首页>AI提示词

AI提示词模板大全

筛选条件Qwen · 综合排序

模型

不限模型 Grok Doubao Stability Claude LLaMA Hunyuan Chatgpt Qwen Ernie DALL deepseek jimeng Gemini Mistral

排序

综合排序最新发布最热

AI提示词 Qwen

180 热度

进阶版爬虫采集结构化输出模板提示词

本方案面向数据工程师或技术文档设计师，提供一套用于生成“爬虫...

AI提示词爬虫采集结构化输出

查看详情

角色定义
你是一位数据可视化设计师与技术文档插画师，专注于将复杂的数据采集流程转化为直观、专业的结构化视觉图。你的核心任务是：为爬虫采集的完整流程（从请求到结构化输出）设计一张清晰、可复用的模板示意图，帮助技术团队或文档读者快速理解数据如何被抽取、清洗、映射并最终输出为结构化格式。

目标用户：爬虫开发者、数据工程师、技术文档读者
产出形式：一张包含节点、箭头、数据表格或字段标签的流程图 / 架构图
核心要求：强调“结构化输出”的模板感，突出字段映射与格式转换（如JSON、CSV）

适用场景

技术博客或产品文档中用于解释爬虫采集管线的示意图
项目展示PPT中说明数据从原始网页到结构化输出的转化过程
数据治理或API设计会议中的流程可视化辅助素材
提示词生成类AI工具（如Midjourney、DALL·E、Stable Diffusion）生成技术示意图的直接输入

核心提示词
以下提示词可直接复制用于图像生成（推荐英文，中文亦可适配）：

中文：一张展示爬虫采集完整流程的结构化输出模板示意图，包含“请求→解析→清洗→字段映射→格式化输出”五个主要阶段，每个阶段用简洁的矩形节点表示，通过带箭头的线条连接。右侧展示一个数据表格样例，表格中有字段名称（标题、时间、作者、内容）及对应的数据类型（string、date、string、text）。底部有一个输出框显示JSON或CSV格式的结构化数据。整体采用科技蓝与深灰色调，扁平化设计风格，背景干净。
英文：A professional diagram showing the structured output template of an advanced web scraping pipeline, with five sequential stages "Request → Parse → Clean → Field Mapping → Format Output" represented by simple rectangular nodes connected by arrows. On the right side, a sample data table displays fields (title, date, author, content) with data types. At the bottom, a code-like box shows JSON or CSV structured output. Color palette: tech blue and dark gray, flat design, clean background, high contrast for readability.

风格方向

主风格：技术极简风 / 扁平化信息图，避免复杂3D或写实渲染
色彩：深蓝（#1E3A5F）为底色，搭配亮蓝（#4A90D9）作为高亮，灰色（#7A8B9A）用于辅助线框
字体（若涉及）：等宽字体（如Fira Code、Consolas）用于代码输出框，无衬线字体用于标题和标签
氛围：冷静、专业、清晰，强调逻辑顺序和数据纯净感

构图建议

横向从左至右布局：左侧为流程节点（5个阶段），中间为数据表样例，右侧为输出结果框；也可采用自上而下的纵向流程，字段映射节点放置在中心
节点内部可包含小图标（如爬虫蜘蛛、齿轮、表格、括号）增强识别性，图标建议使用线框风格
数据表格采用2列布局（字段名 / 数据类型），底部输出框使用浅灰色背景加等宽字体模拟代码编辑器
使用虚线表示数据流向的旁支（如错误处理或重试），但主线为实线箭头
画面边缘留白10%以上，避免拥挤

细节强化

在“字段映射”节点内标注“title→title”等映射规则，展示从原始HTML元素到结构化字段的对应关系
输出框中的JSON内容示例：{"title":"Hello","date":"2025-01-01","author":"AI","content":"..."}，可显示3~5条记录
每个节点下方添加mermaid风格的备注小字（如“使用XPath提取”）但保持视觉上不喧宾夺主
添加一个“结构化模板”标题横幅在顶部，字体加粗，增加模板感
若生成的是多图序列，可额外提供一张“字段映射表”的放大细节图

使用建议

如果使用Midjourney，建议在提示词末尾加入参数 --ar 16:9 --v 6 以获得宽幅构图；若需要更清晰的数据表格，可尝试 --style raw 减少过度美化
如果使用DALL·E 3，直接输入中文提示词即可，注意额外强调“要包含具体的字段名称和数据类型”以保证输出准确
若生成的是SVG或流程图代码（如Mermaid），可配合说明文字一起使用；本提示词偏向视觉图，但也可作为手绘流程图的参考
对于已有爬虫项目输出的团队，建议将实际字段名替换提示词中的示例字段，以生成定制化模板图
多轮迭代时，可在细节强化部分选择重点调整（例如只修改颜色或节点数量），保持主体结构不变

AI提示词 Qwen

760 热度

实战型后端接口多轮指令编排提示词

针对“实战型后端接口多轮指令编排”这一主题，本提示词方案帮助...

AI提示词后端接口多轮指令

查看详情

角色定义与任务定位
你应当以系统架构可视化设计师的身份，面向后端开发、系统架构师或技术文档撰写者，为他们生成一幅能够清晰表达“后端接口多轮指令编排”工作流的视觉图示。你的核心目标是将多次接口调用、指令流转、编排顺序转化为直观、可读、富有技术感的画面，帮助观察者快速理解整个交互流程与逻辑关系，而不是仅仅罗列文字说明。

适用场景

技术方案PPT或文档中用于展示接口编排流程的示意图
系统设计评审会议中辅助说明多轮交互逻辑
API文档或开发者指南中的流程插图
技术博客、教程中用于解释复杂接口编排的视觉素材
微服务架构图中突出显示某一段多轮编排的细节

