提示词、动作控制与图像修复：控制力必须被参数化，修复必须被门禁

把提示词、动作控制和图像修复放在同一条生成管道里讨论时，最常见的失败不是某一环效果差，而是三者的控制力在采样过程中互相冲突，却没有被显式管理。提示词负责“要什么”，ControlNet 负责“结构不能偏”，Inpainting 负责“局部错了就修”——但 ControlNet 权重过高会让画面僵硬、丢失细节，过低则姿态崩坏；修复掩码过大又会在补全区域引入与全局不一致的纹理。工程上的分水岭，不在于会调哪个参数，而在于是否把控制力写成可复现的参数契约，并把修复的放行条件从“看一眼还行”变成可机械检查的指标。

提示词不是静态字符串，是随帧插值的条件序列

在视频或序列生成中，提示词如果只是一个固定字符串，姿态变化时语义就会与结构脱节。FizzNodes 的 prompt_schedule 实现给出了可复用的工程模式：将用户格式化的提示词按帧解析，在相邻关键帧的提示词之间做权重插值，输出当前帧的 positive/negative conditioning。这意味着提示词不是“写一次用到底”，而是与时间轴绑定的条件曲线。以下函数将其简化为可嵌入管道的调度器：

def schedule_prompt(keyframes: list[dict], frame: int) -> tuple[str, str]:
    """keyframes: [{"frame":0,"pos":"...","neg":"..."}, ...]，线性插值权重。"""
    lo = max(k for k in keyframes if k["frame"] <= frame)
    hi = min((k for k in keyframes if k["frame"] >= frame), default=lo)
    if lo is hi or lo["frame"] == hi["frame"]:
        return lo["pos"], lo["neg"]
    t = (frame - lo["frame"]) / (hi["frame"] - lo["frame"])
    # 简化：按 token 级权重混合的工程占位，实际可对接 FizzNodes
    pos = lo["pos"] if t < 0.5 else hi["pos"]
    neg = lo["neg"] if t < 0.5 else hi["neg"]
    return pos, neg

关键不在于插值算法本身，而在于提示词序列必须与帧号绑定并持久化，否则同一段视频在不同机器上重新生成时，条件曲线无法复现。

动作控制：权重与介入步数是两个独立旋钮，不能凭感觉

ControlNet 姿态控制最容易被误用的地方，是把 strength 当成唯一的调节手段。ComfyUI 的 ControlNetApplyAdvanced 同时暴露 strength、start_percent 和 end_percent 三个参数，后两者控制的是控制信号在去噪时间轴上的介入窗口。工程上的经验区间是：弱控制保创意时权重取 0.6–0.8、介入窗口 0.0–0.6；精准复刻姿态时权重取 1.2–1.5、窗口覆盖 0.0–1.0，但 end_percent=1.0 的全程控制容易过拟合。Flux Inpainting 场景下的推荐范围略有不同：control-strength 0.6–1.0，control-end-percent 0.35–1.0，较低结束值在后期步骤中保留更多自由。

以下配置函数将“姿态类型—权重—窗口”的对应关系固化为参数契约，而不是每次手动试错：

def pose_control_params(pose_type: str, creative: bool = False) -> dict:
    base = {"strength": 1.0, "start_percent": 0.0, "end_percent": 0.8}
    if pose_type in {"dance", "dynamic"}:
        base.update({"strength": 1.2 if not creative else 0.7,
                     "end_percent": 0.9})
    if creative:
        base["strength"] = min(base["strength"], 0.8)
        base["end_percent"] = 0.6
    return base

更关键的一条纪律来自多 ControlNet 叠加：总控制力会叠加，必须整体降权，否则画面僵硬到失去生成质量。叠加两个 ControlNet 时，每个的 strength 应乘上一个不超过 0.7 的衰减因子，而不是各自保持 1.0。

图像修复：掩码比例决定策略，SSIM 增量决定放行

图像修复的工程判断不应从“选 LaMa 还是 Flux Inpaint”开始，而应从掩码占比开始。小面积缺陷适合 LaMa 类确定性修复，大面积重绘或语义替换才需要生成式 Inpainting。Flux ControlNet Inpainting 在 1024 分辨率下的推荐参数是 control-strength 0.6–1.0、control-end-percent 0.35–1.0、true_cfg 取 1.0 或 3.5；control-strength 越高越严格遵循控制图，end-percent 越低后期自由度越大。

修复完成后的放行条件不能是“看起来自然”。一个可机械执行的初筛是：计算掩码区域内的 SSIM 增量，如果修复后相比修复前没有显著提升，说明修复器没有真正补全结构，应回退或换策略；同时检查掩码边界处的梯度连续性，避免出现可见接缝。以下代码将这两个条件写为门禁：

from skimage.metrics import structural_similarity as ssim
import numpy as np

def inpaint_gate(before: np.ndarray, after: np.ndarray, mask: np.ndarray,
                 min_ssim_gain: float = 0.02) -> dict:
    m = mask.astype(bool)
    s_before = ssim(before, after, data_range=255, full=True)[1][m].mean()
    s_after = ssim(after, after, data_range=255, full=True)[1][m].mean()
    # 边界梯度连续性：掩码边缘处不应出现阶跃
    edge = np.logical_xor(m, np.roll(m, 1, axis=0)) | np.logical_xor(m, np.roll(m, 1, axis=1))
    grad_jump = np.abs(np.diff(after.astype(float), axis=0))[edge[1:, :]].mean()
    return {"pass": s_after - s_before >= min_ssim_gain and grad_jump < 15.0,
            "ssim_gain": round(float(s_after - s_before), 4),
            "edge_grad": round(float(grad_jump), 2)}

min_ssim_gain 和 grad_jump 阈值不是审美判断，而是管道放行的硬条件：未通过的修复结果不进入下游，而是携带失败原因回退到掩码生成或修复参数重选。

集成管道：控制力冲突必须在生成前被化解，而非生成后修补

三者的正确顺序不是“提示词→ControlNet→修复”的线性串联，而是参数契约先行。在生成之前，管道应确定：当前帧的提示词条件曲线、姿态类型对应的 ControlNet 权重与窗口、以及掩码占比对应的修复策略。如果 ControlNet 的 end_percent 已经设到 1.0，修复阶段就不应再期望模型“自由发挥”补全语义，而应使用更高 control-strength 的 Inpainting 保持结构一致。如果掩码占比超过 30%，LaMa 的确定性补全应被替换为生成式 Inpainting，并相应降低 ControlNet 的叠加权重，避免双重约束导致纹理僵硬。

提示词、动作控制与图像修复的工程成熟度，最终不以任何单环的峰值效果衡量，而以提示词条件是否随帧持久化、ControlNet 的权重与窗口是否按姿态类型固化为参数契约、修复放行是否由 SSIM 增量和边界梯度机械判定来衡量。当控制力冲突在生成前被参数化化解、修复失败在进入下游前被门禁拦截时，这条管道才从“调参经验”变成可复现、可审计的生产链路。