直接上干货——这是一份逐项可操作的检查清单，完整覆盖Sora当前在时空逻辑与视觉连贯性方面的理解边界。

基础信息层：必须锁定的5个关键锚点

第一步：拍摄主体必须明确锁定。应写“一家独立咖啡馆”，而非笼统的“咖啡店”或“小店”。Sora对“独立”这一关键词具有强烈的视觉联想——手写菜单、复古砖墙、店主亲自出镜。若仅写“小店”，Sora很可能生成一家连锁简餐店的场景，两者风格走向截然不同。

第二步：地理位置必须提供具体坐标。添加“上海武康路转角处”这类精确地址，Sora才能稳定锁定场景。缺少这一锚点，系统极易混搭东京或首尔的街景元素，尤其在橱窗反射、招牌字体等方面出现突兀的风格错位。

第三步：时间状态必须精确描述。尝试“工作日下午三点，自然光斜射进落地窗”。一旦漏掉“下午三点”这一时间限定，光影方向便会随机化——正午顶光或黄昏长影都可能出现，咖啡拉花的反光真实感将大打折扣。

第四步：镜头起始点必须明确框定。开头应写“手机手持视角，从玻璃门外向内推进”。Sora默认采用电影级稳定运镜，若不加入手持限定，系统会自动生成滑轨式平滑推镜，探店应有的真实沉浸感便荡然无存。

第五步：核心道具必须单独列出。例如“木质吧台、手冲架、三款当日豆单黑板、两杯刚做好的燕麦拿铁”。Sora对“燕麦拿铁”的识别精准度远高于“植物奶咖啡”，但若遗漏“刚做好”这一状态描述，杯壁水汽与热气升腾的细节效果大概率会被系统忽略。

动态逻辑层：动作链条必须完整闭环

方法一：按时间流撰写完整动作序列。例如“店主微笑抬头→左手擦干手→右手拿起手柄萃取→蒸汽棒打发燕麦奶→倾倒拉花→将杯子推至吧台边缘→顾客伸手接杯”。这8个动作若缺失任意一环，Sora都会在衔接处随机插入无关动作（如突然低头看手机），导致探店叙事逻辑断裂。

方法二：用因果逻辑词绑定关键帧。撰写“因为顾客指着黑板问豆子产地→店主转身取豆罐→旋开盖子倒出埃塞俄比亚耶加雪菲生豆→指尖捻起几颗展示”。Sora对“因为…→…”这类因果结构响应极佳，能自动补全转身角度、豆粒落入手心的微动作细节。若写成并列短句，主次关系便会丢失，甚至可能生成店主同时做三件事的诡异画面。

【店主转身取豆罐这一动作必须紧接在顾客提问之后，中间不可插入任何环境描写】

质感控制层：彻底拒绝模糊形容词

将“温馨氛围”替换为“暖光灯泡在天花板垂挂，灯罩边缘有轻微积灰”。Sora无法理解“温馨”这类抽象词汇，但它能精准渲染0.3毫米厚的棉麻灯罩纹理以及积灰颗粒的分布密度。

将“复古装修”拆解为“深绿釉面瓷砖墙面（1920年代工艺）、黄铜门把手氧化斑痕、橡木桌年轮清晰可见”。Sora对“黄铜氧化斑痕”的建模精准度远高于“复古”一词，后者极易触发维多利亚风格雕花壁纸等错误视觉联想。

将“咖啡香气弥漫”直接删除。Sora无法处理抽象感官描述，若强行加入，画面中会莫名出现飘散的棕色烟雾粒子，反而干扰真实蒸汽的视觉表现。

避坑校验清单：逐条划勾确认

□ 是否出现“等等”“类似”“大概”“左右”等模糊量词？——Sora会将“大概三米高”解析为2.7至3.4米的随机数值，导致层高直接失真。

□ 是否混用中英文术语？——若写“latte art”而非“拉花”，Sora会优先调用意大利语语音模型，生成带有意大利文菜单的背景画面。

□ 是否存在跨帧矛盾指令？——例如前句写“顾客穿牛仔外套”，后句又写“顾客脱下外套搭在椅背”，Sora无法判断时间跨度，可能生成外套悬浮在半空的异常帧。

□ 是否依赖Sora自主补全文化细节？——切勿写“体现上海本地生活气息”，必须写出“梧桐叶影在水泥地面缓慢移动”“外卖员电动车停在店外非机动车框内”这类可直接视觉化的具体要素。

□ 所有动词是否为现在时且无修饰副词？——“轻柔地搅拌”应改为“搅拌”，“缓缓推开”应改为“推开”。Sora对副词缺乏解析能力，但会将“轻柔地”误判为物体材质指令，从而生成一把毛绒质感的搅拌勺。

将这份清单逐项对照检查一遍，Sora生成的探店视频质量至少能提升一个显著台阶。