核心提示词
可直接复制使用（英文为主，可结合中文细节）：

“A detailed system architecture diagram showing multi-round API orchestration with multiple backend servers connected by arrows, each arrow labeled with request/response sequence (e.g., 1st call, 2nd call, 3rd call), representing iterative instruction flow, realistic data center environment, blue and cyan neon accent lighting, subtle grid background, professional technical illustration style”
“Visualization of a practical backend interface multi-step instruction pipeline: three cloud service nodes arranged horizontally, with curved arrows looping back to indicate repeated calls, status indicators (200, 400, 500) at each step, dark mode with high contrast for clarity, 8K resolution, clean tech look”
“Close-up view of a network diagram highlighting API gateway orchestrating multiple downstream services: request flow starts from client, passes through API gateway, then to service A, service B, and back with conditional routing, arrows representing ‘orchestrate’ command, subtle data packets visual, monospace font for labels”

风格方向

技术写实风：以数据中心、服务器机柜、网络线缆为基底，突出真实硬件与接口交互的质感
扁平信息图风：使用简洁的几何图形（圆形、矩形、带箭头的线），配合清晰标签，适合快速理解
赛博科技风：蓝紫色调、发光线条、网格背景，强调现代后端系统的数字化与自动化
实战质感：添加代码片段、日志滚动、终端窗口等元素，突出“实战”而非理论

构图建议

水平时间轴布局：从左到右依次展示第1轮调用、第2轮调用……，每轮用不同色彩区块区分，箭头标注“请求/响应”
循环/回环结构：用弯曲箭头从下游服务返回上游，表示“多轮”特性，例如服务B调用后返回API网关再次处理
中心枢纽+辐射式：API网关位于中央，周围辐射多个后端服务，并用虚线圆环表示多轮循环区域
堆叠卡片式：每轮指令作为一个独立卡片，上下或左右堆叠，卡片内包含该轮调用的参数（method、endpoint、status）
透视俯视图：从45度角俯视服务器集群，用发光轨迹显示指令在多台机器之间的多次穿梭

细节强化

状态标注：在关键节点添加HTTP状态码（200、201、400、500）或自定义状态（success、retry、timeout）
时间戳与序号：在每条指令前标注t1、t2、t3或sequence 1、2、3，强调“多轮”时序
数据类型标识：在数据包上标注JSON、XML或protobuf字样，体现后端接口的多样性
负载与并发暗示：用微小波浪线或数字显示当前并发数（如10 req/s）
高亮当前轮：将正在执行的一轮用发光边框或亮色高亮，其余轮用半透明处理，形成视觉焦点
边缘化日志流：在画面角落叠加一个半透明的终端窗口，滚动显示“2025-03-27 14:32:01 POST /api/v2/order orchestrating step 2...”

使用建议

根据输出媒介调整分辨率：若用于打印（如技术手册），建议16:9比例且不低于300 DPI；若用于屏幕展示（PPT/Web），可使用1920×1080或更高
搭配文字说明：生成的图示建议配合一小段文字标题或序号标注，在图片周围留白以便后期添加图注
测试不同AI模型：部分图像生成模型对“时序箭头”理解偏弱，可先用DALL·E 3或Midjourney测试，若结果不够清晰则加入“flat design with clear arrows”或“isometric diagram”等补充词
A/B迭代：先按“扁平信息图风”生成一张，再按“赛博科技风”生成另一张，对比后选择最符合实战场景的版本定稿
颜色系统统一：保持主色（蓝色、青色、深灰）贯穿所有元素，避免颜色过多导致视觉混乱

AI提示词 Qwen

103 热度

高质量跨境电商竞品研究分析提示词

这是一套专为跨境电商出海团队设计的竞品研究分析提示词方案，覆...

AI提示词跨境电商竞品研究分析

查看详情

角色定义与任务定位
你应该以跨境电商竞品分析专家的身份使用这组提示词，目标是为出海业务团队建立一套可重复执行、数据驱动、覆盖全流程的竞品研究框架。你输出的每一份分析都应帮助决策者快速识别对手的产品策略、营销打法与运营短板，并转化为可行的自身优化方向。
适用场景
适用于跨境电商团队（亚马逊、Shopify独立站、TikTok Shop、沃尔玛等平台）进行以下工作：

新市场进入前的竞品格局摸底
现有产品线竞品跟踪与差异化分析
广告投放策略复盘与关键词挖取
用户评论情感洞察与痛点总结
供应链与物流节奏对比评估
定期竞品动态监控（周/月维度）

核心提示词
以下提示词可直接复制用于LLM生成竞品分析内容，请根据实际品牌和站点替换括号内参数：

“请以跨境电商竞品分析专家身份，对目标品牌【品牌名】在【站点（如Amazon US）】的【产品类目（如户外电源）】进行深度研究。输出结构化报告，包含：产品定价区间与价格变动历史、评论数量与评分分布、高频正负评论关键词、广告投放的关键词词根、自然排名与广告排名对比、品牌流量来源构成（站内/站外）、供应链特征（发货时效、FBA比例）。每个维度用表格呈现，最后列出3条对我方产品的改进建议。”
“请对比【竞品A】与【竞品B】在【市场地区】的竞争态势。要求：使用雷达图风格描述它们在价格、品质、口碑、流量、服务5个维度的表现；计算价差比、评论增长率、广告点击成本区间；输出SWOT分析（同列对比）。重点指出竞品A的长板是否可复制，竞品B的短板是否可攻击。”
“请模拟一次完整的跨境电商竞品研究流程，分7个步骤输出：1. 竞品筛选（列出Top 10核心对手及筛选依据）；2. 产品属性拆解（材质、规格、包装差异化）；3. 价格与促销策略（历史价格曲线、coupon频率）；4. 用户评论情感分析（提取Top20高频词及情感倾向）；5. 广告与流量渠道识别（推测其SP/SP广告占比、站外社媒推广路径）；6. 供应链与物流评估（预估采购成本、海运周期、退货率）；7. 品牌定位与内容策略（Listing文案风格、A+页面结构、视频类型）。每个步骤给出数据来源建议（如Jungle Scout、Helium 10、Similarweb）。”

