LoRA 标签编辑（SDXL）

帮助用户为 SDXL LoRA 训练编辑图像数据集的标签。本 skill 只负责 caption / 标签 这一环，不涉及分辨率、分桶、训练参数等其他训练步骤。

核心原理（最重要，先读懂）

打标 = 给特征「分配名字」。给一个特征打上标签，模型就认为「这个特征已经有名字了」，会把它绑到那个标签词上；不给它打标签，模型找不到名字，就只能把它塞进触发词。

所以处理每一个特征时，只问一个问题：「我想不想让这个 LoRA / 触发词学会这个特征？」

• 想让它学会（角色的脸/发/眼/体型等本体特征、要复刻的概念、要复刻的画风）→ 不要给它打标签（已有则删掉）。特征没有名字 → 被迫绑到触发词。
• 不想让它学进去（任何动作姿势、任何镜头视角、背景环境、想换的服装、水印 logo）→ 一定要给它打标签。让它绑到自己的词上，从而可被分离、可控制、生成时不写这个词就不出现。

⚠ 术语提醒（极易搞反，务必看清）：本文档里的「保留」「删除」永远指的是「标签」，不是「特征」。

• 「保留某标签」= 把这个词留在 txt 里。
• 「删除某标签」= 把这个词从 txt 里去掉。

注意方向是相反的：你想让 AI 学会的特征 → 要「删掉」它的标签；你不想学进去的东西 → 要「保留」它的标签。 用户口中的「保留这个特征（让它进 LoRA）」对应的操作是「删掉这个标签」。

绝对不要打全标（wd14 原样不动）。 全标会让每个特征都绑到大模型已有的词上，触发词学不到东西，练出来「不像」。这是最常见也最严重的错误。

两种推荐做法（效果都远好于全标，二者效果接近）

1. 只打触发词：caption 里只放一个触发词，其余什么都不打。完全依赖大模型的图像理解，让它自动把图里的特征关联到触发词。对角色 / 概念 LoRA 意外地好用，最省事。
2. 少标（wd14 减法）：先有 wd14 全标，再删掉目标特征的锚点标签，保留其余（基础词、环境、动作、水印等）。可控性更强，是大多数情况下的推荐甜点区。

不确定时，对角色/概念默认走「少标」，并可建议用户也试一版「只打触发词」对比。

逐标签处理速查表（按此机械执行即可）

下表是角色 LoRA的默认处理（其他类型按后文「按类型的删/留策略」调整）。对 txt 里的每一个标签对号入座：

特别强调（最常被漏）：任何动作（哪怕只是站着、坐着）和任何镜头/视角/特殊构图，都一定要打标。 漏打动作或镜头，这些信息会被错误地学进触发词，导致出来的图姿势僵化、构图固定。

标签格式规则

• 分隔符：标签之间用英文逗号 , 分隔（建议逗号后加一个空格，如 1girl, solo, outdoors）。不要用中文逗号「，」。
• 优先用 Danbooru / e621 的真实标签：直接来自 Danbooru、e621 的标签，表现效果比自创词更强。需要补打特定概念/角色/服装/物体的标签时，推荐去这两个网站搜索确认标准写法，而不是凭空造词（触发词例外，触发词就是要自造）。
• 从这两个网站抄来的标签必须先处理再用（它们原始是「下划线分词、括号未转义」）：
  1. 下划线 _ → 空格：oil_painting → oil painting。
  2. 括号转义：( → \(，) → \)。
  • 例：Danbooru 的 tashkent_(azur_lane) → 用作 tashkent \(azur lane\)。
  • 脚本的 normalize 会一次性做完这两步。
• 普通标签不应带括号：绝大多数标签没有括号。除非用户明确要求，不要让标签里出现括号。如果确实必须出现（如带消歧后缀的角色名/系列名），则只能用转义括号 \( \)，绝不能出现裸括号 ( )——裸括号在提示词里会被当成强调权重，污染训练。
• 不加其它特殊字符：除非用户特意要求，不要给标签加下划线、引号等。

