layer-reference-sets

图层参考集

概述

参考集是由一组文件和一个训练类别组成的命名集合。训练后，它会生成一个 LoRA，后续运行时可通过 ID 应用，将艺术指导转化为一个参数，而不必每次都进行提示词工程。

Layer 发布的 layer-train-custom-style 技能涵盖了相关机制（上传、create_reference_set、estimate_training_price、start_training、get_training_status、get_trained_model 和五种类别），支持 REST 和 MCP。本技能介绍的是决定训练结果优劣的选择。

如果你可用的技能中缺少此处提到的关联技能，请让用户安装（npx skills add layerai/skills --skill <name>）；若无法联系用户，请根据工具架构继续操作，并指出这一缺失。

决定是否要训练

训练需要消耗 Creative Units，也需要时间。训练是正确选择的情况，远没有人们想象的那么多。

情况	操作
本周要用的少量素材	附加一张获批图片作为 reference_image，并筛选 image_editing
十几张图片中的同一个角色	获批的主图通常足以作为参考
多人要在数月内反复使用的视觉风格	训练一个参考集
持续扩充的角色阵容或道具库	训练，每个主体建立一个集合
风格只存在于用户脑海中	先生成并审核，再用生成结果训练

最后一行很重要。参考集可以使用获批的生成图进行训练，不一定非要使用手绘作品；这样，某次创作中探索出的方向就能重复使用。

筛选集合

数据集质量对结果的影响远大于任何参数。最常见的问题是数量。

• 一致性胜过数量。 十五张真正风格统一的图片，胜过六十张大多风格不一的图片。每张风格不符的图片都会让模型学到：风格是可以妥协的。
• 只教一件事。 混合了角色、环境和 UI 套件的集合，会训练出一个生成三者模糊平均效果的模型。请将它们拆分成不同的集合。
• 只改变应该变化的内容。 对于角色，在保持设计、调色板和渲染方式不变的同时，改变姿势、角度和表情。对于风格，在保持渲染方式不变的同时，改变主体。完全相同的集合只会教模型复现一张图片。
• 清理输入。 排除带水印、UI 覆盖层、文本、严重压缩的图片，以及主体在画面中很小或被遮挡的图片。
• 类别要符合意图。 character、object、scene、effect 或 general。类别会影响训练时模型关注的内容，因此，将角色按 general 类别训练，会让模型把背景也学成角色身份的一部分。

当用户提供一个包含大量图片的文件夹时，在花费任何资源之前，筛选精简是最有价值的工作。

妥善使用

通过 reference_sets: [{set_id, weight}] 将集合传给 execute_forge，最多 10 个。weight 的范围是 0 到 2， 默认值为 1.0。

优先自动选择。 设置了参考集合且未指定 base_model_id 时，服务端会选择最适合应用这些集合的模型：训练过的 LoRA 优于映射的参考图像，而参考图像又优于仅使用提示词文本。list_base_models 背后的精选排序反映的是任务适配度，而非参考集合适配度，因此自行指定模型通常会导致训练出的风格效果不如预期。

权重是一个调节旋钮，而不是开关。先使用默认值。风格已呈现但不够明显时，将权重提高到 1.5 左右；风格压过主体，且每个提示词都生成相同构图时，将权重降低到 0.5 左右。权重仅适用于 LoRA；若集合以参考图像或提示词文本的形式应用，则会忽略权重。

将风格集合与角色集合结合使用是可行的。两个相互冲突的风格集合结合使用时，效果会取两者的平均值。

降级不易察觉

estimate_forge_price、execute_forge 和 get_forge_run 都会返回 reference_set_contributions、reference_sets_degraded 和 reference_sets_warning。降级的运行仍会成功，也仍会消耗 Creative Units，因此除了输出之外，看起来一切正常。

请在花费前查看估算结果中的贡献报告。如果 reference_sets_degraded 为 true，请告知用户哪个集合未能应用以及原因，然后不指定 base_model_id 重新运行，让服务端选择兼容的模型，或改选其他模型。切勿声称已应用降级的集合。

操作示例

“我们生成的所有内容都应该符合我们的风格指南。”

1. 查看用户现有的素材。12 张采用相同渲染风格的作品，加上 8 张风格不同的作品，应作为一个 12 张图像的集合。
2. 上传这 12 张图像，然后使用类别 general 调用 create_reference_set，因为这是整体美学风格，而非某个主体的风格。
3. 调用 estimate_training_price，将价格与余额进行对比，并在超过 20 CUs 时确认。
4. 调用 start_training，然后按照返回的间隔调用 get_training_status，直到训练最终成功。
5. 使用 reference_sets: [{set_id, weight: 1.0}] 调用 estimate_forge_price，并且不指定 base_model_id，让服务端选择可应用该 LoRA 的模型。估算结果附带贡献报告，因此请在此处、花费任何资源之前检查 reference_sets_degraded。
6. 确认估算结果正常，且在超过 20 CUs 时已获确认后，使用相同参数调用 execute_forge。
7. 轮询 get_forge_run，然后评估输出并据此调整权重。

常见错误

• 在已获批准的图像上使用风格参考即可满足需求时，仍进行训练。
• 为了凑数量，在集合中加入风格不符的图像。
• 将角色、环境和道具混入同一个集合。
• 将角色按 general 类别训练，导致背景成为角色身份的一部分。
• 在使用参考集合的同时指定 base_model_id，然后报告风格效果较弱。
• 将权重视为开关，而不是调节参数。
• 忽略降级报告，却声称某个集合已应用。