度按 w 缩放。净效果：该词在每层每步的注意力图中权重放大，对采样方向的「话语权」增强。两个推论：其一，权重作用于嵌入层而非注意力输出的实现对 w 的响应更线性，作用于输出的实现（早期方案）会出现非预期放大——这正是不同工具「同数值不同效果」的机制根源；其二，权重无法创造模型不知道的概念，只能在其已知语义方向上移动采样重心。
历史包袱：「(masterpiece:1.2)」类写法源于 SD1.5 时代的统计现实（画质词与好图分布强相关），在新模型（SDXL/Flux 系）上画质词与分布的相关性消失，权重只是放大了一个无意义方向——权重语法放大的是「该词本有的作用」，包括零。
高级语法的一致原理：交替语法 [a|b] 让两词在去噪步序列上轮流出现（先定 a 的基调、逐步掺入 b）；区间语法 [a:b:0.4] 在前 40% 步用 a、后 60% 用 b，利用「构图在前期决定、细节在后期补全」的阶段规律（与 kp-014 的结束控制步同理）。
公式与推导
嵌入手术的近似表达：设目标 token 嵌入为 e_i，加权后 ê_i = w·e_i，交叉注意力中该项贡献变为 softmax(QKᵀ/√d) 的第 i 列按 w 放大后的加权和。严格实现还有掩码重排与归一化细节，各工具不同——记结论：「同语法、同数值、不同实现，语义效果不可迁移」。
图示
提示词字符串→分词 + 嵌入→实现层：嵌入 ×w + 掩码调整（此处是语法生效点）→交叉注意力注入（机制同 kp-011）
直观类比
加权像调音台的推子：模型是个乐队（每个 token 一件乐器），推子只能改变各声部音量，不能让鼓手改吹小号（不能创造新概念）。把无意义声部（masterpiece）推到顶，只会得到刺耳，不是动听。
实例或案例
- 主体强调：
(red dress:1.3), elegant woman, studio——裙子颜色不稳时加权主体特征，通常 3 档内（1.1/1.2/1.3）可解决。 - 反向压制：
(blurry:1.4)写进负向单，比裸词推离更狠（与 kp-018 的 w 耦合叠加）。 - 区间语法实战：
[(rough sketch):ultra detailed:0.5]类写法让前半程按草图走向定构图、后半程换精细描述补细节——利用阶段规律的进阶用法。
常见误区
- 误区一：语法跨工具通用。(word:1.2) 与 [word] 的数学行为因实现而异，跨工具粘贴需重新校准；T5 系模型部分语法直接无效。
- 误区二：权重越高越「重要」越好看。超过 1.5 后进入分布外采样，过饱和、肢体崩坏的速率与 w 正相关——kp-025 的过饱和失败常由此触发。
- 误区三：权重能补偿提示词缺信息。没写的特征加权也无意义；权重的前提是该词在模型分布中有实义。
自测题
(word:1.2)在主流实现里改动了什么？
答案要点：目标 token 的嵌入按 w 缩放并同步调整注意力耦合，使该词对画面的引导被放大。
- 为什么同一加权提示词在 ComfyUI 与 SD WebUI 效果不同？
答案要点：实现层（嵌入缩放 vs 输出缩放、掩码处理、解析语法集）不同，数值不可迁移。
(masterpiece:1.4)在新模型上大概率无益，机制原因是什么？
答案要点：权重只放大该词本有的统计作用；新模型上画质词与好图分布的相关性已消失，放大的近似为零方向。
与其他知识点的关系
kp-011 是机制底座；kp-017 提供权重的施加对象（结构化词项）；kp-020 把权重调整纳入受控迭代；kp-021 说明 ComfyUI 中这些语法的 conditioning 层实现位置。
延伸阅读
ComfyUI 文档中 conditioning 与高级 clip 编码节点说明（本库不重复操作细节，操作手册见独立站点 comfyui）；SD WebUI 官方 wiki 的 prompt 语法页展示了另一种解析行为，可对照理解「实现差异」。