Adetailer扩展中[SEP]分隔符失效问题分析

问题现象

在Adetailer扩展使用过程中，用户报告了一个关键功能失效的问题：当使用[SEP]分隔符来区分不同角色的面部特征时，系统不再按预期工作。具体表现为所有面部特征被同时渲染，且仅采用第一个面部描述应用于所有角色。

技术背景

Adetailer是一个基于深度学习的自动面部细节增强工具，其核心功能之一是通过[SEP]分隔符实现多角色面部特征的独立控制。这一功能在角色区分和个性化渲染方面具有重要意义。

问题根源分析

通过对代码的审查，我们发现问题的核心在于prompt处理流程中的_get_prompt方法。该方法负责将包含[SEP]分隔符的输入提示分割为多个独立的面部描述，并处理其中的空白提示和替换标记。

关键处理流程如下：

1. 使用正则表达式分割输入提示
2. 为空白提示提供默认值
3. 处理提示中的特殊标记（如[PROMPT]）
4. 应用预设的替换规则

潜在解决方案

针对这一问题，我们建议从以下几个技术角度进行排查和修复：

1. 输入验证：确保输入提示格式符合预期，特别是[SEP]分隔符的使用是否正确
2. 分割逻辑检查：验证正则表达式r"\s*\[SEP\]\s*"是否能正确识别各种情况下的分隔符
3. 默认值处理：检查prompt_blank_replacement方法是否能正确为每个分割后的提示提供独立默认值
4. 替换规则应用：确认替换规则是否被正确应用于每个独立的面部描述

用户应对建议

对于遇到此问题的用户，可以尝试以下临时解决方案：

1. 检查并规范输入提示格式，确保[SEP]前后有适当空格
2. 尝试简化提示内容，排除特殊字符干扰
3. 验证模型文件完整性，特别是与人物识别相关的模型文件

后续优化方向

从技术架构角度，建议考虑以下改进：

1. 增强错误处理和日志记录，便于问题定位
2. 实现更健壮的分隔符处理机制
3. 添加输入验证和提示格式化功能
4. 优化模型加载和内存管理策略

该问题的彻底解决需要结合具体使用场景和模型配置进行深入分析，建议用户关注官方更新以获取最终修复方案。