AI提示词大全_ChatGPT提示词模板与优化技巧

AI提示词 LLaMA

264 热度

算法训练技术博客写作实战版提示词

这套提示词方案专为打造具备实战价值与创意思维的算法训练技术博...

AI提示词算法训练技术博客

查看详情

角色定义与任务定位
使用本组提示词时，请以资深算法工程师兼技术博客主编的身份进行创作，核心目标是为中高级开发者撰写一篇兼具技术深度与实战指导的算法训练主题博客。你需要将抽象的理论转化为可复现的实现步骤，同时融入个人观察与创意表达，使文章不仅传递知识，更能激发读者的实践欲望与讨论热情。

适用场景

撰写关于深度学习模型训练技巧（如学习率调度、梯度裁剪、数据增强策略）的博客
总结某类算法（如决策树、Transformer、GAN）在特定数据集上的调优经验
记录训练过程中遇到的过拟合、梯度消失等问题的诊断与解决方案
结合代码实现与可视化图表，展示算法训练全流程的实验复盘
适用于个人技术博客、团队技术分享、企业技术专栏等平台

核心提示词
以下提示词可直接复制用于AI生成工具或写作辅助，可依据具体算法名称、数据集、框架进行替换：

“以一名拥有三年CV领域算法训练经验的工程师口吻，写一篇关于ResNet-50在ImageNet子集上训练时，如何通过余弦退火学习率与标签平滑将Top-1准确率提升2.3个百分点的实战复盘。要求包含损失曲线对比、代码片段（PyTorch）、以及超参数敏感度分析。” 
“为技术博客写一篇实验笔记：你尝试用AdamW优化器替代SGD训练一个轻量级Transformer分类器，在训练初期遇到loss震荡，最终通过梯度裁剪和warmup解决。请以‘踩坑-排查-修复’的叙事结构展开，并给出每个步骤的数值建议。” 
“生成一段博客引言：从‘训练一个模型就像在黑暗中摸索’的比喻出发，引出算法训练中容易被忽视的四个关键因子——数据质量、初始化、正则化、学习率调度，并简要说明每个因子的作用原理。”

风格方向

专业硬核风：密集使用数学公式、伪代码、表格数据，适合追求深度的技术社区
故事化复盘风：以“我做了一个实验，然后发现……”线索串联，加入个人决策过程与失败反思，增强代入感
极简实战风：直接给出最佳实践清单+可复现代码片段，省略推导过程，适合快节奏阅读
可视化叙事风：强调训练曲线、特征图、混淆矩阵等图表配文，每张图都对应一段解释性文字

构图建议（用于博客封面或配图生成）

概念图：一个多层神经网络结构简图，其中某一层被高亮标注，旁边标注“学习率=0.001 → loss下降 45%”，背景色为深蓝到浅紫渐变，中间漂浮着微小数据点
对比图：并排两张损失曲线图，左边波动剧烈，右边平滑收敛，下方标注“无梯度裁剪（左） vs 梯度裁剪阈值=1.0（右）”，使用Tech风格的荧光绿与暗色底色
流程图：从输入数据 → 预处理 → 模型前向 → 损失计算 → 反向传播 → 参数更新的流程箭头，每个节点用不同颜色区分，整体采用极简扁平风格
抽象氛围图：一个虚拟的“算法训练实验台”，台面上散落着写着超参数名称（lr、batch、epoch）的卡片，上方悬浮着发光的数字“92.3%”，桌面光线从侧面打来，营造科技感静物摄影效果

细节强化

数字锚点：所有经验结论必须给出具体数值范围，例如“当学习率超过0.01时，residual block的梯度范数容易超过100”
环境描述：明确注明使用的框架版本（PyTorch 2.0 / CUDA 11.8）、GPU型号、训练时长，增强可信度
对比基准：每次提出一种优化方法，必须同时给出“不采用该方法的对照实验结果”
代码可运行性：在核心代码块前后增加# 输入输出示例注释，以及必要的依赖安装提示
视觉细节：若涉及配图，统一使用16:9宽屏比例，主色调为#00A8FF、#222222、#FFFFFF，字体使用Consolas或Roboto Mono

