大多数「AI 商品图很假」其实不是模型的问题，而是指令的问题：提示词只描述了物体本身， 把让照片看起来真实的那些东西全部交给了运气。
先写光
相机看到的不是物体，而是从物体上反射回来的光。所以从光开始：
左侧柔和的北向窗光，右侧一块白色反光板，阴影向画面右后方渐渐落下。
这一句同时确定了光位、光质和明暗比。相比「专业打光」，平台里的每一个模型 对这种描述的响应都要稳定得多。
再写承载面
阴影和反射是假图最容易露馅的地方。说清楚商品放在什么表面上，以及那个表面 如何影响光线：
哑光燕麦色亚麻布，能看到轻微织纹，没有反光。
然后是镜头
焦段传递的信息比大多数人以为的要多。100mm 微距说的是「目录页」； 35mm 近距离拍摄说的是「生活方式」，并带来观众下意识判定为真实照片的轻微畸变。
什么不该写
克制堆形容词。「精美、惊艳、高品质、8k、获奖作品」并不会带来分辨率设置 已经能给的东西，这些 token 花在具体描述上更划算。
一个完整例子
琥珀色玻璃滴管瓶，居中，置于哑光燕麦色亚麻布上。相机左侧柔和窗光， 右侧白色反光板，阴影向右后方落下。100mm 微距，f/5.6，对焦在标签上。 画面内没有其他物体。
把它同时交给多个模型，留下玻璃质感最好的那一张——模型之间在透明材质上的 分歧最大，而这恰恰是横向对比比反复改提示词更划算的原因。