TLDR：在使用前沿托管模型时，你有哪些保持艺术风格一致性的技巧？（见帖子底部我尝试过的方法）

背景：

早先从Stable Diffusion刚推出时，我就在开源程序Auto1111上接触了生成式AI。自那以后我一直关注本地开发——从SDXL发展到Flux，再到如今众多现代模型如Chroma、Qwen Edit等（以及所有视频生成模型）。我们从Auto1111迁移到了ComfyUI，这似乎已成为本地生成的标配。

总之，在SDXL之后出现了一个障碍：当模型从标签式提示转向自然语言时，它们在某种程度上失去了艺术家名字与标签的关联。也就是说，SDXL模型能理解"Edward Gorey风格"的含义，而现代模型除非使用LoRA，否则都无法做到。如今的问题在于：你能获得惊人的提示理解能力，但风格遵循度却从未像过去那样精准——除非你训练一个LoRA。（我可以详细展开，但简而言之，尽管SDXL的提示理解能力很差，但它渲染的"Edward Gorey"+其他标签组合，在风格忠实度上仍远超我见过的任何前沿模型，这与当前图像模型的训练方式有关。）

正因如此，除非你花大力气调整提示或事后修图，否则很容易分辨出Midjourney和ChatGPT生成的图片；而本地生成的作品（若工作流合理）则难以察觉，因为它们没有每个前沿模型强加给生成内容的"污点"偏差。

总之，抛开这些不谈：

你是如何让前沿模型坚持特定风格的？

我在Codex中尝试过的方法：
* 创建一个包含若干固定样本图片的本地环境，代表该风格
* 编写详细提示，描述风格和渲染期望
* 强制AGENTS.md流程为：先读取包含提示说明的SKILL，检查参考素材，然后使用高推理模型（如Sol High）进行生成
* 设立一个独立的子代理作为"评论家"，将参考素材与生成的图标对比，若不符合则退回主代理重新生成，直至达标
* 设立另一个独立子代理作为"执行者"，以适当格式保存文件

我发现，如果提供一个待制作的艺术表格，这种方法能防止风格偏离（尽管无法解决我在"背景"部分描述的问题），但至少需要Sol High模型。Terra或更低级别的模型似乎无法充分指导底层图像生成模型以克服其"污点"偏差。

你一直在用什么方法？Ultra或Astra是否远胜于此？无论我们使用什么，最终是否都取决于底层图像生成模型？