使用建议

在撰写正文前，先根据核心提示词生成一篇500~800字的内容草稿，再手动调整叙事逻辑与数据真实性
若需同步生成配图，可单独将构图建议中的描述作为图像生成提示词，配合风格方向中的视觉关键词（如“科技感”“极简扁平”）使用
建议采用“问题-诊断-方案”三段式结构，在每段结尾用一句话总结关键洞见，便于读者快速抓取
在博客结尾处附上完整训练脚本的GitHub Gist链接或关键参数配置文件，提升实战价值
面向的读者群体为具备Python基础与框架使用经验的算法工程师，避免过度解释基础概念，但需对特定术语（如warmup、label smoothing）附一句简明定义

AI提示词 jimeng

643 热度

创意向电影感品牌海报KV文生图提示词

这是一套专为AI文生图工具设计的专业提示词方案，帮助视觉创作者...

AI提示词电影感品牌海报KV

查看详情

角色定义与任务定位
以品牌视觉导演 / 创意海报架构师的身份，为用户品牌KV（主视觉）生成具有电影感叙事力、影像级光影与质感的静态图像。你的任务不是简单“画一张海报”，而是通过AI重构电影镜头语言，让品牌画面具备故事密度、情绪张力与高级视觉调性，最终输出可直接用于品牌传播的“一帧电影画面”。

适用场景

品牌年度主视觉 / 新品上市KV
高端产品（美妆、汽车、时尚、酒类、数码）广告海报
电商平台大促活动主图（618、双11、黑五等）
品牌形象宣传片节选级静帧（用于官网、门店、数字大屏）
社交媒体品牌战役头图（如小红书、微博、微信公众号封面）

核心提示词（可复制）
基础版（通用电影感品牌KV）

Cinematic brand key visual, product as central hero, dramatic chiaroscuro lighting, shallow depth of field, rich contrast and deep blacks, warm amber and cool teal color grading, anamorphic lens flare, 8K ultra detailed, textured surfaces, cinematic composition, epic atmosphere, wide angle slightly low angle, volumetric light rays, subtle film grain --ar 16:9 --stylize 250 --v 6

进阶版（叙事情绪型，适合奢侈/文艺品牌）

A single subject (brand product or model) in a moody cinematic scene, soft golden hour side light, deep shadows, desaturated tones with one accent color, rain-streaked glass foreground, shallow focus on product, environmental storytelling, cinematic depth, organic textures, weathered materials, subtle haze, anamorphic bokeh, nostalgic film look, grain, vignette --ar 3:2 --stylize 300 --v 6

快速替换关键词

品牌产品：luxury watch / sports car / perfume bottle / flagship smartphone / haute couture dress
灯光氛围：neon noir / golden hour / overcast soft / single hard spotlight / rim light edge
色彩倾向：teal &amp; orange / monochrome gold / cold blue / vintage sepia / high contrast black &amp; white

风格方向

经典好莱坞叙事感：斜侧光、大反差、暖调为主，适合汽车、酒类、腕表
极简未来主义：干净几何、冷白或青蓝光晕、高光溢出，适合科技、数码、新能源
复古胶片美学：颗粒、褪色、轻微色偏、柔焦，适合复古潮牌、香水、珠宝
暗黑致敬风（如诺兰）：低照度、大面积阴影、单一光斑，适合高端皮具、墨镜、威士忌

构图建议

中心对称 + 负空间：把产品放在正中央，两侧留出戏剧性阴影或光晕，营造高级感与呼吸感
黄金螺旋 / 三分法：主角（人或产品）置于交点，背景延伸出透视消失线，增强叙事纵深感
框架式构图：利用门框、车窗、枝叶、建筑结构作为前景框，把观众视线牢牢锁定在品牌核心元素上
低角度仰拍：配合广角畸变，强化品牌的权威感与宏伟感，适合建筑、汽车、大型装置
前景虚化 + 微距：利用浅景深让前景元素（如雨滴、花瓣、烟雾）模糊，突出后台主体，增加电影镜头呼吸