删掉无效元标签（meta tag）

Danbooru 的元标签（meta tag）描述的是「帖子/文件」而非画面内容，很多对训练毫无作用，应删掉。判断标准：这个标签描述的是「画面里有什么 / 画面长什么样」，还是「这个帖子的元信息」——后者一律删。

• 与画面无关、必删：commentary, commentary_request, translation_request, translated, check_translation, bad_id, bad_pixiv_id, md5_mismatch, artist_request, tagme, dated 等。
• 描述画面形式的（如 oil painting \(medium\), monochrome, greyscale, sketch）：若正是你要复刻的特征，按对应类型处理（保留或删除以绑到触发词）；否则也删。
• 纯质量/分辨率词（highres, absurdres, lowres, masterpiece, best quality）：训练 caption 里一般无意义，删。

工作流程

第 1 步：确认 LoRA 类型（必须先问）

问用户要训练哪一类，不同类型的「想学的东西」不同，删/留策略完全不同：

• 角色（character）：复刻一个特定角色/人物/生物的外观。
• 画风（style）：复刻一种作画风格（线条、上色、笔触、整体观感）。
• 概念（concept）：复刻一个姿势、动作、特定物体、构图、特效等。
• 功能性（functional）：控制某个维度，如细节增强、光照控制、景深等。

各类型的具体策略见下方「按类型的删/留策略」。

第 2 步：定位并扫描数据集

请用户给出数据集目录路径，然后用脚本扫描，了解现状（图片数、一图一 txt 的配对情况、缺失项，以及标签词频）。

scripts/tag_tools.js 是配套工具，需要本机装有 Node.js（node 命令）。先确认是否可用：若 node --version 跑不起来，直接告诉用户「需要安装 Node.js 才能用这个批量脚本」，然后改为手工编辑少量文件，或等用户装好再继续——不要在这上面卡住。

node "<skill目录>/scripts/tag_tools.js" scan "<数据集目录>"

标签词频是找锚点特征的利器：在一个角色数据集里，出现在大多数图片里的高频标签，往往就是该角色的固有特征（发色、瞳色、体型、耳朵尾巴等）= 应该删掉的锚点。把词频报告读给用户看，一起圈定要删的词。

第 3 步：判断是否需要先生成初始全标

本 skill 默认只做纯文本读写（读写 txt），不主动读取图片。 原因：① 不是所有模型都支持多模态；② 数据集动辄成百上千张图，逐张看图既慢又贵、根本不现实。所以默认让 wd14 产生标签，模型只负责编辑文本。

• 已是「一图一 txt」（wd14 已打全标）：直接进入第 4 步编辑。这是最常见、也是推荐的情况。
• 只有图片、没有 txt：默认请用户先用 wd14 / WD Tagger 打一遍全标（stable-diffusion-webui、kohya_ss、ComfyUI 的 WD14 Tagger 节点等都行），得到「一图一 txt」后再回来编辑。
  • 只有当用户明确要求「让你看图打标」时，才用 Read 逐张看图生成 danbooru 风格、逗号分隔的标签写入同名 .txt。即便如此也要先提醒：图多时这样做很慢、且需要多模态模型；看图时务必留意水印 / logo / 签名 / 文字 / artist name 并打上对应标签（见下）。

第 4 步：确认触发词

• 触发词放在 caption 最前面。
• 尽量避开常用词（不要用 girl、cat、style 这类已被大模型占用的词），否则会污染已有概念。
• 推荐自造一个几乎不存在的 token，例如 1s5x6g8a、xkz9q、ohwx<名字> 之类。
• 一个 LoRA 通常用一个触发词（角色/概念/风格各一个）。

第 5 步：先确认口径，再批量执行（重要）

不要一上来就批量改全部文件。先挑 1–2 张代表性图片，把它的标签按「保留 / 删除」分类列给用户看（像下面示例那样分组），让用户确认删留口径对不对，再批量套用到整个数据集。这样能避免成百上千张文件一次性改错。

