撰写咖啡店探店视频的 AI 提示词，如果只堆砌“温馨”“高级”“好喝”这类空洞词汇，剪映 AI 生成出的画面大概率会翻车——咖啡杯孤零零悬浮在白底上，或者店内场景空空荡荡、看不到一杯像样的咖啡。问题的根子在于：没有用具体动作、空间关系和感官细节，把环境与产品紧密绑定在一起。这才是写好探店提示词的关键所在。

先说一个核心判断：探店视频的提示词必须靠具体动线、动态产品状态和统一光源，来锚定环境与咖啡的共存逻辑。比如“女生推门进店→吧台正在拉花→拿铁被放到粗陶杯垫上”。名词+动词+位置，才是真正的空间锚点，而空泛形容词和“风格化”指令只会添乱，让 AI 无法准确生成连贯场景。

用“人在动+物在场”锁定环境与产品的自然绑定

第一步，以真实探店动线为骨架写进提示词。例如：“女生推开玻璃门→左手边原木吧台正在拉花→她接过拿铁时镜头扫过身后暖光射入的落地窗和绿植墙”。动线越是具体，AI 越难把咖啡杯和环境拆开生成。

第二步，给产品加上“使用中”的状态描述。不要写“一杯拿铁”，要写“奶泡纹路未散的拿铁被放在粗陶杯垫上”“吸管刚插进冰美式杯口，杯壁凝着水珠”。静态陈列会被 AI 默认为产品图，动态痕迹才是让咖啡融入环境的关键细节。

第三步，指定光源方向，统一环境与产品的光影逻辑。例如“午后斜射阳光从右侧百叶窗缝隙照进来，在咖啡杯沿投下细长影子，同时照亮邻桌书本纸页”。光源如果不统一，AI 会分别渲染环境光和产品光，导致画面穿帮。

避开三类常见废词陷阱

第一类，孤立形容词必须删干净。把“温馨的咖啡店”改成“浅橡木地板反着柔光，三张圆桌围坐两人，其中一人正用小勺搅动燕麦拿铁”。形容词不提供坐标，名词+动词+位置才构成有效的空间锚点。

第二类，不用“风格化”指令干扰真实感。剪映 AI 对“ins 风”“日系”等词理解混乱，常生成贴图式背景。换成“水泥柱刷成灰白色，柱面保留两道原始模板接缝痕，旁边立着铸铁架挂手冲壶”这种具体描述更可靠。

第三类，拒绝“高清”“4K”等无效参数。剪映 AI 不识别画质指令，反而可能因过度优化丢失环境细节。真正影响清晰度的是具体元素数量——写“吧台后三层开放式木架，每层摆 3 种豆罐，罐身标签字迹可辨”比写“高清”管用十倍。

直接套用的提示词结构模板

① 时间+天气+人物动作：“工作日下午三点，微阴天，穿米色针织衫的女生站在门口摘下帆布包，抬头看黑板菜单”

② 环境细节带产品线索：“黑板菜单旁钉着黄铜价目牌，牌角压着半张手写豆单，字迹洇开一点咖啡渍”

③ 产品出现方式：“她点单后走向靠窗卡座，路过吧台时镜头掠过刚萃取完的埃塞俄比亚耶加雪菲，深褐色液流正滴入白瓷杯，杯底已积了 1cm 厚的油脂层”