细节强化

光影细节：光晕（lens flare）、体积光（volumetric light）、阴影过渡中保留渐变层次而非死黑
材质纹理：皮革纹理、金属拉丝、玻璃折射、布料褶皱、肌肤毛孔——尽量使用"textured, detailed surface"等词
环境氛围：悬浮的尘埃、水汽、烟雾、微弱的逆光散射（backlight scattering）
镜头语言：添加“anamorphic”模拟宽银幕变形镜头压光效果；“shallow depth of field”将背景转化为色块；“chromatic aberration（色差）”制造胶片瑕疵感
动态暗示：如风衣摆动、水花飞溅、光轨迹、头发飘动——即使静态画面也要有“前一帧”的运动余韵

使用建议

Midjourney：新版本（v6 / v6.1）推荐使用--style raw降低AI过度美化，保留电影感噪点与真实感；长宽比推荐--ar 16:9（横向电影框）或--ar 3:4（竖版海报）
Stable Diffusion：配合Checkpoint如“Realistic Vision”或“DreamShaper”，启用ControlNet（深度图或OpenPose）控制构图；CFG Scale设为5～7，Sampler用DPM++ 2M Karras
DALL·E 3：用自然语言描述“电影风格、镜头语言、光影调色”，无需过多参数后缀，重点写好场景叙事
迭代技巧：首先生成大画面氛围图，再通过局部重绘（inpainting）精修产品细节或换色；使用--cref（Midjourney）保持多人/多图风格统一
Post-production：生成后可在Lightroom/PS中追加曲线压暗暗部、增加颗粒（15%~25%）、轻微色阶分离，即可达到真实电影海报输出标准

AI提示词 Ernie

578 热度

政策文件文档解析总结完整流程提示词

本方案提供一套面向政策文件解析与总结的完整提示词流程，帮助用...

AI提示词政策文件文档解析

查看详情

AI提示词 Ernie

263 热度

实战型政企宣传中文创意写作提示词

面向政企宣传的实战场景，本提示词方案帮助文案策划者快速定位自...

AI提示词政企宣传中文创意

查看详情

AI提示词 Chatgpt

293 热度

高阶版汽车行业数据分析复盘提示词

这是一套专为汽车行业高级数据分析师与复盘顾问设计的提示词方案...

AI提示词汽车行业数据分析

查看详情

角色定义与任务定位
使用这组提示词前，请明确你的身份与目标：作为汽车行业高级数据分析师或战略复盘顾问，为了从海量销售、市场、竞品与用户数据中提炼核心洞察，输出一份具有战略高度、数据严谨、可指导下一步行动的高阶复盘内容。你的任务不是简单罗列数字，而是通过交叉分析、趋势判断与归因总结，形成有结论、有建议的复盘成果。

适用场景

汽车品牌季度或年度销量/市场份额复盘
新车型上市后全周期表现评估与归因分析
竞品对比与行业趋势深度复盘（如新能源渗透率、价格战影响）
经销商网络运营效率与用户流失复盘
高层汇报或年度战略规划前的数据支撑复盘

核心提示词
以下提示词可直接复制并填入具体数据或时间段，用于生成复盘内容：

“请以汽车行业高级数据分析师的身份，对【2024年Q1/某品牌】的【销量/市占率/用户画像】数据进行复盘。要求：①先给出核心结论（不超过3点）；②按‘宏观环境→品牌表现→细分市场→竞品对比→归因分析→行动建议’结构展开；③每个板块必须包含至少一组同比/环比数据或趋势图表描述；④归因分析需结合政策、竞品动作、用户消费心理等维度。” 
“生成一份【新能源车型A上市6个月】的复盘报告框架，重点评估其与【竞品B、C】在价格、续航、配置、用户口碑四个维度的差异化表现。要求用雷达图或对比表格辅助说明，并给出提升市占率的具体策略（至少3条）。” 
“请基于以下数据点【插入表格或关键指标】，完成一次汽车行业经销商网络效率复盘。关键指标包括：单店月均销量、库存周转天数、客户留档转化率、售后产值占比。要求输出各指标的健康区间判断、标杆店与落后店的差异分析，以及优化优先级排序。”

风格方向

专业数据驱动：所有结论必须有数据支撑，避免主观描述，使用“环比增长X%”“贡献度X%”等精确用语。
战略洞察导向：不只是描述“是什么”，更要分析“为什么”和“下一步怎么办”，突出对决策的指导性。
清晰结构化：采用层级标题、分点列表、对比表格或可视化图表（如柱状图、折线图、风玫瑰图），方便快速阅读。
客观冷静：语气保持中性，不夸大也不低估，尤其在竞品对比中避免情绪化标签。

