必须嵌入地理坐标、海拔、时间刻度和身体状态指标：第一步用经纬度+海拔锚定路线骨架并量化爬升；第二步按小时切片标注生理细节或设备读数；第三步通过镜头语言、色温变化和物理痕迹可视化体力衰减。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要让海螺AI生成的徒步旅行短片提示词能清晰呈现路线走向和体力消耗变化，必须把地理坐标、海拔数据、时间刻度和身体状态指标全部嵌入提示结构中，不能只写“山路蜿蜒”“游客疲惫”这类模糊描述。
第一步：用经纬度+海拔锚定路线骨架
在提示词开头直接写明起点、中途点、终点的经纬度与对应海拔，例如：“起点（30.4567°N, 103.8912°E，海拔1280m）→ 经第一垭口（30.4721°N, 103.9045°E，海拔2150m）→ 抵达山顶观景台（30.4883°N, 103.9178°E，海拔3420m）”。这一步是路线可视化的物理基础，【缺少任一坐标或海拔，AI无法推算坡度与行进方向】。
把三个点的高程差换算成文字描述：“累计爬升2140米，其中70%集中在第二段”，比单纯说“一路向上”更能触发AI对地形起伏的视觉建模。
第二步：绑定时间轴与生理信号
方法一：按小时切片标注体征变化
“0–2小时：匀速行走，呼吸平稳，背包带松垂；2–4小时：步伐变短，频繁擦汗，水壶水量减少40%；4–6小时：肩部微耸，登山杖触地节奏变慢，睫毛挂盐霜”。【每段必须含具体时间范围+可识别的生理细节，不能写‘渐渐变累’】
方法二：用设备读数替代主观描述
“心率从92bpm升至158bpm，GPS轨迹线变粗且抖动频率增加，GoPro画面边缘出现轻微手抖”。AI对数字信号比对“疲惫”“坚持”更敏感，直接调用传感器逻辑能强化真实感。
第三步：强制视觉化体力衰减过程
① 镜头语言指令：前1/3镜头多用广角平视拍路与人比例，中段改用低角度仰拍腿部特写（裤脚沾泥量递增），后段切换为第一视角晃动镜头（模拟视野收缩）；
② 色彩参数绑定：初始段色温6500K+饱和度+10%，登顶段降为5200K+去饱和20%，突出体能临界点；
③ 物理痕迹叠加：在路径旁逐段添加可视化标记——起点处完整鞋印→ 中段鞋印变浅且间距缩短→ 顶峰处只剩半个脚掌压痕与散落能量胶包装。
这一步操作起来很简单，直接把三组镜头指令+色温值+鞋印状态并列写进提示词末尾就行。
