明确纳米级尺度与对象类型

写提示词时，开头就要明确标注“nanoscale”或具体尺寸范围，例如“5nm gold nanoparticles”“20nm titanium dioxide nanotubes”。如果只是简单写成“nano gold”，模型很容易理解偏差，把它识别成“小型金块”，而不是真正的纳米结构图像。

同时要补充对象的物理形态：是球形、棒状、多孔薄膜、核壳结构，还是自组装单层。例如“hexagonally packed silica nanospheres monolayer”比“silica nano”更容易触发准确的周期性排列与微观结构表达。

嵌入关键材质与表面特性

方法一：将“材质”与“表面修饰词”组合使用，用来更准确地描述表面状态。例如“plasmonic silver nanocubes with atomically smooth facets”这类表达中，“atomically smooth facets”会明显约束模型输出，尽量减少锯齿状伪影；但如果只写“shiny silver cubes”，生成结果通常会更接近宏观金属块，而非纳米材料图像。

方法二：加入光学响应或表征方式关键词。如果需要电子显微镜效果，可加入“TEM contrast from lattice fringes”；如果希望呈现扫描探针图像，可写“AFM topography showing 0.3nm step height resolution”。【缺少这类观测模态限定词时，纳米AI往往默认输出RGB渲染图，从而丢失真实的微观表征特征】

约束环境与成像条件

第一步：指定衬底材料，例如“on ultrathin carbon film”“deposited on Si(100) wafer”，以避免模型自由补全背景，进而产生尺度判断错误。

第二步：补充成像参数。写“high-angle annular dark-field STEM at 200kV”比仅写“STEM image”更能锁定环形暗场条件下的原子列对比效果。

第三步：添加干扰排除指令。在句末加入“no artifacts, no beam damage, no sample drift”，这能明显降低晶格扭曲、晕染以及漂移伪影出现的概率。