构图建议

主视觉使用1-2张关键趋势图（如月度销量走势折线图+市场份额堆叠面积图），置于报告开头。
细分类别采用并列柱状图或雷达图（如各价格段销量分布、竞品配置差异）。
归因分析可用桑基图或气泡图展示变量之间的关联强度。
每一张图表附上数据解释框（不超过30字），标注核心发现。
颜色配比建议：品牌主色（稳重蓝/灰）搭配高亮色（橙/红）突出关键变化点。

细节强化

在核心提示词中加入具体时间、区域、车型或竞品名称，避免过于通用。
要求复盘内容包含“同比/环比/定基”三种对比方式，增强数据厚度。
引入“用户评论情感分析”或“社交媒体声量”等非传统数据维度，丰富洞察来源。
强调“归因排序”：用贡献度公式量化各因素（如价格变动、促销力度、竞品上新）对销量波动的具体影响。
行动建议必须区分短期（1-3个月）、中期（半年）、长期（1年）三个层面，并附上预期效果评估。

使用建议

将核心提示词粘贴到AI工具后，优先补充具体数据（CSV或表格摘要），效果更佳。
若生成内容偏向文字报告，可二次要求“用分页PPT格式输出大纲”或“将结论提炼为3张信息图”。
对于需要可视化输出的场景，可在提示词末尾添加“请用Python/Plotly生成可视化代码，并附上图表解读”。
不同复盘目标（如战略层 vs 运营层）应调整提示词中的“结构要求”部分——战略复盘弱化细节指标，运营复盘强调可执行动作。
建议定期更新提示词中的行业热词（如“以旧换新政策”“自动驾驶渗透率”），保持复盘的前瞻性。

AI提示词 LLaMA

510 热度

实战型MCP工具部署成本评估提示词

这组提示词专为生成“MCP工具部署成本评估”主题信息图而设计，帮...

AI提示词 MCP工具部署成本

查看详情

角色定义与任务定位
你是一名数据可视化与信息图设计师，任务是为“实战型MCP工具部署成本评估”主题创作一张视觉清晰、逻辑完整的插图。你需要将抽象的部署成本评估流程、关键费用项目与对比结论转化为直观的图形语言，让观看者一眼理解成本构成、评估步骤与优化方向。

适用场景

技术方案展示PPT、产品说明页中的成本分析模块
企业内部分享的部署成本报告封面或配图
云服务或MCP工具推广物料中的对比信息图
博文、白皮书中的可视化摘要插图

核心提示词
主提示词（可直接复制使用）：
一张展示MCP工具部署成本评估完整流程的信息图，中心为从左到右的流程图：起点是“初始成本估算”模块，包含服务器、API调用费、存储、运维开销四个图标；中间经过“成本对比”区域，用柱状图显示不同配置方案的费用差异（蓝色与绿色柱）；右侧为“预算总结”面板，包含饼图展示成本占比、折线图展示月度增长趋势。整体采用商务科技风格，主色调为深蓝、青绿和灰色，使用扁平化矢量插图，细节包含数据标签、百分比数值、货币符号（$），背景为浅灰网格，左上角标注“MCP部署成本评估”标题字样，4K分辨率，清晰锐利。

风格方向

商务科技风：冷色调为主，线条干净，强调信息层级
扁平矢量：无复杂光影，图标简洁，便于嵌入文档或网页
数据可视化气质：图表元素（柱状图、饼图、折线图）自然融入画面
微质感：在扁平基础上加入轻微渐变与阴影，增强现代感

构图建议

水平分栏式：左→右依次为“输入项（成本因素）→评估过程（对比计算）→输出结果（预算概要）”，符合阅读习惯
中心聚焦法：将流程主路径置于画面中央，周围环绕补充图表与说明文字
Z字形布局：引导视线从左上方标题开始，经中间分析区，到右下方结论区结束
留白控制：各模块之间保留适度间距，避免拥挤，重点数据放大突出

细节强化

每个费用项目图标旁加上具体数值标签（如“$0.003/次调用”“$120/月存储”）
柱状图顶部标注具体金额，并用不同颜色区分基础方案与优化方案
饼图扇形外拖出小标签说明占比百分比
添加微小的网格线或点阵作为背景装饰，增强科技感
在流程箭头处加入关键词如“对比”“分析”“优化”，辅助理解
整体添加轻微阴影和光泽效果，让元素有立体层次但不夸张

