附录 · 全课程术语
把全课程反复出现的词收成一张可查、可对照、能指回原课的索引;每条都标清它第一次出现在哪一课、又在哪一课被真正讲透。
快速查找
全部 · 80 条
中文名取拼音首字母,英文名取首字母;同一个词的两套首字母都能用(例如“种子 / seed”在 Z 和 S 下都能找到)。筛选只影响术语行,不影响下面的对照表。
没有匹配的术语。换一个关键词,或点“全部”恢复。
这不是一本按字母排的词典,而是一张按主题分组、按首见课溯源的索引。每条只给一句话,够你判断“它大概是什么、和谁容易混”;要真正理解机制,回到首见课或对照表里的“详解”链接。
先分清“模型是什么”和“它怎么一个字一个字或一步一噪地生成”,后面的提示词、控制与工作流才有落脚点。
网络结构、训练好的参数与推理代码合在一起;它把输入映射成输出,本身不包含“意图”。
模型内部可学习的数值;训练时更新,推理时固定,也就是常说的“权重”。
排好队的一摞数字,带明确形状(几张、几行、几列、几个通道);模型吃进去、吐出来的都是它,可以当成“数据的容器”。
用数据反复调整参数、让模型学会映射的过程;训练完成后参数固定,推理时才使用。
用训练好的参数对新输入做一次前向计算;它不再更新权重,只产生输出。
学习“输入属于哪个标签”,在封闭的标签集合里做判断,不负责生成新样本。
学习数据大致怎么分布,再从分布里采样出新样本;语言模型和扩散模型都属于这一类。
以“逐个预测下一个 token”为核心目标的生成式模型;输出空间是离散词表。
从纯噪声出发,逐步估计并减掉噪声,最后还原出图像的生成模型;输出空间是像素或潜变量。
把文本、图像、音频等编码到可以互相对齐的表示空间;它更像接口层能力,不是第三条生成路线。
把刚生成的结果追加回输入,再据此预测下一步;语言模型的“往下接”就是自回归。
扩散模型起点与每一步要减掉的东西;种子决定这团噪声的初始状态。
扩散采样中反复估计噪声并减掉它的过程;步数就是这件事重复多少次。
VAE 压缩后的低维表示空间;潜空间扩散在这里去噪,最后再解码回像素。
把图像编码到潜空间、再从潜空间解码回像素的自编码器;工作流里通常单独有一个 VAE 节点。
把提示词编码成条件向量的组件,例如 CLIP 或 T5;它决定模型“怎么读到”你的词。
模型可以输出的全部 token 集合;下一个 token 的概率分布就定义在这张表上。
把文本切成 token 的规则与工具;同一句话在不同模型里可能切成不同数量。
模型处理文本的最小切分单位,不一定等于一个字或一个词;中文里常见一个字或半个词。
给定前文,输出词表上每个候选的概率,再按采样规则挑一个接上去;这是大模型的基本动作。
模型对词表里每个 token 打出的原始分数,有正有负、不成比例;要先过 softmax 才会变成能当概率用的数。
每个候选 token 被选中的概率;生成不是查表,而是在这个分布上做选择。
把模型输出的原始分数(logits)归一化成概率的函数;它不改变排序,只改变可读性。
按概率抽取下一个 token,而不是永远取最高分;温度与 top-p 都是在改采样方式。
把概率分布调平或调尖的采样参数;调高更发散,调低更保守,调到 0 附近接近总取最高。
只保留累计概率达到 p 的候选,再在候选里采样;也叫核采样。它控制候选池的大小。
一次请求里模型能同时看见的 token 上限;它像工作台,不是硬盘,超出就会被挤掉。
先把已有上下文并行处理一遍、建立缓存的阶段;它通常比逐 token 解码快。
逐 token 生成输出的阶段;流式输出就是边解码边把已经生成的部分返回。
边解码边把已经生成的部分返回给用户;它改善等待体验,不改变模型本身的能力。
提示词不是一种东西,而是两套语法:一段给语言模型的话,或一组给扩散模型的条件。先分清输入方式,再谈写法。
模型一次推理收到的条件文本;它改变概率分布或条件向量,不是一段会被逐行执行的程序。
产品层放在对话最前面的指令性文本,用来设定角色、规则与边界;用户通常看不到或不能改。
提示词里对“你是谁、以什么身份回答”的设定;它改变语气与取舍,不改变模型的知识边界。
