同一句提示词两次出图差别很大，先把怀疑对象从提示词挪开。扩散类出图流程里，种子决定的是构图、人物姿态、背景布局这类「大结构」的抽样起点，采样步数更多影响收敛程度和细节密度，通常不会让画面整体换一个样子。所以判断顺序建议是：先在配置里把种子写死，确认能否复现；再单独动步数；最后才动采样器、调度器这类设置项。下面全部是单变量对照，不改提示词，不需要联网，只用同一台机器同一次会话内的配置和日志就能做完。

判断差异来自随机种子还是参数设置，先看配置里有没有显式 seed。省略 seed 或写成 -1 一类取值，通常意味着每轮重新抽样，两次出图必然不同；把种子写死后连跑三次，产物一致说明差异来自种子，不一致则要回头检查采样器、调度器、批量张数、cfg 是否也在变。锁种子后单独改步数，观察的是细节密度与笔触，而不是构图换脸。种子、步数、采样器、调度器建议固定进基线表，只放开提示词和输出数量，这样每次出图都有可回查的起点。

在配置里显式写出随机种子，连跑三次看出图是否一致

第一步只解决一个问题：这台机器上的 MOSS-Image 服务默认是不是每轮随机取种子。做法是把种子字段显式写成固定整数，其他字段全部保持原样，然后同一条提示词连续跑三次。字段名以你实际使用的配置文件为准，下面给的是常见写法的骨架，替换成自己的键名即可。

# 字段名以实际配置文件为准，此处为通用骨架
generation:
  prompt: "同一句提示词"
  seed: 12345        # 显式写死；若为 -1 或被省略，通常每轮重新抽样
  steps: 30
  sampler: euler_a
  scheduler: karras
  cfg_scale: 7
  width: 1024
  height: 1024
  batch_size: 1      # 大于 1 时同批内种子往往递增，容易被误判成随机

三次跑完把结果记成一张表，不要只凭印象说「好像差不多」。差异位置写具体一点，比如人脸、手部、背景元素数量，这样后面判断步数影响时才有对照物。

三次完全一致，说明这条链路在固定种子下是可复现的，之后的差异都可以归到参数上。三次仍不一致，先别急着怀疑模型，去确认三件事：服务端有没有把 seed 覆盖掉、批量张数是否大于 1、任务队列是否复用了上一次的随机状态。这几点在没有显式日志时很容易被忽略，建议在出图日志里把实际生效的 seed 打印出来核对，而不是只看配置文件写了什么。

锁死种子只改采样步数，观察画面细节的变化

种子固定之后，步数就成了唯一的变量。把步数取三档，例如 20、30、40，其余字段一个都不动，每条各跑一次，同时记录耗时。耗时可以从日志时间戳里取，也可以在提交前后各打一个时间，命令行下用 time 包一层同样可行。

判断标准很朴素：如果主体位置、人数、背景大件在几档步数之间基本稳定，只是边缘和纹理有差别，那步数不是「两次出图差很多」的主因，把它当作画质和耗时的权衡项就够了。如果步数一改构图就大幅变化，通常说明采样没有收敛，或者步数档位跨度过大，需要结合具体模型确认可用的步数区间，而不是照搬别的模型的常用值。

种子和步数都不动，只改采样相关设置项，记录风格漂移

到这一步才轮到采样器和调度器。这两个设置项影响的往往是整体质感，而不是构图本身，所以必须在前两步已经锁死的前提下测，否则分不清是风格变了还是随机性在起作用。建议一次只改一项，取值清单写清楚，产物与取值一一对应。

• sampler：在配置里常见的取值有 euler、euler_a、dpmpp_2m、ddim 一类，逐个替换，其余不动。
• scheduler：常见取值有 normal、karras、exponential 一类，与 sampler 搭配使用，同样逐个替换。
• cfg_scale：属于条件强度，不是随机性来源，但会明显改变对提示词的贴合程度，可以放在最后一轮单独试，不要和采样器一起改。

如果换采样器后画面风格变化明显，就说明这类设置项是「同一提示词不同观感」的合法来源，之后再遇到两次出图不一致，先查这几个字段有没有被人改过或没传进去，比反复改提示词有效得多。

把对照结果整理成一份参数基线，供后续出图直接引用

三轮对照做完，把当时真正生效的值抄成一张基线表，写在项目里的配置注释或 README 顶部都行，下次出图前先对一眼，不要靠记忆。

一句话概括这份基线的用法：种子、步数、采样器、调度器必须固定，提示词和输出数量可以放开。每次改动只动其中一项，并把产物文件名带上参数值和种子，后续回查时就不用再猜「当时是哪个设置」。