使用建议

生成参数：推荐使用Midjourney（参数--ar 16:9 --v 6），或Stable Diffusion（prompt权重1.2，CFG scale 7）
二次编辑：生成后可在Photoshop或Illustrator中替换具体数值、颜色或公司Logo，适配不同报告需求
多尺寸适配：若用于竖屏海报，可将构图改为从上到下三栏；用于banner则可保持横式并简化图表数量
中文替换：提示词中的英文标题“MCP部署成本评估”可直接改为中文；图表内数值建议后期手动替换为实际数据

AI提示词 Qwen

226 热度

进阶版Python开发开源模型微调方案提示词

这是一套专为视觉生成工具设计的进阶提示词方案，聚焦“Python开...

AI提示词 Python开发开源模型

查看详情

角色定义与任务定位
你应扮演AI视觉生成领域的专业提示词架构师，目标是创作一组可直接用于文生图工具（如Midjourney、DALL·E、Stable Diffusion）的视觉提示词。这些提示词需围绕“进阶版Python开发开源模型微调”这一技术主题，强调专业性、实战感与高级编程氛围，避免普通代码截图或通用科技插画。

适用场景

技术博客或教程的封面图、内文配图（如“PyTorch微调LLaMA实战”）
  开源项目文档、GitHub README 的 Hero Banner
  AI/机器学习相关海报、社交媒体宣传图
  科技展会、在线课程、白皮书等专业视觉素材

核心提示词
以下提示词可直接复制使用（建议英文主词+中文辅助修饰）：

主力提示词（写实/技术感）A professional Python developer sitting at a dual-monitor workstation, editing code for fine-tuning an open-source large language model. One screen shows terminal with loss curves and training logs, the other displays PyTorch code with transformer blocks highlighted. Warm studio lighting, shallow depth of field, detailed keyboard and coffee cup, ultra realistic, 8K, cinematic mood, focus on screen glow and code reflection.
  创意提示词（抽象/数据流）A futuristic visualization of open-source model fine-tuning pipeline: glowing data streams flowing from a GitHub repository icon into a neural network architecture (multi-head attention layers), Python code snippets floating in mid-air, connected by bright blue and purple energy lines. Cyberpunk neon palette, volumetric lighting, detailed circuit board textures, 3D isometric view, unreal engine 5 style.
  极简风格提示词（适合封面）Minimalist flat lay of a laptop screen showing model fine-tuning configuration files, surrounded by scattered printed papers with loss charts, a mechanical keyboard with custom keycaps, one key labeled "FINETUNE". Soft natural light from left, muted pastel blue and gray color scheme, clean composition, macro photography, high contrast.

风格方向

写实技术风：高分辨率、细节丰富、强调编程环境和硬件质感，适合专业文档
  赛博朋克/数据可视化：霓虹色调、发光线条、抽象网络结构，适合未来感宣传
  扁平极简/信息图：干净构图、几何元素、突出重点文字与图标，适合封面或海报
  概念艺术/科技插画：半写实+象征元素（齿轮、神经元、代码雨），适合创意表达

构图建议

主体居中法：程序员占据画面中心，屏幕内容作为次要焦点，展现“人在实战”
  屏幕主导法：以超大屏幕为主视觉，代码/损失曲线作为主体，背景模糊处理，强调“技术细节”
  俯拍工作台：展示键盘、笔记本、咖啡、参考书等物件，营造沉浸式编程工作氛围
  抽象结构图：使用等距视角或俯视图，将模型微调流程（数据预处理→加载权重→训练→评估）用视觉流连接

细节强化

材质：金属（散热鳍片、机械轴）、磨砂塑料（键盘键帽）、玻璃（屏幕反光）、纸质（打印的图表）
  光线：屏幕发出的冷光（蓝色/紫色）与暖色环境光（台灯）形成对比，增加技术氛围
  颜色：深蓝、暗灰、白色为主，辅以亮橙（警告日志）、绿色（成功运行）、紫色（AI相关）
  小元素：滚动终端日志（含“Epoch 10/50 Loss: 2.34”）、GitHub星星图标、PyTorch/TensorFlow logo、注意力权重热力图
  镜头语言：浅景深突出屏幕内容，微距拍摄芯片/键盘细节，航拍工作台展现秩序感

