先分清两件事：参考图决定模型“看到多少实物信息”，提示词决定模型“按什么景别、什么光位、什么比例去排布”。生成场景图和实物差太多时，不要一次把参考图和描述都改掉，那样无法归因。稳妥做法是拿同一批输入，先只动参考图数量，再只动场景描述颗粒度，把两次输出并排比对，看光线、比例、环境道具分别在哪一轮里收敛。

先别急着补拍或改描述：把同一批场景图按“参考图数量”和“描述颗粒度”各做一次单变量对照，通常能看出主因。若只加参考图后光线方向、道具位置明显收敛，说明是素材信息不足；若只有细化描述后比例才回到预期，说明是描述颗粒度问题。两项都改仍不收敛，再查画幅比例、机位高度与生成参数是否和实拍不一致。判断依据是逐张对照记录，不是单次观感。

从已有输出里挑出与实拍差距最大的几张场景图

不要把所有生成图拉进分析，先锁定问题样本。挑选标准建议用三条：一是必须是有环境背景的“场景图”，不是白底或纯色底产品图；二是同一批任务、同一组参数下反复出现同类偏差的图，排除偶发；三是实拍原图可查、拍摄参数（机位高度、画幅、光源方向）大致可还原的图。挑 3 到 5 张就够，多了反而难对照。

样本清单要落到可复现的字段，方便下一轮改一个变量后对照。输出编号建议在调用端就写进文件名，例如 scene_001_ref2_descA.png，后缀带参考图数量和描述版本，后面并排看图不用再翻记录。

参数从调用端日志或任务配置文件里抄，不要凭记忆填。如果调用端没有日志，先补一条“入参 + 输出文件名”的落盘记录，再开始做对照，否则后面两轮没法归因。

对照实拍与生成图，标出光线、比例、环境道具的差异点

把“差太多”拆成逐个可改的项，每项写清实际表现和期望表现。标注时把实拍图和生成图放在同一画布并排看，只记录肉眼可核对的现象，不要写“质感不对”这类无法行动的判断。

这张表是后面两轮对照的基线。哪一项在两轮里先回到期望，就说明那一项主要由该轮改动的变量控制。

保持描述不变，只增加参考图数量再生成一次

描述文本、seed、步数、画幅全部锁死，只增加参考图数量。做法可以是一次只加一张，优先补实拍中信息缺失最大的角度：光线方向不清就补一张能看出主光位置的照片，道具缺失就补一张带环境全景的照片。新增图放进同一个输入目录，重新生成后按同一命名规则输出。

记录“未变化点”同样重要。如果加到多张参考图，比例和机位仍旧不对，通常说明这两项不是素材信息量的问题，而是描述或参数问题。验证方式是直接打开输出目录按编号并排看图，别只看缩略图。

保持参考图不变，只细化场景描述再生成一次

把参考图锁在第一轮的 2 张，seed、步数、画幅不变，只改描述文本。细化的方向是补光位、机位、比例和道具位置，而不是堆形容词。可以把描述写成结构化字段，便于下一轮逐项改。

{
  "scene": "室内客厅，主体靠右",
  "light": "主光来自画面右侧窗，侧逆光，阴影向画面左侧延伸",
  "camera": "平视，接近人眼高度，等效约 50mm，无俯视",
  "framing": "主体约占画面宽度三分之一，上方留出墙面",
  "props": ["左前景茶几", "右后书架", "主体正后方无遮挡"]
}

对照时先记细化前的描述原文，再记细化后的字段，最后看输出差异。常见情况是：只细化描述后，光线方向比参考图轮次更容易收敛，但环境道具数量仍可能缺，因为描述里提了而素材里没有对应角度。

把两次结果并列，确定该补素材还是该改描述

判断依据是“哪一轮先让某一项回到期望”，而不是整体观感。同一项在两轮都改善，说明它对两个变量都敏感，优先用成本低的一方，通常先改描述；只有补素材才改善的项，再安排补拍。

这套判断可以复用：每换一批实拍素材，先挑三张问题图，做一次“只加参考图”和一次“只改描述”的对照，把结果填回差异标注表。两轮都不收敛时，再回头核对画幅、机位高度和生成参数是否与实拍对齐，避免把参数问题误判成素材或描述问题。