Wildcards通配符是Stable Diffusion WebUI和相关AI绘画工具里一种非常实用的提示词扩展机制。它的核心思路很简单：你在提示词里写一个变量占位符，程序在每次生成图片时，从这个变量对应的词库文件里随机抽取一个词条，替换掉占位符再提交给模型。这样一来，同一套提示词模板就能批量产出发型、服装、场景、动作、风格各不相同的图片，特别适合需要大量筛选素材的场景，比如抽卡式出图、批量生成角色设定图、测试不同风格组合等。
Wildcards的工作机制与安装方式
要理解Wildcards，可以先从它的文件结构说起。所谓通配符，本质上就是一个个文本文件（通常是.txt格式），文件名就是变量名，文件内部每行写一个候选词条。当你在提示词中写下__hair__这样的语法时，程序会去词库目录里寻找名为hair.txt的文件，从其中随机挑一行内容，替换掉__hair__这个占位符。
在Stable Diffusion WebUI（AUTOMATIC1111版本）中，通配符功能一般随某些扩展一起提供，最常见的是配合动态提示词脚本（如dynamic prompts扩展）使用。安装方式很简单：打开WebUI的Extensions标签页，从可用扩展列表中搜索wildcards或dynamic prompts相关插件，点击Install，安装完成后重启WebUI即可。安装后你在提示词输入框下方会多出一个骰子图标或通配符面板，点击就能浏览和管理已导入的词库。
需要注意的一点是，通配符语法使用双下划线包裹，即__词库名__，双下划线不能省略，否则程序会把它当成普通文本处理。词库文件名建议只用英文小写字母和数字，避免中文文件名在某些环境下识别失败。
词库文件的创建规范与存放路径
词库文件是Wildcards体系的基石。每个txt文件对应一个变量，文件内每一行代表一个可被抽取的词条。词条可以是单个词，也可以是一段完整的中英文提示词组合，甚至可以包含权重语法和逗号分隔的多个描述。下面是一个典型的发型词库hair.txt的内容示例：
long straight black hair short silver hair twin tails, red ribbons wavy blonde hair bob cut, brown hair
文件存放位置有讲究。对于AUTOMATIC1111的WebUI，通配符词库通常放在extensions/sd-dynamic-prompts/wildcards目录下，也可以放在WebUI根目录的scripts/wildcards文件夹中，不同版本的插件路径略有差异，具体以插件文档说明为准。放好文件后，点击通配符面板的刷新按钮，新词库就会出现在列表里，点击即可自动插入到提示词中。
一个实用建议是按主题分类建立词库，比如服装建一个clothes.txt、场景建一个background.txt、表情建一个expression.txt。分类越细，组合的可控性越强。如果你是从网上下载的别人整理好的词库包，直接解压复制到对应目录即可使用，社区里有大量现成的角色、画风、姿势词库资源可以白嫖。
通配符的高级用法：嵌套、组合与权重控制
掌握了基础替换之后，通配符真正强大的地方在于嵌套调用。词库文件里的某一行，本身也可以是一个通配符引用。比如你可以在poses.txt里写一行__dynamic_pose__，程序会先从poses.txt抽出这一行，再去dynamic_pose.txt里继续抽取，实现多层随机。这种嵌套写法可以让随机结构更有层次，比如先生成场景大类，再在场景内部细化具体描述。
组合写法也很常见。动态提示词扩展支持花括号组合语法，例如{red|blue|green} dress表示从三个颜色中随机选一个搭配dress，这和通配符可以混用。一个综合示例如下：
masterpiece, best quality, 1girl, __hair__, __clothes__,
standing in __background__, {looking at viewer|looking away}这条提示词里，发型、服装、背景分别从三个词库随机抽取，视线方向用花括号随机二选一。每次点击生成，理论上能产生的组合数量是各词库行数的乘积，一百行服装乘五十个背景就是五千种组合，多样性远超手写固定提示词。
权重控制同样适用于通配符词条。你可以在词库的某一行里写(masterpiece:1.3)这样的权重语法，程序替换后会原样保留权重结构。此外还可以控制随机数量，比如某些插件支持__clothes{2}__表示从服装词库中随机抽取两条，适合叠加配饰、多重描述的场景。
常见问题排查与使用建议
新手使用Wildcards时最常见的报错是词库引用失败，提示找不到对应的wildcard。排查思路一般是三步：第一，确认文件名和提示词中的变量名完全一致，注意大小写；第二，确认文件是txt纯文本格式，有些编辑器保存出来的是rtf或者带BOM的编码，建议用记事本或VS Code保存为UTF-8无BOM格式；第三，确认文件放对了目录，放错位置插件是扫描不到的。
另一个容易踩的坑是随机性过强导致出图质量不稳定。词库里混入质量参差不齐的词条时，抽到差词条的图片会明显崩坏。解决办法是拆分词库，把高命中率的词条放在主力词库里，实验性词条单独放一个库，通过降低引用频率来控制风险。同时建议开启固定随机种子的对照测试方式，先固定种子排查是词条问题还是模型本身的问题。
最后要提醒的是，Midjourney本身并不原生支持Wildcards文件机制，网上所谓的Midjourney通配符方案，多是借助第三方提示词生成工具，先在本地随机组合出提示词文本，再复制到Midjourney里使用。如果你的主力工具是Stable Diffusion WebUI，那么Wildcards加上动态提示词扩展的组合几乎是批量出图的标准配置，值得花时间把自己的高频词条沉淀成一套个人词库，长期来看能省下大量重复劳动。
Wildcards通配符Stable Diffusion插件AI绘画关键词修改时间：2026-09-14 09:00:37