使用建议

工具参数：在Midjourney中可加 --ar 16:9（宽屏）或 --ar 4:3（方图），--v 6 或 --style raw 增强写实度；Stable Diffusion推荐使用 Realistic Vision 或 DreamShaper 模型
  负向提示词：避免 text/lettering errors, deformed hands, multiple faces, watermark, low quality, ugly, blurry
  组合生成：先测试主力提示词，再微调灯光、角度或配色；如需图文结合，建议后期叠加干净无衬线字体（如 Inter 或 JetBrains Mono）
  再创作方向：可分别生成“环境背景图”和“代码/模型插图”，再合成用于演示PPT或视频封面

AI提示词 Gemini

757 热度

Web3市场学术报告写作完整流程提示词

本组提示词专为将“Web3市场学术报告写作完整流程”转化为可视化...

AI提示词 Web3市场学术报告

查看详情

角色定义
你是一位专注于Web3领域的数据可视化设计师与学术信息架构师。你的任务是将“Web3市场学术报告写作完整流程”转化为一幅直观、专业且具有科技美学的信息图或概念视觉作品。你的目标不仅是表现流程步骤，更要在视觉上传递Web3市场研究的严谨性、链上数据特征与学术逻辑。

适用场景

Web3市场研究报告封面或内页流程示意图
区块链学术会议PPT中的过程演示页
面向投资机构或研究团队的汇报材料主视觉
Web3教育课程中讲解报告撰写方法的辅助插图
社交媒体发布关于“如何写Web3市场报告”的视觉笔记

核心提示词
直接复制以下组合用于图像生成工具（可根据需要调整语言）：

中文版：Web3市场学术报告写作完整流程，信息图设计，从上到下的流程图，包含五个步骤：选题与假设、链上数据收集与整理、市场趋势分析与建模、论证撰写与引用、审核与可视化输出。每个步骤用圆角矩形框连接，配有简洁图标（如放大镜、区块链节点、折线图、文档、对勾）。背景深蓝到黑渐变，网格质感，节点之间用发光箭头连接，微动态效果（静态图即可），16:9比例，高清，专业学术风。
英文版（Midjourney Prompt）：A professional infographic showing the complete workflow of writing an academic report on Web3 market. 5 steps from top to bottom: hypothesis & topic selection, on-chain data collection & cleaning, market trend analysis & modeling, argument writing & citation, review & visualization. Each step is a rounded rectangle with simple icons (magnifying glass, blockchain node, line chart, document, checkmark). Dark blue to black gradient background with grid texture. Glowing arrows connecting nodes. 16:9 aspect ratio, high detail, academic tech style. --ar 16:9 --v 6

风格方向

视觉基调：科技感、专业感、学术感并重。避免卡通或过度装饰，以理性、干净为主。
色彩体系：主色深蓝（#0B1A3A）、辅色电光蓝（#00D4FF）、荧光绿（#39FF14）用于箭头和高亮，白色文字，少量金色点缀（代表市场数据价值）。
材质与纹理：背景微磨砂颗粒感，网格线暗纹，节点区域轻微玻璃拟态（毛玻璃效果），箭头路径带光晕。
字体风格：无衬线字体（如Inter、Roboto），标题粗体，步骤说明用细体，中文使用思源黑体。

构图建议

布局结构：采用中心垂直递进式流程图，五个步骤自上而下均匀排布，形成“V”形或“S”形流向更易读。
视觉锚点：每个步骤的图标位于矩形左侧或上方，右侧或下方为简短文字标签（如“步骤1：选题与假设”），矩形之间用粗箭头连接。
分区背景：可考虑在左侧区域用窄色带标注“数据层”“分析层”“输出层”，增加信息层次。
比例控制：推荐16:9横版，适合PPT和屏幕展示；若用于海报可调整为3:4。
注意力引导：高亮当前步骤（如将鼠标悬停效果做成静态高亮环），让观者一眼看到流程起点。