对输出范围、格式、长度、口吻等的要求;写得越可检查,越容易在验收时判断是否满足。
在提示词里给出输入—输出样例,让模型模仿格式或判断标准;它比形容词更稳,但会占上下文。
给语言模型的一段话,通常包含角色、任务、约束、示例;重点是把意图说清楚,而不是堆关键词。
要求模型遵守的行为规则;通常写在提示词里,但“写了”不等于“系统已经执行”,权限与流程仍要代码兜底。
外部内容里夹带的恶意指令,试图覆盖原始要求;它利用的是“模型分不清数据与指令”。
给扩散模型的条件词组,常按主体、外观、场景、构图、镜头、光线、风格、质量分层组织。
用逗号分隔的词组而不是完整句子来组织图像条件;模型读的是词与权重的组合,不是语法。
用 (词:1.2) 这类写法改变某个词在条件向量里的强度;加得过高会让画面僵硬或过饱和。
告诉模型“往远离这些特征的方向走”的条件;在 CFG 里,它充当与正面条件对照的无条件分支。
引导生成方向的额外信息;文本、参考图、深度图、遮罩都可以成为条件,只是进入方式不同,而且都要先编码成向量。
让每个位置按相关程度去读其他位置的信息:不是平均,而是按权重取;图像生成里的交叉注意力就是它的一种用法。
去噪网络在每一步读取文本条件向量的机制;它看的是词与权重的信号,不做句子成分分析。
把参考图编码后的潜变量直接挂到条件上;它传的是“照这张图的样子改”,不是把原图拼进画布。
这一组最容易“都叫工作流”。记住一条:先看谁决定下一步——固定顺序是 Workflow,能根据中间结果改路线才是 Agent。
把多个步骤按依赖关系组织成可重复执行的流程;在 ComfyUI 里是一张节点图,在 Agent 语境里是一段固定编排。
决定多个步骤、工具或模型按什么顺序与条件执行;它关心流程,不关心单个提示词写得多漂亮。
带循环的决策系统:观察结果、选择动作、调用工具、更新状态,再决定下一步;判据是“能不能根据中间结果改路线”。
暴露给模型的、带名称与参数结构的可调用函数;模型只决定“调哪个、传什么”,执行由外部系统完成。
让应用以标准方式发现和调用外部工具的协议;它像插座与说明书,本身不提供智能。
把指令、工具、脚本、资源打包成的可复用单元;具体是说明书、工具还是模板,要看平台定义。
工作流里的一个操作单元;ComfyUI 里是加载、编码、采样、解码等算子,每个节点有输入、输出与参数。
节点之间的连接;ComfyUI 的连线传数据,业务编排的连线更多传控制流。
有方向、没有回路的图;执行顺序由依赖关系决定,因此可以并行、可以复现。
把一组节点折叠成一个可复用节点,只暴露少量输入输出;它仍然是同一张工作流的一部分,不是独立工作流。
相同输入、模型、参数与运行环境下,能再次得到同一结果;固定种子只是其中一个条件。
一次排队生成多张图或多组参数,而不是逐次手动提交;它放大吞吐,也放大错误参数的影响。
保存节点、连线与参数的 JSON;可分享、可版本化,但不包含模型权重本身,换机器仍需模型清单。
描述 → 生成 → 看结果 → 再描述的循环;适合探索,但每一轮都从当前上下文重新开始,成功没有被固化成步骤。
控制不是“写更长的提示词”,而是给模型额外的条件、权重或区域限制。先分清每个工具补的是“形状”还是“长相”。
一份包含主模型、文本编码器、VAE 等权重的完整模型文件,决定底模的能力与画风基线。
一小份附加权重,在不改底模的情况下注入风格、角色或细节;必须与底模架构和版本匹配。
用边缘、深度、姿态等结构条件控制构图与形状的附加网络;它管“长成什么轮廓”。
用参考图提供风格或主体特征的图像提示适配器;它管“看起来像谁、什么气质”,不管结构。
把原图转成 ControlNet 可用的条件图,例如 Canny 边缘、深度图、OpenPose 姿态骨架。
作为风格、主体或构图依据输入的图片;需要经过编码器或适配器,才能变成生成条件。
一张与原图同宽高的 0–1 图:白 = 允许改,黑 = 不许动,灰 = 按比例混合;局部重绘与合成依赖它,遮罩边缘的处理决定接缝是否自然。
