客户发来一段提示词让我看看为啥出图翻车，一句里塞了三十来个形容词，“好看”“高级”全在里面，出来的东西糊成一团。他第一反应是换模型，其实模型没毛病，是词写散了。
我自己现在固定一个顺序写：主体 → 动作 → 环境 → 光线 → 镜头，分辨率那类词最后才补。这么排是因为模型的注意力就那么多，一句塞几十个形容词，每个词分到的权重都被稀释，结果哪个都没落实。核心元素留五到七个就够了，堆再多也只是自我感动。
视频那边这毛病更明显。运镜得说清楚，缓慢左摇、推近、跟拍这类指令直接给到，画面才有叙事感；不给的话大概率就是一段发呆的空镜，人站着，镜头也站着。
画幅也是一开始就定，横屏还是竖屏想好了再出，别等出完再去裁。
至于“好看”“高级”这种虚词，模型压根不知道你要的是啥，写了等于没写，还白白占掉一个位置。