细节强化

区块链元素：每个步骤节点周围散布极小的“区块”立方体或六边形节点，用虚线连接表示链上数据流动。
市场数据符号：在趋势分析步骤中嵌入迷你K线图或柱状图，在数据收集步骤中加入钱包地址、智能合约符号。
学术符号：引用步骤旁添加书本图标、引号或DOI标记，审核步骤加入放大镜+对勾。
光效与氛围：箭头路径使用渐变笔刷发光效果，背景底层可隐约看到加密货币价格曲线作为水印纹理。
标签与注释：每个步骤下方可增加一行小字提示该阶段关键动作（如“定义研究问题”“清洗链上异常值”），增强实用性。

使用建议

调整比例：根据展示载体（PPT、网页、视频封面）选择合适的宽高比，建议初始生成时使用16:9。
后续加工：若生成效果满意，可在Photoshop或Figma中替换文字为具体报告标题，替换图标为自有品牌风格。
多色版备选：如深色背景不适用，可尝试白底+深蓝描边风格，保持干净利落。
系列化扩展：可按此流程制作多张分步细节图（每步独立一页），用于报告中详细说明。
关键词优化：若生成的画面过于抽象，可添加“realistic icons”“minimalist”等术语约束；若希望更科幻，可加入“cyberpunk elements”。

AI提示词 Qwen

656 热度

高阶版开源模型数学推理解题提示词

本套提示词方案专为开源模型设计，聚焦高阶数学推理与解题能力，...

AI提示词开源模型数学推理

查看详情

角色定义
你是一名数学推理提示工程师，面向开源模型（如Llama、Mistral、DeepSeek系列）设计高阶解题提示词。目标是让模型能够像资深数学家一样，对复杂问题执行多步推理、策略选择、自我验证与错误修正，从而在竞赛题、高等数学、离散数学等场景下产出准确且可解释的答案。

适用场景

需要模型完成分步推导的高等数学/线性代数/概率论题目
开源模型在数学基准测试（如MATH、GSM8K）中的性能调优
复杂应用题的多解法对比与最优解筛选
模型推理过程中的“中间步骤可解释性”提升

核心提示词

基础推理框架“请严格按以下步骤解决该数学问题：1. 提取已知条件和目标未知量；2. 识别问题类型并选择最合适的定理/公式；3. 逐步推导，每一步用数学符号写出运算过程；4. 对中间结果进行合理性检验；5. 给出最终答案并简要说明为何该答案正确。”
高阶拓展“在完成上述步骤后，请尝试至少一种替代解法（如换元、反证、构造辅助线），并比较两种解法的效率与优雅程度。”
错误回溯指令“如果某一步推导出现矛盾或结果异常，请回溯到前两步，重新审视假设条件，并标注可能的陷阱。”
符号严谨性“所有数学表达式使用LaTeX格式，并在每一步后用自然语言解释关键转换。”

风格方向

严谨学术型：用词准确、避免口语化，推理链条无跳跃
结构化分步：每步编号或缩进，便于模型长文本组织
鼓励多角度：加入“考虑不同定义域”“尝试对称性”等开放式提示

构图建议

推理流程图：将提示词设计为“输入 → 条件解析 → 策略匹配 → 分步推导 → 中间校验 → 最终输出”的线性但可回溯结构
分层架构：底层为代数运算规则，中层为定理调用，顶层为问题理解与目标映射
视觉辅助描述：若提示词用于结合图像生成场景（如几何题），可补充“请描述辅助线位置并标注关键点坐标”

细节强化

在提示词中嵌入元认知指令：“每完成一个大步骤，花1秒思考该步骤是否有更优路径”
使用条件语句：“如果题目包含参数α>0，则考虑分类讨论；否则使用标准积分公式”
增加验证指令：“最后，将答案代入原方程，验证等式是否成立。若不成立，返回第一步重新分析”
对开源模型适配：在提示词开头添加“你是一个只使用数学语言的专家，不要输出无关推荐或总结”以限制闲聊

使用建议

搭配思维链（Chain-of-Thought）模板，将核心提示词作为system prompt，结合few-shot示例效果更佳
模型温度建议设为0~0.2，避免随机性破坏推理一致性
对于开源模型，若推理步骤过长，可拆分为多轮对话，每轮只完成1~2个步骤，降低遗忘
测试时可对比“无提示词、基础CoT、本套高阶提示词”三组输出，验证准确率提升

AI提示词 Stability

832 热度

复古胶片食品摄影海报创意提示词

专为AI图像生成打造的复古胶片食品摄影海报提示词方案，融合经典...