风格方向
整体采用数据驱动、结构化、可量化风格，语言保持专业客观。避免主观评价，多用对比表格、趋势线、百分比变化等可视化语言。输出报告时建议包含：

清晰的小标题分层（按分析维度）
数值标注来源与时间戳
图表描述（如“价格带分布在$19.99-$49.99之间，中位数$29.99”）

构图建议
如果将分析结果转为可视化图表或页面设计，建议：

竞品对比雷达图：覆盖价格力、产品力、口碑力、流量力、服务力5个维度，使用蓝色主色+橙色强调我方优势点
价格带分布散点图：横轴为价格，纵轴为评论量，点大小表示销量等级
评论词云：按颜色区分正面（绿）与负面（红）关键词
广告关键词竞争度矩阵：以搜索量（气泡大小）与广告竞价（颜色深浅）为双轴
时间线河流图：展示竞品近6个月的评分波动与上架新品节点

细节强化
为确保分析深度与可信度，需注意以下细节：

所有数据应标注来源工具及抓取日期（例如：数据来自Jungle Scout 2025-03-15快照）
量化指标必须明确含义：ACOS、CTR、转化率、退货率、毛利空间等需给出定义及行业参考值
时间维度统一：建议限定为近3-6个月，避免过时数据干扰判断
区分B2C与B2B：如果涉及B2B竞品，增加起订量、认证标准、物流条款等分析项
输出时保持假设透明：对于无法获取的数据标注“基于公开信息推测”

使用建议
如何高效运用这套提示词方案：

将核心提示词直接复制到ChatGPT、Claude等LLM中，每次替换【】中的参数即可启动分析
建议分步骤执行：先让AI生成整体框架，然后针对每个维度再单独深入追问，避免单次输出信息过载
生成结果后务必人工校验关键数值（尤其是价格、评论数），并补充非公开渠道调研（如工厂拜访、包装称重）
建立周/月度固定跑批机制：定时更新竞品数据，形成动态追踪报告，方便对比趋势
对同一竞品可尝试不同角度提示词（如“从供应链效率角度分析”），交叉验证结论

AI提示词 Qwen

767 热度

自动化办公Agent工作流设计结构化提示词

这是一套专为“自动化办公Agent工作流设计”打造的结构化提示词方...

AI提示词自动化办公 Agent工作流

查看详情

角色定义
你应作为“企业级自动化办公解决方案可视化架构师”，以专业视角设计一幅能够清晰展示Agent工作流逻辑的视觉图像。目标不是生成普通办公室场景，而是呈现一个结构化、模块化、数据驱动的自动化办公Agent协作系统，强调流程的可视化、智能节点的连接关系以及效率提升的视觉隐喻。

适用场景

用于AI绘画工具（如Midjourney, DALL·E 3, Stable Diffusion）生成自动化办公Agent工作流概念图、流程图或科技插图。
用于PPT、白皮书、产品宣传页中展示“自动化办公Agent”体系架构的视觉素材。
用于企业内部培训材料或方案演示中的封面图、过渡页背景或流程图辅助图。

核心提示词
以下提示词可直接复制并调整（中文关键词可保留，建议与英文混合使用以达到最佳效果）：

主画面：Professional diagram of an automated office Agent workflow, intelligent agents connected by data pipelines, modular task blocks, futuristic office environment, clean structured layout, blue and white color scheme, ultra-detailed, 8K, digital art.
增强细节：Glowing lines showing data transfer, 3D rendered icons representing different office agents (email agent, calendar agent, document agent), central hub with AI core, holographic floating interface, subtle grid lines, node labels in Chinese “自动化Agent”, “工作流引擎”, “任务队列”.
完整版：A top-down perspective view of an automated office Agent workflow design, multiple robotic arms handling digital documents, translucent data blocks flowing through glass pipelines, smart city-like office infrastructure, high-tech blue neon accents, crisp geometric shapes, cinematic lighting, isometric style, sharp focus, professional corporate look.

风格方向

专业版：企业级信息图风格，干净利落，拒绝卡通化或过度装饰。
科技质感：蓝白灰主色，点缀青色或银色高光，营造数字孪生或智能中台氛围。
构图形式：宜采用等轴测（Isometric）或俯视流程图布局，便于展示多层次Agent节点之间的依赖关系。

构图建议

以中心大型Agent核心（如圆形芯片或发光球体）为视觉焦点，四周分布小型专业化Agent节点（邮件处理、数据录入、审批同步等）。
节点之间用流动的光点线条或数据箭头连接，形成闭环或树状工作流。
画面底部可放置任务输入区域（如待办清单图标），顶部输出区域（已完成、报表图标），体现“输入-处理-输出”的完整闭环。

细节强化

在每个Agent节点旁添加简洁的悬浮标签（如“邮件Agent”、“日程Agent”），增强可读性。
数据流线条上加入微小的二进制数字或波形，暗示实时数据处理。
背景中隐约可见办公桌、显示器或云服务器机架轮廓，将抽象流程与物理办公环境融合。
光线采用定向柔光，避免过曝，保持画面细节清晰。

使用建议

首先确定画面比例：16:9适合横版展示，1:1适合方形封面，3:4适合竖版PPT。
如需中文标签，建议在AI生成后利用后期软件添加文字，避免AI生成不准确的中文字形。
若使用Midjourney，可在提示词末尾添加参数 --v 6 --s 250 以增强真实感和风格化程度。
可多次微调核心提示词中的“futuristic office environment”替换为“clean meeting room context”或“server room background”以适应不同使用场景。

AI提示词 Qwen

420 热度

进阶版BI报表结构化输出模板提示词

这是为BI报表设计的进阶提示词模板，帮助用户精准定义AI输出格式...

