多角色同框，A 的脸长到 B 身上，LoRA 串味这事我踩过太多回。这套分区做法拆开是四步：
- 画布上拉框。 每个框写自己的内容提示词和角色提示词，另外单留一条全局提示词，只管风格和光线。角色描述各待各的框，不去抢别人的注意力。
- 限制注意力权限。 框内的图像 token 只能访问本框的文本 token，框外的文本也进不来。但图像 token 之间不做限制，这点很关键：要是连图像 token 也隔开，边界上会留下很明显的矩形接缝，画面跟拼贴一样。
- LoRA 按区域生效，不融权重。 区域外的 delta 直接归零；带全局 K/V 投影的那类干脆跳过，只留 Q 的增量。我的理解是 K/V 一动，全图读到的东西都跟着变，只动 Q 等于只改"这块区域怎么去看"，串味的口子就小多了。
- 边界强度随去噪步数衰减。 前几步压死，先把构图和角色归属定住；后面放开，让全局注意力去缝合接缝和光影过渡。
它不是完全可控的，模型在框里照样会自己发挥。可跟出完图再一块块 inpaint 比，省事太多了。