只在遮罩区域重新生成,其余像素尽量保留;适合改手、换物体、修局部瑕疵。
把一张遮罩拆成一组矩形框后的数据;有了框才能逐个裁出来重绘、再逐张贴回去,它输出的是框,不是图。
类别不预先写死,你给什么名词就去找什么;但它只认名词对应的物体,听不懂动作、方位或指令。
语义分割用的固定类别清单,约 150 类;模型只能从清单里挑,清单外的造型会被整片归到最接近的一类。
决定每一步如何去噪的算法;不同采样器的速度、稳定性与质感不同,换采样器也会改变结果。
噪声起点的随机数;固定它是复现的必要条件,不是充分条件,模型版本与采样器同样会改变结果。
去噪迭代的次数;太少可能没收敛,太多收益递减、速度更慢,还可能出现过度打磨。
用“有条件 − 无条件”的差额外推,控制提示词对结果的牵引强度;过高会过饱和、僵硬,过低会不听提示。
把大图切成若干小块分别放大再拼回去;它换的是显存占用,不是清晰度上限,代价是多跑几次、要处理拼缝。
最后这一组不解决“怎么生成”,而解决“能不能信、能不能交”。术语不多,但每条都对应一个验收动作。
模型在哪些输入与任务上可靠、在哪里会失效的范围;边界不是一句“它不擅长”,而是可观察的失败模式。
流畅但缺少事实依据的输出;模型在补全最像样的下一个 token,而不是在数据库里检索答案。
训练数据覆盖的时间终点;之后的新事件、新价格、新版本,模型默认不知道,除非你把它放进上下文。
要交给他人使用或署名的最终产物;它需要来源、参数、版本与可复核的说明,不只是一次对话结果。
按事先标准检查交付物是否可用;事实、数字、格式、版权分别有检查方法,不能只用“看起来不错”。
一段可以被拆分、核对真伪的事实陈述;至少问清“谁、何时、做了什么、数值多少、来源在哪”。
把结论指回可核查的来源;AI 给出的引用要逐条打开验证,不能只看格式像不像。
生成内容的使用、署名与商用限制;它取决于模型许可、训练数据与具体用途,不能由模型自己保证。
个人信息与敏感数据的处理边界;不该上传的内容,不要放进提示词或工作流。
由人检查高风险或高事实密度的输出,并承担最终责任;AI 可以起草,但不能替署名者背书。
把局部样本的结论扩大到不适用的人群、场景或时间;看到“研究表明”时,先问样本是谁、条件是什么。
按错误代价给任务分级,决定 AI 参与程度与复核强度;代价越高,越要把关键步骤留给人。
全课程规定:一个概念只配一个类比,后面的课原样复用。这张表是唯一底稿。如果你在某一课看到同一个概念换了比方,以本表为准,并把那一处当成待修的 bug。
两条口径注释(与表并列,不计入条数):一、“骨架”只指工作流的主干链路,不指控制条件;ControlNet 这类产出统一叫“结构图 / 控制图”,不叫骨架。二、采样是动作,扩散是模型类别,两者共用“从一团噪声里一步步擦出图”这一套说法,不是两个比喻。
| 概念 | 固定类比 | 第一次出现 | 复用在哪 |
|---|---|---|---|
| 模型 / 产品 / 能力 | 发动机 / 整车 / 这车在什么路况跑多快 | A01 | A01、A05、A06 |
| 判别式模型 | 质检员:只能在已有等级表里选一个等级 | A01 | A01、A05 |
| 生成式模型 | 画师:按学到的分布重新画,不是剪贴原图 | A01 | A01、A03、A06 |
| 大语言模型 | 不停做「下一词选择题」 | A02 | A02、A03、A04 |
| 扩散模型 | 从一团噪声里一步步擦出图 | A01 | A01、A03、A06 |
| 潜空间 | 1/8 草稿画布 | A01 | L1-01 |
| VAE | 有损翻译机(像素 ⇄ 草稿) | A01 | L1-01、L3-07 |
| 上下文窗口 | 一次摊开的工作台,不是硬盘 | A02 | A02、A04 |
| 节点 | 一道工序 | A01 | A06、L0-01 起全站 |
| 连线 | 交接单:上游把什么交给下游 | A01 | A06、L0-01 起全站 |
| CFG | 听话程度:越高越贴着提示词走 | A01 | L1-03 |
