先说一个实际应用场景。你想用通义万相生成一张商用级别的冰美式图片——一杯冒着冷气的冰美式放在胡桃木吧台上，背景是虚化的咖啡馆书架。结果呢？杯子要么悬空，要么书架看起来像贴上去的壁纸，冰块甚至化成了一团灰影。问题并不在模型本身，而在于提示词的写法。

通义万相理解提示词，有一套自己的逻辑框架。你需要按照“主体动作空间”搭建基础，再用“材质光影镜头”填充细节，最后用“质量指令”校准收尾。三个环节缺一不可，否则出图就容易翻车。

先搭骨架：锁定主体+动作+空间三要素

第一步，用“谁/什么+在做什么+在哪”这个句式作为开头。比如“手正将冰美式推至胡桃木吧台中央”。注意，不能只写“一杯冰美式”。如果你给模型一个静态名词，它的响应很弱；但换成“推”这个动词，模型会自动脑补出手的结构、液体晃动的趋势，以及台面的反光逻辑。这就是动词的力量。

第二步，空间必须给出明确的属性加尺寸锚点。写“胡桃木吧台（宽60cm，高110cm）”，比“木质吧台”稳定四倍。没有宽度参数，模型经常把杯子生成在画面边缘；缺少高度数据，人物的手部比例容易失真。

第三步，光源方向和性质要立刻跟上。例如“左前侧45°柔光箱打光→杯壁凝结水珠清晰可见”。如果不写光源方向呢？模型默认给你上平光，冰块失去通透感，水珠直接消失。

再填血肉：材质、光影、镜头三者绑定写

方法一，材质名称必须具体到工艺级别。写“哑光胡桃木贴皮吧台+双层高硼硅玻璃杯+粗磨砂基底冰块”，禁用“高级木纹”“透明玻璃”这类泛称。模型训练数据里确实有“高硼硅玻璃”的折射率参数，但“高级”这个词对它没有任何编码意义。

方法二，光影描述要附带物理效果。例如“逆光勾勒杯沿金边→背景书架仅保留暖色块轮廓→无杂散反射光”。这比“温馨光影”有效得多——后者会让模型随机插入台灯或窗外阳光，破坏整个画面的统一性。

方法三，镜头参数写进提示词末尾。“Canon EOS R5，f/1.8，35mm焦距，焦点落在杯口蒸汽上”。如果不加镜头参数试试？通义万相默认给你出中景构图，蒸汽细节直接消失。

最后校准：用质量指令压住失控点

① 在提示词最开头加“masterpiece, best quality, 8K”，强制模型调用高权重分支；

② 中间插入负向约束：“--no plastic texture --no floating objects --no text on cup --no visible fingerprints”；

③ 末尾追加输出控制：“自然光摄影风格，无滤镜，非概念图，纯色背景禁止出现”。

这三层逻辑走下来，模型输出的稳定性会提升一大截。下次再遇到“杯子悬浮”“书架贴图”这些翻车现场，不妨先检查一下——自己把哪一层给漏了。