CLIP 的训练目标是让图像和文本在最后一层的 embedding 中对齐（通常使用图像编码器的最终 [CLS] token]）。
然而，在实际使用中我们发现：
图像编码器不同层的输出有不同的抽象层次；
某些任务（如风格迁移、构图保持）不需要用最终语义层的输出，而是更适合中间层特征；
所以我们可以通过 CLIP Set Last Layer 人为选用非最终层作为输出 embedding，来获得更“颜色风格/细节纹理”的特征，而不是“高抽象语义”。
按当前节点配置，分别展示中文与英文节点结构。面板按 ComfyUI 实际界面还原： 左侧圆点是输入，右侧圆点与该行最右的名称为输出，下方胶囊是控件参数； 控件两端的三角表示可切换的选项。
面板用于对照参数位置与命名，不做交互；实际节点外观以 ComfyUI 内的主题为准。
依据当前节点关联的 NodesItems 数据，按输入、输出、控件三类分别列出名称与说明。
CLIP 的训练目标是让图像和文本在最后一层的 embedding 中对齐（通常使用图像编码器的最终 [CLS] token]）。
然而，在实际使用中我们发现：
图像编码器不同层的输出有不同的抽象层次；
某些任务（如风格迁移、构图保持）不需要用最终语义层的输出，而是更适合中间层特征；
所以我们可以通过 CLIP Set Last Layer 人为选用非最终层作为输出 embedding，来获得更“颜色风格/细节纹理”的特征，而不是“高抽象语义”。