问题的核心在于：你必须让AI理解，这张图正被谁、在做什么动作、带着什么目的去使用。说白了，得把真实用户的操作，变成画面里看得见、摸得着的物理痕迹。

把用户真实操作变成画面里的物理痕迹

第一步，在提示词开头直接把使用动作和设备状态写清楚。比如：“产品经理正用MacBook Pro（屏幕右下角显示14:27，电池电量83%）拖拽左侧‘漏斗筛选器’模块到中央工作区，鼠标光标悬停在‘保存为模板’按钮上方”。这番描述，AI才能定位到一个具体的时间切片。

第二步，巧妙地加入一个“未完成动作”，制造画面张力。比如：“她左手还按着Command键，右手食指悬停0.5cm未点击，微信弹窗浮在屏幕最上层显示‘客户说今晚要看到AB测试结果’”。记住，未完成的动作比已完成的状态，更能触发AI生成具有时间切片感的画面。

第三步，把物理交互细节绑定进去。“拖拽路径留下半透明轨迹线，轨迹末端吸附在目标区域边缘，吸附点泛起微弱蓝光（#4F46E5，Alpha 0.3）”。这句可不是装饰，AI会依据这句话渲染出符合Figma交互逻辑的视觉反馈，而不是一张静态截图。

用空间关系锚定功能区真实位置

方法一：限定屏幕层级与遮挡关系。在提示词中插一句：“插画仅覆盖浏览器窗口内区域，顶部可见Chrome地址栏（显示‘app.yourproduct.com/analytics’），底部露出Mac Dock栏一角（含Slack、Figma、Notion图标）”。有了这个边界，功能区就不会飘在半空中。

方法二：植入可验证的环境干扰项。加上：“右侧边缘虚化处理，隐约透出工位隔板上的便利贴（手写字迹：‘Q3 OKR-DAU+12%’），背景色为办公室标准灰墙（#F1F1F1）”。千万别小看这类干扰项，不加的话，AI默认填充满屏UI，根本无法体现功能区在真实产品界面中的占比与上下文。

把技术能力翻译成身体动作与感官反馈

① 当她双击漏斗图标 → 界面弹出半透明配置面板，面板阴影投射在下方表格行上（偏移X:2px, Y:4px, 模糊半径6px）；
② 当鼠标划过趋势折线图 → 折线高亮加粗，对应数据点浮现tooltip（字体12px，背景#1E293B，圆角4px）；
③ 当她按下键盘Tab键 → 当前焦点框从筛选器跳转至右侧‘导出CSV’按钮，按钮边框闪烁0.3秒蓝色脉冲光（#3B82F6）。

这三句必须用“当……就……”的结构写到提示词末尾。AI无法理解“支持快捷键”这种抽象概念，但“按下Tab键→焦点跳转→边框闪烁”这一连串具体的物理响应链，它一听就懂。

嵌入品牌级物理约束替代风格指令

第一步：指定设备光学参数。写：“iPad Pro 12.9寸（第6代）竖屏直拍，ProMotion 120Hz刷新率下捕捉到的瞬时帧，屏幕表面有轻微指纹残留（左上角区域，透明度60%）”。

第二步：设定观看距离与比例。追加：“观众距屏幕1.2米处阅读，因此文字最小可读字号为14pt，图表坐标轴标签需加粗，折线宽度不低于2.5px”。

第三步：绑定材质反射逻辑。补一句：“玻璃屏幕反光中映出窗外阴天云层（低饱和度灰蓝，明度35%），反光强度随角度衰减，顶部强于底部”。少了这一句，AI默认用平光渲染，所有UI元素就像贴纸一样浮在纯色背景上，毫无质感可言。