在主体描述中嵌入人群身份与行为

第一步，先写清楚“谁在茶馆里”，再写“他们在做什么”。别写“古风茶馆”这种模糊词，试试这个：“【穿oversize卫衣和帆布包的00后女生正用iPad画速写，旁边竹椅上放着半杯冷泡乌龙】”。身份（00后女生）、服饰（oversize卫衣）、道具（iPad、帆布包、冷泡乌龙）三者绑在一起，比单写“年轻人”管用十倍。

第二步，避免用抽象标签替代具象细节。“商务人士”这四个字AI听不懂，但如果你写“穿浅灰西装但解开两颗纽扣、手机搁在青瓷杯旁看微信会议提醒的30岁男性”，AI就能从“解开纽扣+微信会议提醒”的组合里捕捉到松弛感和职场背景。情绪和肢体语言得靠动作传递，不是靠形容词。

第三步，人群动作必须跟空间功能匹配。想突出亲子客群？别只写“茶馆里有小孩”——写“妈妈蹲着帮穿汉服的小女孩调整发簪，两人面前矮几摆着山楂糕和儿童款青花瓷杯”。如果孩子只是站在地上、没碰茶具、没互动，AI大概率会把他当成背景杂物处理掉。

用环境细节反向锚定人群画像

一个很有效的技巧：靠陈设暗示谁在用这个空间。想表现银发族养生茶馆，就写“墙面挂手写毛笔字‘陈皮普洱’价目表，角落立着带放大镜的老花镜支架，藤编坐垫下压着半折的《老年日报》”。这些物件比直接写“老年人”更有说服力，AI也会自动推演出使用者的年龄层。

光线和时间也能反向锚定人群作息。比如写“傍晚六点，落地窗斜射进暖光，穿工装裤的自由职业者刚合上MacBook，手边咖啡杯印着茶渍圈”，AI会自动匹配下班时段和数字游民状态。如果改成“正午阳光直射”，大概率生成游客暴晒赶路式喝茶，而不是本地人舒坦慢坐的场景。

注意：千万别在一个提示词里堆砌多个冲突人群。比如同时要求“考研学生刷题+外国游客举自拍杆+老人打太极”，AI会逻辑混乱，结果要么人物比例失调，要么空间动线彻底崩盘。一次只聚焦一个核心人群就好。

最后说一个实用替换策略：把泛指的“顾客”换成具体身份——比如“穿汉服直播的UP主”“戴降噪耳机改论文的研究生”“拎菜篮子歇脚的社区阿姨”。即梦AI对名词短语的响应精度远高于形容词，“汉服直播”自带动作、设备和传播属性，比“年轻女性”准确十倍。同理，把“茶桌”升级为人群适配款：“适合四人围坐的胡桃木矮桌（桌面有iPad支架凹槽）”“带USB插口的仿竹节长吧台”“可升降的无障碍轮椅位茶席”。结构细节直接框定使用者的身体条件和行为习惯，AI也就知道该画谁、怎么画了。