AI提示词 BI报表结构化输出

查看详情

角色定义与任务定位
你应当以资深BI报表架构师兼数据可视化专家的身份使用这组提示词。核心目标是：为AI设定一个明确的数据分析角色（如高级业务分析师），并强制要求输出内容按照预设的结构化模板排列，包括背景概述、关键指标、趋势分析、异常发现、建议行动等固定模块。最终产出的是一份可直接嵌入BI看板或商业汇报的、逻辑严谨且格式统一的文本报告。

适用场景

需要定期生成标准化KPI汇总报告（如周报、月报）
构建BI看板时希望附带结构化的文字解读说明
为自动化的数据分析流水线配置提示词，确保输出一致
多部门共享同一套报告模板，降低沟通成本

核心提示词
以下为可直接复制使用的提示词框架，请替换 [占位符] 为实际内容：

角色设定：你是一位拥有10年经验的商业智能分析师，为[某公司/部门]制作一份进阶版BI报表。
整体要求：输出必须严格按照以下五段结构化模板，每个分段前使用“▎”加粗标题分隔，数据优先用表格呈现，关键发现用要点列表。
模板结构：
▎背景与数据概览：用2-3句话说明报表覆盖的时间范围、数据源及核心关注点。
▎核心指标看板：列出3-5个关键指标，使用表格展示本期值、上期值、环比变化及趋势图标（↑↓→）。
▎趋势与细分分析：选择1-2个维度（地区/产品/渠道），用文字+柱状或折线图描述变化，并注明异常点。
▎异常与归因：识别出偏离阈值的指标，给出可能的业务原因（如促销、竞品、季节性）。
▎下一步建议：提出2-3条可执行的决策建议或深入分析方向。
格式规范：表格必须包含表头且对齐；数值保留两位小数；百分比带正负号；避免无关解释。

风格方向

专业克制：用词精准，避免情感化表达（如“显著”“惊人”需附数据支撑）
数据驱动：每个结论必须有具体数值或对比，不写空泛结论
层级清晰：通过标题、缩进、符号区分主次信息，适合快速扫描阅读

构图建议
若需要配合图表生成，建议遵循以下视觉规则：

表格使用浅灰底色交替行，表头加粗并居中
趋势部分优先采用折线图（时间序列）或柱状图（对比），标注峰值与拐点
异常指标用色块高亮（如红色下降、绿色上升），并在旁边附文字备注
整体留白充足，避免拥挤，适合直接导出为PDF或嵌入PowerPoint

细节强化

每个指标后添加阀值参考：如“超过20%视为异常”
表格内部增加条件格式描述：例如“利润率（目标≥15%，实际16.2%，达标）”
时间维度统一使用同比/环比对比，注明基期（如“较上月/去年同期”）
建议部分注明优先级（P0/P1/P2）和预期影响（如“预计提升转化率2%”）

使用建议

在AI工具中先粘贴“角色设定+整体要求”，再输入具体数据或主题，能获得最贴近模板的输出
若输出格式跑偏，可在提示词末尾添加“如果不按模板输出，请重新生成”
每周审查一次模板结构，根据业务变化（如新增指标）微调段落顺序
对于需要多份报表的场景，可先单独测试一份，再批量替换占位符

AI提示词 Qwen

424 热度

Python开发开源模型微调方案高阶版提示词

本方案为技术可视化提示词设计，将“Python开发开源模型微调”转...

AI提示词 Python开发开源模型

查看详情

角色定义与任务定位
你应以AI视觉创意设计师或技术可视化专家的身份，将抽象的技术概念（Python开发、开源模型、模型微调）转化为富有科技感、专业感且具备故事性的视觉画面。目标不是解释技术原理，而是通过图像语言传递“高阶”、“实战”、“开源协作”的核心气质，让观者一眼感受到技术深度与专业调性。

适用场景

技术博客 / 开发者文档的封面图与章节配图
  AI模型微调工具或开源项目的产品宣传海报
  技术大会 / 黑客松活动的视觉主图
  社交媒体技术类账号（如知乎、小红书、X）的封面图

核心提示词（可直接复制使用）
场景与主体：一名专注的Python开发者（半身侧面或背影）坐在宽大的工作站前，面前的三块曲面屏分别显示：左侧为开源模型仓库（GitHub风格）的代码树，中间为正在运行的微调训练脚本（VSCode / PyCharm界面），右侧为实时更新的损失曲线与验证精度图表。屏幕上代码块带有高亮语法着色（蓝色、紫色、绿色），曲线图为暖色渐变（橙红至金黄）。桌面放置一本翻开的《开源模型微调实战》笔记本，旁边有半杯咖啡和一部显示Lora微调参数的iPad。
空间与氛围：房间暗调（深蓝/蓝黑色背景），桌面与屏幕散发冷白色与紫色混合光，屏幕表面有微弱的光晕和像素噪点。空气中隐约可见漂浮的二进制数字串或神经网络连接点阵，暗示模型内部正在“微调”。整体呈现高级程序员深夜攻坚的沉浸感。
技术符号：屏幕一角可见“Python 3.11.2”版本标签，终端输出显示“Epoch 5/100 | loss 0.032 | val_acc 98.7%”。键盘边上放置一块印有Hugging Face标志的GPU模型（可抽象为浅灰色立方体），旁边散落着几块写着“LoRA”、“QLoRA”、“PEFT”的透明亚克力板。

风格方向

赛博极简： 以深色背景+高饱和高对比光源为主，减少多余元素，突出屏幕信息流
  数据可视化美学： 曲线图、热力图、梯度分布图作为装饰性背景或叠加层
  半透明科技元素： 浮动的三维网格、半透明六边形光环、粒子流

构图建议

对角线结构： 开发者头部与左屏、中屏、右屏形成从左下到右上的视觉流，强化“从左（代码）到右（结果）的学习路径”
  黄金分割： 将屏幕上最亮的关键信息点（如损失曲线最低点）放在右上黄金分割点
  景深分层： 前景为键盘/咖啡杯（虚化），中景为开发者与三块屏幕（清晰），背景为神经网络点阵（虚化），增强空间感

细节强化

键盘按键有微弱的背光灯，字母键上映射出“train”“val”“loss”等单词
  屏幕上代码的括号自带渐变色（如左括号为青色，右括号为紫色）
  笔记本页面露出“ckpt_step_1200.pth”字样，旁边用红笔圈着“best_loss: 0.028”
  桌面边缘有一根Lightning数据线连接着树莓派或Jetson Nano开发板，上面贴有“开源模型微调实验板”标签
  开发者手腕上戴着智能手环，表盘显示“训练进度 87%”

使用建议

推荐工具： Midjourney v6 / DALL·E 3 / Stable Diffusion XL + ControlNet（线稿/深度图辅助）
  关键参数： 比例建议16:9或3:2；风格化参数在Midjourney中可加“--style raw --s 500 --v 6”以保持真实感
  分步优化： 先出大面积氛围（深色环境+三屏），再通过局部重绘添加屏幕内容细节
  避免雷区： 不要出现真人名人照片、不要出现具体品牌logo（除技术符号如Hugging Face等已知开源标识），防止版权问题

AI提示词 Qwen

884 热度

高阶版开源模型数据处理脚本提示词

针对高阶版开源模型数据处理脚本的视觉表达需求，提供一套专业级...

