先确定主体与动作
描述先回答画面里最重要的人或物是谁、正在做什么。若主体不明确，模型容易把注意力分散到背景。动作应尽量可观察，例如“停在门口回头”比“陷入复杂情绪”更容易形成可检查结果。
画面生成：把描述写成可检查的视觉条件
画面生成不是把形容词堆得越多越好。更稳定的方式是把主体、动作、环境、构图、光线和限制条件分层写清，再通过人工筛选判断人物、空间和情绪是否与分镜一致。
再确定空间关系
人物位于前景还是中景、与门窗桌椅的相对位置、镜头从什么方向观察，都影响连续性。重要场景可以建立简化空间图，后续镜头沿用关键关系。
光线与色彩服务情绪
光线方向、软硬、明暗比例和色彩倾向可以写得具体，但不应只追求“电影感”。同一场景最好保持主光方向与整体色调稳定，再用局部变化表现时间或情绪变化。
用筛选代替盲目追加描述
结果不对时先判断问题来自主体、动作、构图还是风格，再修改对应部分。持续追加大量互相冲突的形容词，通常会让结果更难控制。
检查人物与物件连续性
多镜头生成后，逐项核对服装、发型、配饰、手持物、左右方向、背景结构和时间状态。无法稳定保持的细节可以简化，不要让非核心装饰拖累整体连贯。