批量操作用脚本（原地修改）：

# 规整为提示词格式：下划线转空格 + 括号转义（wd14 若是下划线/裸括号格式先做这一步；已是空格+转义括号则无变化）
node "<skill目录>/scripts/tag_tools.js" normalize "<目录>"

# 给所有 txt 最前面加触发词（已存在则跳过，幂等）
node "<skill目录>/scripts/tag_tools.js" add-trigger "<目录>" --trigger "1s5x6g8a"

# 从所有 txt 中删除一批锚点标签（逗号分隔；括号/下划线/大小写均不敏感，所以传 "mountain (arknights)" 也能匹配到 "mountain \(arknights\)"）
node "<skill目录>/scripts/tag_tools.js" remove "<目录>" --tags "muscular,bara,tiger ears,white fur,mountain (arknights)"

第 6 步：原地写回并汇总

按用户选择原地修改原 txt。动手前提醒用户：建议先备份目录或用 git，删改不可逆。完成后给一份简短汇总：触发词是什么、各类标签分别怎么处理的、提醒抽查几张确认。

按类型的删/留策略

详细的 danbooru 标签分类与大量示例见 references/tag-categories.md，下面是各类型的纲领。

角色 character

• 目标 = 角色本体（脸、发、眼、肤、体型、耳/角/尾/翼等固有特征、招牌固定服装）。
• 删除：本体锚点特征标签 + 角色的招牌/固定服装（想固定就删，想可换装就留）。
• 保留：1girl/1boy/solo 等基础数量词、环境背景、动作/姿势/视角/构图、该图特有的非日常服装、水印 logo 文字。
• 更激进可选：只打触发词。

画风 style

• 目标 = 画风。画风几乎无法用离散标签描述，所以这里「删标」没意义，思路反过来：
• 保留：wd14 的内容标签基本都留（主体、物体、构图、颜色等），好让内容各自归位，剩下无法被标签描述的「风格」自动绑到触发词。
• 不要添加任何风格描述词或画师名。
• 删除：质量元词（masterpiece、best quality 等）和明显错误的标签。
• 数据集要内容多样，避免某类内容反复出现被误当成风格。

概念 concept（姿势/动作/物体/构图/特效…）

• 目标 = 这个概念本身。
• 删除：描述该概念的标签（如学某个特定姿势，就删掉 wd14 里描述该姿势的词）。
• 保留：角色特征、服装、环境等所有会变化的东西（数据集这些维度要多样，否则会被一起学进触发词）。
• 水印 logo 照打。

功能性 functional（细节/光照/景深控制等）

• 思路同概念：删掉描述目标维度的标签让它绑到触发词，其余维度尽量保留且在数据集中保持多样。
• 例：光照控制 → 删掉 wd14 里的光照相关词（dramatic lighting、rim light、backlighting…），保留内容/构图/角色，让光照效果绑到触发词。
• 这类 LoRA 常配合对比 / 配对数据与正负向（滑块）训练方式，本 skill 只负责 caption；若涉及配对或滑块训练，提醒用户对应处理数据组织。

水印 / logo / 文字一定要打标

水印、logo、签名、artist name、网址、用户名、画框边框等——这些是你不想学进触发词的东西。按核心哲学，给它们打上标签才能让它们绑到自己的词上，从而在生成时（不写这些词）不会出现。常见标签：watermark, signature, logo, artist name, text, english text, web address, username, dated, border, letterboxed。编辑现有 txt 时确保这些标签在；自己看图打标时发现就加。

标准示例（角色，少标做法）

1s5x6g8a,                                    ← 触发词，放最前，自造避开常用词
1boy,solo,furry,                             ← 必要基础词：保留
starry sky,outdoors,sky,night,night sky,shooting star,star \(sky\),grass,   ← 环境描写：保留（注意括号转义）
looking up,upper body,from side,             ← 行为/动作/视角：保留
shirt,black shirt,                           ← 该图特有的非日常服装：保留
（以下为本体锚点特征，全部删除：）
muscular,bara,muscular male,furry male,male focus,tail,horns,purple eyes,long hair,braid,animal ears,white hair,pectorals,

• 触发词、基础词、环境、动作、特殊服装 → 保留
• 角色本体锚点特征（体型、肌肉、耳角尾、瞳色、发色发型等）→ 删除，让它们绑到触发词 1s5x6g8a