文字没有被参考图替代

问题

参考图越来越好用以后，提示词是不是可以少写，甚至不写？

我的判断是：可以少写表面描述，但不能少写判断。

参考图能告诉模型人物、房间、光线和物件长什么样。它不能自动说明门缝为什么重要，手机为什么不能换位置，某个动作为什么只能停在发现之前。看得见的东西由图承担；看不见的取舍仍然要由文字承担。

观察

很多失败不是画面难看，而是画面离开了故事。

房间还很紧张，但入口方向变了。人物脸还像，但动作提前完成了。道具还在画面里，却不再是上一镜那个道具。模型保住了气氛，却丢了因果。

所以 Reference Pack 不能只是情绪板。情绪板回答“像什么”，Reference Pack 回答“什么不能变”。

原则

我会把工作拆成三层：

语义层：这一镜要保护什么判断
Reference Pack：哪些可见事实需要被继承
Shot Block：当前几秒钟具体交给模型做什么

语义层先写清楚故事压力。Reference Pack 再把它变成可见事实。Shot Block 最后只选择当前镜头需要执行的部分。

这三层不能混。把 Reference Pack 当成提示词，会让图片承担太多解释工作。把 Shot Block 写成剧情摘要，会让模型重新导演整场戏。

测试句

一个有效的镜头请求应该能回答：

这一镜从什么状态开始？
哪个物件不能消失？
哪个动作不能提前完成？
镜头结束时要留下什么？

如果这些问题答不出来，参考图再好也只是参考图。

边界

参考图没有让文字层消失。它只是让文字层更少写外观，更多写判断。