AI提示词开源模型数据处理

查看详情

角色定义
您将以技术可视化架构师的身份，基于“高阶版开源模型数据处理脚本”这一核心概念，创作出既能体现代码工程严谨性、又能展现数据管道流动活力的视觉作品。目标是为开发者社区、技术博客或产品文档生成直观、专业且具有科技美感的图像，帮助观众快速理解“开源脚本处理复杂数据”这一抽象过程。

适用场景

开源数据处理框架或工具包的主视觉封面
GitHub项目README页的介绍性示意图
技术教程中关于数据清洗、转换、特征工程脚本的配图
AI模型训练前数据预处理流程的概念海报

核心提示词
可直接复制使用：

Advanced open-source pipeline script for data processing, featuring modular code blocks connected by glowing data flows, keyword: "script", "data transformation", "pipeline"
High-level Python script structure with map-reduce style nodes, transparent 3D floating code lines, bright blue-purple neon accents, ultra-detailed
Data processing engine visualized as a central hexagon node, input raw data from left, output clean structured data to right, intermediate filters and decoders, minimalist technical abstract style

风格方向

技术极简风：深色背景 + 蓝紫/青绿渐变发光线条，代码以半透明悬浮块呈现，数据点用细小粒子流表示
工业工程风：金属质感管道与齿轮，配合电路板纹理，脚本模块以芯片或方框形式排列，突出“高阶”的复杂与可靠
开源文化风：融入Git分支符号、橙色/紫色代码注释色块，背景隐约出现版本控制节点图，强调协作共享

构图建议

中心辐射式：中央放置一个脚本核心模块（如带有函数名的代码块），周围放射状连接多个数据处理节点，每个节点标注“splitting”“filtering”“aggregating”等关键词
从左到右的管道流：左侧杂乱的数据点（黄色/红色）经过多个脚本模块后，右侧变为整齐的蓝色数据立方体，管道上标注“batch processing”“parallel execution”
仰视宏大视角：低角度拍摄一个巨大的数据脚本塔，塔身由一层层代码组成，透明材质，内部有动态数据流向上流动，顶部发出强光

细节强化

在脚本模块边界添加发光的二进制数字（如 0101），暗示数据处理本质
数据流动路径上加入微小的悬浮孔径，表示数据采样或筛选过程
代码行内嵌入微弱的数学符号（∑, ∂, ∫），体现高阶模型的数学特性
背景点缀淡化的开源许可证图标（如 MIT, Apache）或 GitHub 星标，强化开源属性

使用建议

图像生成时推荐宽高比 16:9 或 4:3，适合横版展示；若用于竖版封面可裁剪为 9:16
色彩主色调建议使用 #0A0F2E（深蓝紫）配合 #00D4FF（电蓝）和 #7F00FF（紫罗兰），避免使用过多暖色
在提示词中可额外添加 “trending on ArtStation” 或 “cinematic lighting” 提升光影层次感
若需要体现“高阶版”，适当增加“复杂连接”“多层嵌套”等描述词，避免画面过于简单

AI提示词 Qwen

432 热度

出海SaaS模型评测报告清晰框架提示词

为出海SaaS模型评测报告设计一套视觉化提示词方案，帮助信息可视...

AI提示词出海SaaS 模型评测

查看详情

角色定义
你是一名出海SaaS领域的信息可视化设计师与报告视觉策划师，正在为一款海外SaaS产品的模型评测报告制作视觉素材。你的核心目标是通过图像语言，清晰传递“评测框架的完整性”、“维度的逻辑顺序”以及“出海场景的专业感”，让观众一眼理解报告的结构与结论。请使用以下提示词方案指导AI生成或人工设计。

适用场景

SaaS产品模型评测报告的封面设计
报告内页的框架流程图或维度对比图
社交媒体（LinkedIn、Twitter、行业社群）中推广评测报告的配图
出海SaaS行业分析文章的信息图配图
产品Demo或路演PPT中展示评测逻辑的视觉页

核心提示词
以下提示词可直接用于图像生成工具（如Midjourney、DALL·E、Stable Diffusion），也可作为设计师的创意方向参考：

基础框架：A clear, structured visual framework for a SaaS model evaluation report, featuring 4-6 logical modules arranged in a grid or flow layout, each module labeled with key evaluation dimensions (e.g., Performance, Scalability, Localization, Cost).
出海元素：Subtle global connectivity symbols like world map silhouette, network nodes, cross-border data flow lines, with flag icons representing major SaaS markets (US, EU, APAC).
数据可信度：Incorporate clean data visualization elements – bar charts, radar charts, progress indicators – placed inside the framework modules to imply quantitative scoring.
报告质感：Professional business report aesthetic with a dark blue or navy background, gold/teal accent lines, high-contrast typography for headings, and a subtle paper texture overlay.

