方法论与洞察

负面词计入 prompt 浓度（—no 反噬律）

首次沉淀:2026-06-17(冷艳女侠定妆照连撞 3 次审核,删掉 —no 后一次过) 验证状态:⭐ 首次发现 / 强疑似——单案例验证,需背靠背 A/B 升级为稳定规律关联机制:AI图像生成审核机制探索笔记的「浓度阈值机制」

一句话总结

--no 里的词照样被 prompt 端 scanner 当 token 读入,计入语义聚合浓度。 对写实真人/擦边这种本就贴近审核线的题,一长串带 skin / body / face / fingers 的 --no 不会帮你”排除”,反而把整条 prompt 的语义重心进一步推向”真人身体/脸”,亲手顶过阈值触发审核。

案例

冷艳孤傲女侠定妆照(古典武侠写实 · 月白 · 高马尾 · 额间朱砂),连续被拦 3 次:

... --no text, watermark, logo, blurry, low quality,
        cosplay, plastic skin, oversaturated, extra fingers,
        modern clothing, harsh facial shadows

报错:Sorry! The AI Moderator is unsure about this prompt.

删掉整段 --no 后,同骨架 prompt 正常出图。

触发嫌疑词(全在 --no 里):plastic skin / harsh facial shadows / cosplay / extra fingers——skin / facial / fingers / cosplay 全是人体与真人脸语义,叠加推高了”写实真人”浓度。

机制解释

承接 AI图像生成审核机制探索笔记:prompt 端 scanner 判的是词向量语义聚合密度,不是黑名单。它不解析 --no 的”排除”语义——在它眼里 --no 后面的词和正文的词一样,都是推高浓度的 token。

所以:

正文写 realism + close-up + skin 已经接近阈值;
--no 再补 plastic skin / harsh facial shadows / fingers,等于又往同一语义区域加了一把火;
浓度越线 → 入口软警告/硬拒。

这跟知识库另一条规律同源:「删词比加词更容易过审」(见 prompt极简化原则_v1)。--no 是最容易被忽略的”隐形加词”。

操作规则

`--no` 里的词	处理
纯画质项:`text, watermark, logo, blurry, low quality`	✅ 安全,保留
人体/皮肤/脸/手相关:`plastic skin, bare skin, harsh facial shadows, extra fingers, cosplay`	⚠️ 对写实真人题,删掉比留着安全
防穿帮项:`modern clothing` 等	视情况,担心浓度就移到正文正向描述(如 `period-accurate hanfu`)

心法:写实人像题被拦时,先清 --no,再清正文里的高浓度真人信号——而不是往 --no 里加更多负面词。负面词不是免费的。

待验证

单案例 + 中间隔了时间,动态阈值冷却可能也有贡献。需同一条 prompt 背靠背带/不带 --no 各跑 4 张,排除时机干扰,才能从「强疑似」升级「稳定」。
是否所有 --no 词等权,还是只有人体/脸语义词显著推高浓度,待梯度测试。

关联文档

上位机制:AI图像生成审核机制探索笔记(浓度阈值 / 动态阈值 / 三层关卡)
同源规律:[prompt极简化原则_v1]
配套避雷:MJ审核避雷词表(7 大类雷词 + 过审神器)

类型/方法论