案例媒体
案例说明
这个页面把案例媒体、完整 Prompt 和出处放在一起，方便你先看结果，再判断这条 Prompt 是否值得复制、收藏或加入对比。
案例解读
为了方便搜索、引用和后续复用，这里会把案例的适用场景、画面重点和 Prompt 结构拆成更容易浏览的说明。
这类案例适合用在什么场景
- 把它当作 人像与摄影 的基准案例最合适，先看成片方向，再决定自己的 Prompt 要往哪边改。
- 如果你的目标也落在 人像、时尚、人像与摄影 这些方向，这条案例特别适合先看图判断风格，再回头微调描述。
- 做 Prompt 对比时，也很适合作为控制组，只改一个变量去看结果变化。
画面重点与风格信号
- 这条案例最明显的风格信号集中在 人像、时尚、人像与摄影，所以第一次改写时最好先保留这些关键词。
- 重点先看构图、光线方向、人物姿态，以及主体和镜头之间的距离感。
- 当前只有一张主图，所以第一张结果图就是最核心的参考基准。
Prompt 结构可以怎么理解
- 这条 Prompt 整体属于一条比较长、约束条件很多的 Prompt，很适合拿来判断这类方向到底需要写到多细。
- 关键词簇主要围绕 人像、时尚、人像与摄影 展开，所以复用时可以先保留这组风格词，再替换主体、镜头、环境或文案信息。
- 最稳的改写方式通常是先保留结果方向和最强风格信号，只替换主体设定与场景块。
如果你是带着问题来的，可以先看这些角度
- 如果保留 人像、时尚、人像与摄影，只换主体题材，结果最先变化的会是哪一部分？
- 这条结果里，哪些特征更像是 人像与摄影 的结构特征，哪些又是标签风格本身带来的？
- 同分类的相关案例里，哪几条能给你更克制或更极致的相邻变体？
完整 Prompt
2x2 grid, 1:1, do this for 4 famous international dishes: # In[1]: Import Flavor Chemistry Libraries import auto_inference_engine as ai import editorial_renderer as er subject = "[$DISH_NAME]" # In[2]: Deconstruct into Volatile Compounds df_gastronomy = ai.dissect_dish(subject, layers=['Aroma Cloud','Texture Matrix','Maillard Canvas','Cultural Memory']) df_gastronomy['pairing_note'] = df_gastronomy.apply(lambda row: ai.suggest_wine_pairing(row.molecule), axis=1) # In[3]: Build Edible Exploded View fig = er.Canvas(style="Gourmet Food Photography 3D", lighting="Softbox & Backlit Steam", dof="Selective Focus on Aromatics") fig.add_title(f"THE UNSEEN ARCHITECTURE OF {subject.upper()}") for index, layer in df_gastronomy.iterrows(): frame = fig.add_frame(shape="Flavor Wheel Wedge", size=layer.intensity_value) frame.render_3d_model(layer.ingredient_scan, lighting="Glossy & Translucent") frame.add_tasting_label(f"{layer.sensory_layer} | {layer.key_molecule} | {layer.pairing_note}") fig.draw_aroma_trail(previous_frame, frame, style="Volatile Swirl") fig.add_sidebar("Chef’s notebook: technique origins, texture modifiers") fig.add_tasting_grid(df_gastronomy[['sensory_layer', 'key_molecule', 'pairing_note', 'umami_bump']]) # In[4]: Render fig.render(quality="Michelin Guide Editorial Photorealism")