风格方向

专业极简风：主色为深蓝（#1a2a3a）搭配亮青（#00b4d8）或金色（#c9a63b），避免冗余装饰，强调线条与色块的逻辑分区。
科技出海感：结合发光线条、粒子连接效果，模仿“全球网络”视觉语言，但保持克制，不喧宾夺主。
报告排版风：使用无衬线字体（如Helvetica、Inter），模块之间用留白或细分割线区隔，突出信息层级。
国际化调性：避免任何特定国家文化元素，采用通用图标（如齿轮、云、图表、地球）传递SaaS模型评测的通用性。

构图建议

中心放射型：将核心评测模型图标置于画面中心，四个维度模块呈十字或环绕分布，适合封面或总结页。
自上而下流程型：顶部放置报告标题与SaaS产品抽象图标，中间是评测维度框图（水平排列2-3行），底部汇总评分雷达图，适合内页流程说明。
双栏对比型：左侧为“模型A”评测维度列表，右侧为“模型B”评测维度列表，中间用双向箭头或对比标尺连接，适合竞品对比场景。
信息瀑布型：从左至右或从上至下依次展开：评测目标、核心指标、数据来源、评分标准、最终评级，适合长篇幅信息图。

细节强化

光影：在模块边缘添加微弱的柔光（glow effect），模拟高端报告封面的印刷光泽感。
材质：背景可使用极淡的微颗粒纹理（noise texture）或磨砂玻璃质感，增强专业触感。
数据表现：每个模块内部嵌入小型的3D柱状图或半透明进度条，颜色与模块边框统一，避免彩色混乱。
图标选择：使用线性图标（stroke-based icons）而非填充图标，保持视觉轻盈；图标线条宽度2px，与模块边框呼应。
文字处理：关键标题（如“Performance”）使用粗体+字符间距增加（tracking: 0.05em），副标题或数据数值使用细体或等宽字体（如Roboto Mono）。

使用建议

生图参数：推荐分辨率16:9（1920x1080）用于演示或封面，1:1或4:3用于社交媒体。添加参数如 --ar 16:9 --style raw --stylize 250（Midjourney）以减少过度修饰。
分层设计：建议先生成整体框架底图，再在后期（如Figma或Photoshop）叠加具体文字内容，确保提示词聚焦于结构而非细节文案。
版本迭代：可以基于核心提示词多次微调：如需更“科技感”则增加 cyberpunk, neon accents；如需更“商务”则增加 corporate, minimalist, marble background。
组合使用：针对报告中不同章节（如模型架构、市场对比、成本分析），分别生成不同构图的视觉模块，保持色彩与字体统一，形成系列感。
人工校验：生成后务必检查评测维度是否完整对应实际报告框架，避免遗漏关键指标，并根据实际数据调整图表数值范围。

AI提示词 Qwen

548 热度

BI报表Agent工作流设计完整流程提示词

本方案为BI报表Agent工作流设计的可视化提示词，帮助商业智能架构...

AI提示词 BI报表 Agent工作流

查看详情

角色定义与任务定位
你应当以商业智能架构师或数据可视化设计师的身份，以“生成一张清晰、完整、可交付的BI报表Agent工作流示意图”为目标。这组提示词用于指导图像生成工具（如Midjourney、DALL·E、Stable Diffusion）或视觉设计工具（如Figma、Visio）快速产出符合专业要求的流程结构图，而非撰写文字说明或新闻稿件。

适用场景

BI系统整体架构与工作流汇报展示
  数据产品团队内部方案评审
  技术方案白皮书或产品手册插图
  数据中台或数据智能平台宣传材料
  设计Agent驱动自动化报表生成流程的可视化示意

核心提示词
可直接复制到图像生成工具中，根据画幅和风格微调：

A comprehensive BI report Agent workflow diagram, showing data ingestion, cleaning, transformation, Agent decision nodes, report generation, distribution channels.
  从左到右的流程：数据源（数据库、API、文件）→ 数据清洗与标准化模块 → Agent决策引擎（规则+AI）→ 报表模板选择 → 自动化渲染 → 多端分发（Web/邮件/移动端）。
  每个模块用圆角矩形表示，模块间用带箭头实线连接，关键节点标注“清洗”“校验”“聚合”“渲染”等文字。
  包含时间轴或阶段标识（如T1数据采集、T2预处理、T3分析、T4发布）。
  背景为浅灰或白色网格，模块使用蓝色、绿色、橙色分区，文字为深灰色。
  整体风格：专业扁平化，略带科技感，清晰易读，适合A4横版或16:9演示比例。

风格方向

专业扁平风：干净、无阴影，色彩采用企业级蓝绿配色，适合正式汇报。
  科技线框风：深色背景+霓虹蓝绿线条，模块半透明，适合技术展板或暗色模式演示。
  综合信息图风：模块内包含小图标（如数据库、齿轮、Agent人形、报表图标），适合产品手册或培训材料。

构图建议

主方向：从左到右水平流程，分为三层——顶层为数据流，中层为Agent决策与工作流，底层为输出与反馈闭环。
  模块大小：数据源模块稍宽，Agent决策引擎模块为菱形或多边形突出关键决策点，最终输出模块可加粗边框。
  连接线：使用实线箭头，关键路径上标注“触发”“失败重试”“自动跳过”等条件文字。
  灰度层级：背景白色，模块浅灰蓝，文字深蓝，高亮关键流程使用橙色或红色点缀。

细节强化

文字标注：每个模块内居中显示3~5字功能名（如“数据采集”“规则引擎”“报表组装”），模块下方用小字展示子步骤。
  图例：右下角放置小图例，解释不同颜色、线型代表的含义（如蓝色=数据流，绿色=成功路径，橙色=异常分支）。
  附加元素：在流程顶部或底部添加一个轻量的时间轴刻度条，显示每个阶段耗时占比（如T1:20%, T2:30%, T3:40%, T4:10%）。
  视觉层次：使用轻微渐变或内阴影区分不同模块层级（一级模块渐变更明显，二级子模块使用纯色）。

使用建议

若使用Midjourney或DALL·E，请将核心提示词中的英文部分前置，中文描述补充在后，并指定画幅比例（如--ar 16:9）。
  若用于Figma或Visio手动设计，可参考上述提示词作为模块清单和布局草图，直接拖拽形状和连接线。
  生成后检查流程是否完整覆盖“数据→Agent→报表→分发”闭环，并确保关键分支（如异常处理、手动审核）有体现。
  可根据实际业务场景替换模块名称（如将“规则引擎”改为“风控Agent决策”），保持提示词框架不变即可。

AI提示词 Qwen

366 热度

后端接口代码审查优化高阶版提示词

本方案专为后端开发者与架构师设计，将抽象的技术概念“接口代码...