| LoRA | 补丁:不动主模型,只叠一层偏移 | A01 | L2-01、L3-02 |
| 采样 | 按草稿擦噪声:从噪声出发,一步步擦出潜空间里的图 | A01 | L1-02、L1-06 |
| 遮罩 | 许可表:白 = 允许改,黑 = 不许动,灰 = 按比例混合;它只回答“能不能改”,不携带画面内容 | L3-05b | L3-05、L2-05 |
| clipspace | 临时粘贴板:浏览器涂抹后落在 input 目录的临时 PNG,只存路径不存图,换机或清 input 就断 | L3-05b | 仅 L3-05b |
| 结构与风格(ControlNet vs IP-Adapter) | 形 vs 气:ControlNet 管形(构图、姿态、边缘),IP-Adapter 管气(风格、主体特征、氛围) | L3-02 | L3-02、L3-03、L3-04、L3-10、L3-11 |
| 工作流 / 子图 | 产线 / 产线上可以整体替换的工位模块 | A06(工作流)、L0-03b(子图) | 工作流见 A06、L0-01 起全站;子图见 L2-04 |
下面 9 条只在标注的那一课成立,不许跨课复用。换到别的课讲同一个概念时,必须改用上面的固定类比;如果在别处看到它们被借用,按待修的 bug 处理。
| 概念 | 单课比喻 | 只在这课用 |
|---|---|---|
| 多模态 | 接口加宽:同一套模型多开几种输入口 | A01 |
| MCP | 插座标准:工具按同一规格接入 | A04 |
| Tool | 模型的手:真正去执行动作 | A04 |
| Skill | 把「怎么做」打包成一份可复用说明 | A04 |
| ComfyUI 界面 | 地图:先认区,再动作 | L0-02b |
| 子图 #196 | 小生产线:里面串着一列工序,不是一层滤镜 | L0-03b |
| 插值放大 | 举着放大镜看报纸:字变大了,笔画没变多 | L3-07b |
| 放大模型 | 背过大量「糊—清」配对题的临摹者:只补原有轮廓上的笔画 | L3-07b |
| 分块放大 | 把大海报切成几张 A4 分别处理,再拼回去 | L3-07b |
固定类比与单课比喻分开计数:前者跨课复用,后者出课即失效。想新增一条,先写清“为什么不能借用已有条目”,再登进这两张表里的一张。
下面六组词,光看单个定义还是会混。每一组都用一张表讲分界线:它们在什么维度上不同、各自负责什么、什么时候会互相替代。窄屏下表格可左右滑动。
| 对比项 | 大语言模型 | 扩散模型 |
|---|---|---|
| 输出空间 | 离散的词表 token | 连续的像素或潜变量 |
| 生成方式 | 逐个 token 预测并追加 | 从噪声出发逐步去噪 |
| 条件怎么进 | 放进上下文窗口的文本 | 文本编码器 → 交叉注意力 |
| 一次生成 | 一个 token 接一个 token | 一张图经过多步迭代 |
| 强项 | 语言、总结、改写、代码 | 构图、风格、质感、局部重绘 |
| 典型失效 | 事实幻觉、精确计数 | 精确文字、数量、身份一致性 |
| 对比项 | 提示词 Prompt | 指令 Instruction |
|---|---|---|
| 是什么 | 一次推理的条件文本 | 对行为的要求或规则 |
| 作用方式 | 改变概率分布或条件向量 | 写进提示词后,仍由模型解释 |
| 是否保证执行 | 不保证 | 不保证;权限与流程要靠代码 |
| 适合放什么 | 意图、风格、约束、示例 | 角色规则、步骤要求、格式要求 |
| 典型误用 | 把业务规则全塞进提示词 | 把“写了”当成“已经执行” |
| 对比项 | Workflow | 子图 Subgraph |
|---|---|---|
| 范围 | 整张流程或整张节点图 | 图里的一组节点 |
| 作用 | 组织步骤与依赖,保证可执行 | 折叠复用,减少画布噪音 |
| 暴露接口 | 输入输出由整图决定 | 只暴露少量输入输出 |
