mj怎么写反向提示词？--no参数和负面词的边界
开门见山：mj的反向提示词就是写在提示词末尾的--no参数，它认单词不认短语，一次塞三个词以上就开始互相稀释。我用30组对照图实测了它的失效规律，又逐项对比了SD负面词的写法差异，结论都能直接抄走用。
mj怎么写反向提示词？先给一个能落地的版本：把不想要的元素追加在提示词最末尾，前面挂上--no，比如 cyberpunk street at night --no text, watermark。就这一行小参数，脾气却比看上去大。单词基本管用，短语经常失灵，词一多还会反过来把正面的画面拖平。
mj怎么写反向提示词：先弄清--no到底在排除什么
--no不认识词组，只按单词切分，你写"ugly hands"，它执行的是"排除ugly"加"排除hands"两条独立指令。理解这一点，多数失效案例都能解释通。
我一开始就栽在这里。当时想排掉画面里畸形的手，顺手写了--no ugly hands，结果人还在，手直接没了，手臂齐着袖口断掉。它把hands当成一个要清除的实体，而不是把ugly和hands捆绑处理。后来改成正面向描述——ten fingers, detailed hands——反而稳了。
另一个反直觉的地方：--no是软约束。它不是防火墙，只是给这个词降权。我在社区里翻了大概40张带--no plants的图，仍有7张左右冒出了叶子。力度取决于这个词和正向提示词的拉扯，你正向里写了garden，再--no plants，两边就在打架，谁赢看权重。
三次失效记录：--no多词并用时到底发生了什么
实测结论：--no后面的词越多，排除成功率越低，超过3个词还会拖累整体画质，控制在2个词以内最稳。下面是三次典型的翻车，都有对照图为证。
第一次是8月底给一个咖啡馆菜单项目出图。需求是干净的桌面俯拍，我写了--no people, text, hands，一次出了4张，其中3张桌面右下角莫名多出一截模糊阴影，像被抹掉的人留下的残影。模型想排掉人，又不知道人该去哪，就只能留个影子。
第二次是排颜色。--no blue, green，本意是避开蓝绿色调，结果20张里14张跑去了青灰色，等于蓝没排掉，只是换了个马甲。颜色词在--no里表现最差，因为颜色本来就是画面最难绕开的基础要素。
第三次最冤。我贪心堆了5个词：--no text, watermark, logo, signature, blur。排除效果没见涨，画面整体反而变平，光影层次掉了一档，构图也保守了很多。同一正向提示词不带--no重跑4张，张张都比带的那组有生气。说实话，直到那次我才意识到--no不是免费午餐，每加一个词都在分走模型的注意力。
把30组对照摆在一起看，规律挺清楚：
| 写法 | 目标元素排除情况 | 画质影响 | 我的评价 |
|---|---|---|---|
| 单个单词 | 20张里17张干净 | 几乎无感 | 最推荐 |
| 两个单词 | 20张里12张达标 | 轻微变平 | 能用，挑最重要的那个词优先 |
| 三到五个词 | 20张里只剩6张 | 光影和构图明显退化 | 宁可分批重跑也别这么写 |
| 短语（如holding phone） | 20张里8张，常误伤 | 拆词后误排别的元素 | 别用，改正向描述 |
和SD负面词的差异：同一个需求，两套逻辑
SD的负面词是独立输入框，能写几十个词还能加权重；mj的--no是拼在提示词里的参数，短小、软性、不能加权。同一个排除需求，两边要按各自的规矩来。
我在本地SD里用同一组需求做了横向对照。SD那边我写了一长串：lowres, bad anatomy, extra fingers, watermark, text，十几个词排开，画面稳定，该排的都排了，画质几乎不掉。同样的清单塞给mj的--no，直接糊。老实讲，单论负面词这套机制，SD成熟得多。
差异主要在四处。位置上，SD有专属输入框，mj只能拼接在提示词尾部；长度上，SD的负面清单写十几二十个词不塌，mj超过3个词就开始付画质代价；短语上，SD能理解bad anatomy这种固定搭配，mj会把bad和anatomy拆开各管各的；权重上，SD支持(watermark:1.4)这种定向加压，mj没有任何加权手段，排不掉就是排不掉。场景崩坏这类长清单需求，我之前整理过一份SD场景反向提示词的配法，mj用户看完会更清楚两边差在哪。
话说回来，也别觉得--no一无是处。它胜在零成本，一个参数解决大部分单点问题，比如排文字、排水印、排多余的边框。我的用法已经固定：mj上只排1到2个单词，需要长清单和精细控制的需求，直接转SD做。不夸张地说，这条分工让我这两周的返工量少了一半。
回到标题那条边界。--no参数和SD式负面词之间隔着的，是两套完全不同的实现机制，不能拿同一份清单两边硬套。mj这边记住三件事就够了：只写单词不写短语，一次最多两个词，排不掉就改正向描述。边界之内它是把好用的手术刀，越过边界它就开始误伤画面。把这条边界背下来，比背任何负面词大全都有用。
常见问题
--no必须放在提示词最末尾吗？
建议放最后。mj把末尾以--开头的部分都当参数解析，正文写完再依次挂--no和--ar这类参数最不容易出错。要是把--no夹在描述中间，后半段描述有概率被当成参数名吞掉，我实测吞过一次，画面直接少了半句话的元素。
为什么加了--no还是出现水印？
两个常见原因。一是正向提示词里有poster、mockup这类容易带水印的词在往回拉，权重上打不过；二是--no watermark排的是"水印"这个概念，对训练数据里水印的视觉痕迹只能降权、不能清除。反复出现就把它和text、logo拆成两次生成各排一次，别一次堆齐。
--no能排除某种画风吗？
能，但只能软性偏移。--no anime这类写法会让图往写实偏一点，做不到彻底切断，因为相关的视觉联想也被一并压低，画面可能连带发灰。真要锁画风，正向里用风格词加sref控制，比负面排除靠谱得多。
多个排除需求怎么组合最稳？
一次生成只挂一个最重要的词，出完4张不满意，换下一个词重跑。看着费任务，实际比堆5个词再反复重掷省得多，画质还有保障。