AI提示词后端接口代码审查

查看详情

角色定义
以资深后端架构师或代码审查专家的身份，目标是将“后端接口代码审查与优化”这一技术过程，转化为一张兼具专业性与视觉冲击力的概念图。图中需清晰传递代码审查的严谨性、优化前后的对比关系，以及后端系统的高效运作状态，适合用作技术文档封面、演讲PPT或DevOps宣传主视觉。

适用场景

技术博客中关于接口性能优化或代码整洁度的配图
DevOps团队内部培训的演示材料封面
微服务架构文档中“审查-优化-上线”流程的示意
技术大会演讲幻灯片中展示高阶代码治理理念的视觉锚点

核心提示词

一名程序员正专注地审查笔记本电脑屏幕上的后端接口代码，屏幕显示多行高亮代码，带有红色批注和绿色优化标记
左侧显示未经优化的代码块，带有警告图标和性能瓶颈标注（如“O(n²)”“慢查询”）；右侧显示优化后的代码块，带有流畅箭头和“99.5%优化率”标签
背景中隐约可见微服务架构拓扑图，各服务节点通过发光线条连接，表明接口调用链的简化
桌面散落着打印出的静态分析报告，纸面上有红笔圈注的关键行和手写公式
监视器边缘闪烁实时性能指标：响应时间从200ms→15ms，CPU使用率从85%→22%

风格方向

科技极简风：低饱和蓝灰主色调，亮橙/绿作为高亮警示色，保留干净黑背景
真实摄影质感：高分辨率、浅景深、自然光模拟，突出键盘和屏幕的细节
信息图式抽象：扁平化2.5D风格，代码行转化为几何模块，优化箭头用渐变色表示改进幅度

构图建议

三分法：程序员位于画面右侧三分之一处，屏幕占据左侧三分之二，形成“人为中心、信息为主”的布局
对角线对比：从左上角移入未优化代码（暗红色调），向右下角延伸至优化代码（绿色调），中间以闪电图标链接
俯视特写：直接从键盘上方下拍，屏幕代码与手部动作平铺，适合突出批注和指标数值

细节强化

代码字体须使用等宽编程字体（如Fira Code， Consolas），行号左对齐，关键行用波浪下划线或荧光笔效果
优化标记处添加微光晕或动态粒子效果，暗示性能提升
在屏幕边缘或桌面放置一块LED灯牌，显示“Code Review v2.3 · Optimization Passed”
使用键盘背光灯的冷蓝或暖白作为环境光晕，增强沉浸感

使用建议

生成时优先使用Midjourney或DALL·E 3，并配合参数“--ar 16:9”或“--ar 4:3”以适应宽屏展示
如果生成结果过于杂乱，可刻意加入“--no text, watermark, extra monitor”等反向提示词
针对纯概念图需求，可改用Stable Diffusion的“illustration style”配合LoRA模型code_review_v1（如有）
如需得到更精确的代码文本，建议先由AI生成代码截图，再与场景拼合

AI提示词 Qwen

185 热度

前端工程API文档生成专业版提示词

这是一套为前端工程API文档生成量身定制的专业提示词方案，帮助用...

AI提示词前端工程 API文档

查看详情

角色定义
请以「前端工程API文档专家」的身份来使用这组提示词。你的核心目标是为前端组件、库、插件或接口生成结构统一、参数明确、示例完整、风格专业的API文档。你需要具备对TypeScript类型、React/Vue/Angular等框架组件生命周期的深入理解，同时能站在开发者阅读的角度，确保文档既严谨易查又友好易懂。

适用场景

开源前端组件库（如基于Ant Design、Element Plus扩展的自定义组件）的Props、Events、Slots说明。
  企业内部前端工程中公共工具函数、Hooks、指令的API文档编写。
  前后端分离项目的接口文档（Mock数据格式与参数描述）生成。
  API文档的批量格式化、重写或翻译，保持风格统一。
  代码脚手架生成器中的文档模板填充，实现自动化文档输出。

核心提示词

你是一名资深前端工程师，专精于API文档编写。请为以下组件/函数生成API文档，必须包含：组件名称与功能概述、Props参数表（名称、类型、默认值、是否必填、说明）、Events事件表（名称、参数、触发时机）、Slots插槽表（名称、作用域参数）以及至少一个完整的使用示例。使用表格描述参数，用代码块展示示例，示例需包含import、用法和关键注释。
  输出格式采用Markdown，标题层级为：一级标题（组件名）、二级标题（Props/Events/Slots/示例）、三级标题（具体分组）。每个参数说明务必标注版本标记（如@since 2.0.0）和废弃标记（@deprecated 替代方案），并用「-」符号关联相关链接。
  语气保持中立客观，术语与框架官方文档保持一致（如React为props，Vue为props/emit/slot），避免口语化表达。每一项描述都要直接回答开发者使用时的核心疑问：这个参数控制什么？不传会怎样？

风格方向

极简专业：不使用多余修饰词，每个句子只传递一个信息点，参数说明控制在20字以内。
  统一样式：所有类型名称统一使用反引号包裹（如 `string` | `() => void`），枚举值用「|」分隔，默认值加粗。
  层级分明：标题、表格、代码块、列表之间保留空行，代码块语言标识明确（如tsx、vue）。
  开发者友好：在示例旁附带“注意事项”小贴士，解释边界情况或常见踩坑点。

构图建议

信息流顺序：先概览（一句话说清组件用途）→ 参数表（最常用信息前置）→ 事件/插槽 → 复杂用法示例 → 版本日志与迁移指南。
  表格设计：每列固定宽度不宜过宽，参数名列左对齐，类型列居中，默认值列右对齐。如果参数过多，可采用分组折叠（Markdown不支持折叠，可换为二级标题分区）。
  代码示例：独立段落，使用三反引号包裹，示例前后加空行。示例代码应包含完整的import、模板部分、逻辑部分，并标注关键行注释。
  视觉节奏：每个表格后紧跟一个空行，每个代码块前加一句引导语，例如“以下是一个带有异步加载的完整用法：”。避免连续出现两个表格。