| 修改影响 | 改整图 | 改子图会影响所有引用处 |
| 典型误用 | 把固定 Workflow 当成 Agent | 把子图当成一份独立工作流 |
一句话:Workflow 是整条产线,子图是产线上可以整体替换的工位模块。详解见 A04、B L0-02 与 D L2-04。
| 对比项 | ControlNet | IP-Adapter |
|---|---|---|
| 控制什么 | 结构、构图、姿态、深度、边缘 | 风格、主体特征、氛围 |
| 输入 | 条件图,如 Canny、depth、pose | 参考图,经图像编码器进入 |
| 典型用途 | 线稿上色、姿态复刻、空间结构 | 风格迁移、角色或产品一致性 |
| 过度使用 | 结构僵硬,细节被条件锁死 | 风格污染,主体被参考图带偏 |
一句话:ControlNet 管“形状”,IP-Adapter 管“长相与气质”。详解见 D L1-04、D L1-05 与 C L3-10。
| 对比项 | LoRA | Checkpoint |
|---|---|---|
| 是什么 | 附加的小份权重 | 完整的底模文件 |
| 体积 | 几十 MB 到几百 MB | 通常几 GB |
| 能否单独用 | 不能,需要底模 | 可以,是生成的基础 |
| 改什么 | 风格、角色、细节倾向 | 整体能力与画风基线 |
| 匹配要求 | 与底模架构、版本匹配 | 与工作流节点、VAE 匹配 |
一句话:Checkpoint 是地基,LoRA 是补丁;补丁不能单独盖房子。详解见 B L0-01 与 D L2-01。
| 对比项 | 种子 Seed | 步数 Steps | CFG |
|---|---|---|---|
| 管什么 | 噪声起点 | 去噪迭代次数 | 条件牵引强度 |
| 调大 / 换值 | 换一个值,通常是另一张构图 | 更慢;细节可能更好,也可能过熟 | 更贴提示词;过高会过饱和、僵硬 |
| 调小 | 换一个值,通常是另一张构图 | 更快;可能还没收敛 | 更自由;过低会不听提示词 |
| 什么时候动 | 想换构图,或想复现某张图 | 在质量与速度之间找平衡 | 提示词很准但画面不够贴时,小幅调 |
| 注意 | 固定种子仍受模型、采样器、硬件影响 | 不是越多越好 | 不是越高越好 |
一句话:种子决定“从哪开始”,步数决定“走多久”,CFG 决定“多听提示词”。详解见 D L1-02 与 D L1-03。
“Workflow 和 Agent 都是自动跑流程,差不多。”
Workflow 的下一步由连线写死;Agent 会根据中间结果改变下一步。判据只有一条:它能不能根据观察到的结果改路线。
“Checkpoint 和 LoRA 都是模型文件,可以互相替换。”
Checkpoint 是完整底模,能单独生成;LoRA 是附加权重,必须挂在匹配的底模上。把 LoRA 当底模加载,通常直接报错。
“CFG 越高,图就越听话,所以越高越好。”
CFG 过高会让画面过饱和、对比过硬、细节僵硬;它控制的是“牵引强度”,不是“正确率”。
“固定种子就能得到完全一样的图。”
种子只固定噪声起点。模型版本、采样器、精度、硬件与依赖版本变了,结果仍会变;固定种子是复现的必要条件,不是充分条件。
“ControlNet 和 IP-Adapter 都是参考图,随便用哪个都行。”
ControlNet 读的是结构条件,管轮廓、姿态、深度;IP-Adapter 读的是图像特征,管风格与主体相似。一个管形状,一个管长相。
“提示词写清楚了,系统就会照做。”
提示词只改变概率分布或条件向量,不保证执行。权限、格式校验、危险操作确认,必须由代码或流程兜底。
“术语背下来,就等于会用。”
术语只帮你定位问题。真正要用起来,还得知道它在哪一层、控制什么、失效时长什么样。这张表的作用是索引,不是替你把课读完。
维护说明:本表按“首次出现”标注;以后 B/C/D 层新增课程时,只补真实存在的文件名,不预造链接。术语解释以对应原课为准。