用五感细节替代抽象情绪

具体而言，与其写“温馨”，不如精确到“不锈钢咖啡机蒸汽喷出时在窗玻璃上凝成一道白雾，三秒后缓缓滑落”。原因很简单，AI的识别逻辑决定了它只认具象名词、动态动词，再加上时间和空间的限定，才能生成精准画面。

听觉线索也需同步补充。想想看：“意式浓缩萃取完成的‘咔嗒’声刚停，隔壁面包炉门‘嘭’地弹开，焦糖香气混着酵母味涌进镜头”——没有气味和声音的晨间场景，AI默认会生成一套静音哑光滤镜，导致整体氛围完全偏离预期。

最后，锁定一个真实的人手动作作为锚点。比如“穿灰蓝围裙的女孩左手托着温热的陶瓷杯，右手拇指正抹掉杯沿一小滴奶泡，镜头从她指腹特写拉开到整张吧台”。空场景容易让AI堆砌通用图库素材，一旦加入人手动作，连贯的运镜逻辑就会被自然触发。

给AI明确的镜头语法

方法一：直接写分镜式提示词。例如：“俯拍视角→咖啡豆从麻布袋倾泻入磨豆机漏斗（慢动作，豆粒翻滚反光）→切中景→磨豆机震动，细粉簌簌落入金属粉碗→推近至粉碗边缘，一粒未碾碎的豆子卡在齿缝”。这种写法比一句“展现咖啡制作过程”有效十倍，经过验证效果显著。

方法二：用影视术语框定风格。“胶片颗粒感，16mm宽高比，自然光从东侧斜射，光束里浮尘可见；镜头轻微手持晃动，但不跟拍人，只追光斑移动”。AI对“胶片感”“16mm”“手持晃动”有稳定的图像映射，而对“高级感”“文艺风”这类主观形容却完全无响应，因此采用具体术语能大幅提升输出质量。

剔除AI无法执行的虚词

把单独出现的形容词和副词统统删掉：“柔和的”“淡淡的”“轻轻的”“仿佛”“似乎”“略带”——这些词在提示词中不贡献任何像素，反而会稀释关键信息的权重，干扰AI的生成效果。

替换“顾客陆续进来”，改为“7:43分，穿黄色雨衣的男人推门带进一阵水汽，门铃响了两声，他摘下头盔抖了抖头发”。这才是AI可以渲染的确定性帧：时间、服装、动作、声音，缺一不可，从而生成更符合预期的画面。

具体操作其实很简单：直接把原提示词粘贴进文本编辑器，用查找替换功能批量删掉“的”“地”“得”前的修饰词，保留下主谓宾结构即可，这样能快速提升提示词的精准度。