在ComfyUI中生成可以直接用于电商详情页的护肤品图片，核心并不在于堆砌“高清”“精致”“水润”这类模型无法真正理解的空洞词汇。真正的关键，是将那些肉眼可见的物理反应——玻尿酸分子吸水膨胀的瞬间、精华液滴落时的张力、乳液在指尖延展拉丝的过程——全部转化为CLIP能够识别、能够理解的视觉锚点。这项工作，本质上就是一个“翻译”问题。
用成分行为替代功效描述
核心操作很简单：把那些抽象的功效描述，替换成具体的成分物理行为。
先说第一步。不要写“深层补水”，改成“hyaluronic acid gel swelling on skin surface, visible water absorption gradient from center to edge”。【必须写明成分名+具体物理形态变化，否则模型默认生成的只是一层均匀的水光膜，根本没有真实感】
第二步，不要写“提亮肤色”。换成“vitamin C serum droplet suspended mid-air above cheekbone, refracting warm light into faint golden halo”。这句指令会强制模型去计算液体折射与皮肤曲率之间的关系，比单纯一个“brightening effect”能触发更真实的光学建模。
第三步，把所有“anti-aging”“rejuvenating”这类抽象医学术语统统删除。Qwen-Image-2512对这类词汇没有对应的图像特征库，你写上去，它反而会激活训练数据中那些过量的、蜡像式的面部渲染，结果可想而知。
构建三层结构化提示词
听起来可能有些复杂，但拆解开来就是一个三层的结构。
第一层，基础层，固定不变：
“skincare product flat lay on matte white ceramic tile, top-down 45° angle, soft north-facing window light, shallow depth of field, focus on droplet contact point”
第二层，变量层，按产品替换：
“{product_type} in {container_material}, {active_ingredient}_infused {texture_descriptor}, {usage_state}”
举个例子，如果是一个烟酰胺精华液，就填成：“serum in frosted glass dropper bottle, niacinamide-infused viscous liquid, droplet just released from pipette tip”。
第三层，抑制层，统一加在Negative Prompt里：
“text, logo, watermark, lettering, plastic texture, uniform gloss, airbrushed skin, sharp edged cut, flat lighting”
【注意，‘text’和‘lettering’这两个词必须同时存在。少一个，瓶身上的标签文字就会顽强地残留下来，怎么都去不掉】
植入可信使用痕迹
一张全新的、光洁如新的产品图，看起来太假了。真正电商详情页里的好图，都带着“被用过”的痕迹。
操作起来也不复杂。第一步，在正向提示词的末尾，追加一句真实的物理证据：
“faint finger oil smudge on bottle neck, slight condensation ring under dropper tip, cotton pad beside bottle with partial absorption pattern”
第二步，务必让这句话出现在提示词的最后三行。因为CLIP文本编码器对末尾的token会分配更高的权重，这样模型才会优先去渲染那一点点手指油渍，而不是把精力都放在瓶身反光上。
第三步，把CFG Scale关小一点，控制在6.5～7之间。高于7会放大“condensation ring”这个描述，导致水珠失真；低于6.5，那点“finger oil smudge”又无法形成可辨识的油脂高光过渡，等于白写。
动态验证构图精度
细节到底够不够，别靠猜，靠验证。
具体做法：① 在ComfyUI工作流里插入一个“ImageScale”节点，把尺寸设为384×384，然后接上“PreviewImage”，再连“SaveImage”。② 运行之后，盯着Preview窗口看两样东西：能不能看清棉片吸水边缘的毛细扩散纹？能不能分辨瓶颈油渍和玻璃本体的反射差异？③ 如果这两项里有一项模糊，立刻把Denoise值调低0.05，重新跑一遍。别嫌麻烦，小图都看不清的细节，放大之后只会更糊。