细节强化

类型深化：如果参数是联合类型，列出所有允许值并说明每个值的含义；如果是对象类型，展开子属性说明（用缩进或嵌套表格）。
  必填与默认：必填参数在说明中标注“必填”，默认值使用等宽字体；若无默认值且非必填，注明“undefined”。
  废弃标记：使用 `@deprecated` 标签，并写明从哪个版本开始废弃、推荐使用的新参数或新方式，例如 `@deprecated 2.1.0 请使用 `tooltip` 属性代替`。
  链接与引用：当参数值涉及复杂类型或外部类型时，提供指向类型定义文件的相对链接（或GitHub链接），方便开发者跳转查看完整类型。
  版本对齐：在文档底部以表格形式列出当前组件版本号、对应的框架版本、依赖库版本，以及最近的变更日期。

使用建议

将核心提示词复制到AI对话中后，先输入一个目标组件/函数的名称及源码（或类型定义），让AI以该提示词框架生成第一版文档，再根据实际输出微调表格列数或示例复杂度。
  如果生成结果表格过多或过少，可在提示词尾部显式指定“只保留Props和Events，省略Slots”或“增加自定义Props说明段落”。
  对于不同框架，替换提示词中的术语：React用“Props”和“children”，Vue用“Props/Events/Slots”，Angular用“Input/Output/ContentChild”。
  若要批量生成多个组件文档，可在提示词开头写明“按照以下模板格式，依次为以下10个组件生成API文档，组件之间用水平分隔线隔开”。
  生成长文档时，要求AI分段输出（例如每5个组件为一组），避免一次输出过长导致细节丢失。

AI提示词 Qwen

943 热度

RAG知识库编程开发问答高阶版提示词

这套高阶提示词专为生成RAG知识库编程开发问答场景的视觉作品而设...

AI提示词 RAG知识库编程开发

查看详情

角色定义
你是一位AI视觉提示词工程师与技术创意策划专家。你的目标是以快速构建专业级RAG知识库编程开发问答场景图像为己任，输出可直接用于Midjourney、Stable Diffusion或DALL·E等生成工具的提示词方案。你需要在画面中融合“检索增强生成（RAG）”“知识库”“编程开发”与“问答交互”四个核心要素，确保最终作品具有高阶技术感、清晰的信息层级和强烈的叙事性，而非泛泛的科技风格插图。

适用场景

技术博客、文档或产品介绍页面的封面图、内文配图
RAG知识库工具、开发框架或问答系统的品牌视觉海报
编程社区、技术教程中关于检索增强生成的示意插图
AI绘画挑战中以“知识库问答与代码开发”为命题的概念设计

核心提示词
以下提供两套可直接复制的提示词，建议优先使用英文版本以获得最佳出图效果。

中文版（兼容DALL·E）： 一张展示RAG知识库编程开发问答场景的高清数字插画。画面中央是一名专注的程序员，面前放置三块屏幕：左侧屏幕显示知识库文档检索流程（关键词：“Chunking”“Embedding”“Retrieval”），中间屏幕是问答对话框（用户提问与AI回答），右侧屏幕为带有Python代码的编辑器。数据流以发光线条从中央屏幕延伸至周围，半透明的知识碎片（PDF、代码段）悬浮在空中。科技蓝紫色渐变主光，冷调金属材质，细节丰富，8K画质，电影级布光。
英文版（推荐Midjourney/Stable Diffusion）： "High-end digital illustration of RAG knowledge base programming Q&A scene. A focused programmer in front of three monitors. Left monitor: knowledge base retrieval pipeline with 'Chunking', 'Embedding', 'Retrieval' labels. Center monitor: Q&A chat interface with user prompt and AI response highlighted. Right monitor: code editor with Python script. Glowing data streams connecting monitors. Floating semi-transparent document chunks and code snippets around. Cyberpunk blue-purple lighting, cold metal desk, fine details, volumetric fog, cinematic composition, 8K, octane render, sharp focus, high contrast."

风格方向

技术感： 强调代码高亮、数据可视化图谱、检索路径箭头，避免纯科幻的发光体
未来感： 蓝紫+靛蓝主色调，辅以白色或青色高光，暗部呈深灰蓝
专业感： 参考真实开发者工位布局（多屏、机械键盘、台灯），避免娱乐化元素
质感： 金属、玻璃、磨砂塑料材质，屏幕产生微妙反光与色散效果

构图建议

中心主体： 程序员处于画面黄金分割点，略微侧身面向中央屏幕，双手悬停在键盘上方
信息分层： 前景——键盘和手部动作；中景——屏幕和程序员面部；背景——悬浮知识碎片与数据光点
动态引导： 用从屏幕延伸至背景的发光线条或粒子流引导视线，形成“检索→生成→回答”的视觉叙事
比例： 推荐16:9（横幅）或9:16（竖版海报），以容纳三块屏幕的宽度

细节强化

屏幕内容： 确保代码窗口、知识库界面、问答对话框均包含真实字样（如“RAG Pipeline”“User Query”“Chunk ID: 0427”）
知识碎片： 半透明卡片上展示文本摘要、表格或图标，边缘带有检索编号或相似度分数
光影： 屏幕蓝光映射到程序员眼镜和面部产生冷色轮廓光，背景环境光可加入微弱的数据流动画暗示
质感增强： 键盘键帽之间、数据线接口处添加微小发光元素，提升精致度

使用建议

工具选择： 英文版适用于Midjourney V6及以上、Stable Diffusion XL（建议搭配Negative prompt去除杂乱）；中文版适用于DALL·E 3或Bing Image Creator
参数调整： Midjourney可追加“--ar 16:9 --v 6.0 --s 400”；Stable Diffusion建议CFG Scale 7-8，采样步数25-30
后期处理： 若需添加文字（如标题“RAG Knowledge Base”），在生成后使用PS或Canva叠加，避免AI生成不可控的英文单词
迭代策略： 先以核心提示词生成初稿，再根据出图情况局部调整（如侧重“程序员表情专注”或“更多数据流”），使用“--iw 1.5”或局部重绘功能