AI提示词复古胶片食品摄影海报

查看详情

角色定义与任务定位
你是一位专注美食视觉的创意总监，擅长用胶片语言重构食品摄影。你的任务是：基于“复古胶片食品摄影海报”这一核心，生成一组可直接用于AI图像生成工具的提示词，目标产出具有强烈胶片颗粒感、温暖褪色色调、光影戏剧化的美食海报，适合品牌宣传、菜单封面或社交传播。请以“视觉叙事者”的身份，将每一组提示词打磨成既保留食物诱人细节、又充满年代记忆的画面。

适用场景

独立咖啡馆、烘焙坊、精酿餐厅的复古主题海报设计
美食类社交媒体封面、书籍内页、文化展览视觉素材
品牌联名活动中需要突出“手工感”“怀旧感”的食品主视觉
AI图像生成工作流中作为种子提示词，后续微调出系列图

核心提示词
以下为可直接复制使用的高质量提示词组合（中英对照，便于兼容不同AI引擎）：

主体：一块刚出炉的苹果派，焦脆派皮，流淌的焦糖与肉桂粉，旁边有旧式玻璃瓶牛奶和牛皮纸袋
胶片质感：Kodak Portra 400 film simulation, heavy grain, slight light leaks, warm amber tone, faded highlights, 24mm lens
光影：下午四点的侧逆光，穿过百叶窗的条纹阴影打在桌面上，食物主体被柔光勾勒边缘
氛围：木质餐桌上的老式搪瓷托盘，亚麻餐巾，背景有模糊的旧橱柜与黄铜秤，画面带有轻微灰尘感
文字可替换区：左上角预留复古衬线字体LOGO空间，底部保留横排文案区域

风格方向

暖调怀旧：色温偏向橙黄，饱和度略降，阴影呈棕褐色，高光偏奶白，适合烘焙、汤品、暖色食材
冷调时光：偏向青蓝与灰绿，保留胶片颗粒，高光偏淡紫，适合生鲜、冰淇淋、冷萃咖啡等清爽主题
高饱和浓郁：增强红绿对比，阴影墨绿，高光淡金，适合水果、烤肉、酱汁类视觉冲击强的食物

构图建议

俯拍45度：桌面平铺摆盘，食物、道具、文字区域分层，适合展示全套套餐或烘焙拼盘
平视特写：相机与食物中心齐平，聚焦局部（如切口流心、气泡上升），背景虚化至2.8光圈效果
对角斜线：主食物位于左下至右上对角线，次要元素（酱料碟、餐具）沿对角线分布，增加动态感
留白与负空间：画面三分之一留白，文字或LOGO置于空白区，符合海报排版逻辑

细节强化

颗粒：添加中粗颗粒，模拟135胶片扫描效果，避免过度锐化
光晕：边缘轻微暗角（渐晕），右侧加一道模拟遮光罩产生的暖色光晕
纹理：木桌表面可见年轮与划痕，餐巾布料纹理，糖霜表面细小气孔
划痕与脏点：随机添加几处极细白色划痕和灰点，增强“真实胶片”感
色彩偏移：橙色通道轻微溢出，蓝色通道失谐，形成复古校色痕迹

使用建议

AI工具参数：推荐使用Midjourney v6或DALL·E 3，将核心提示词完整粘贴后，加入--ar 3:4（竖版海报比例），--style raw或--s 150获得更多胶片随机性
Stable Diffusion用户：可搭配LoRA模型“film grain”或“vintage food”，CFG Scale设为7-9，采样步数30+
后期微调：若AI生成结果数码感过强，可用Lightroom或VSCO再叠加一次胶片预设（如VSCO C系列），并手动增加RGB曲线S形对比
文字叠加：确保提示词中预留的文案区域留有足够纯色背景或虚化区域，便于后期添加标题、副标题

AI提示词 Doubao

932 热度

进阶版RAG知识库代码生成调试提示词

一套专为进阶RAG知识库代码生成与调试场景设计的视觉提示词方案，...

AI提示词 RAG知识库代码生成

查看详情

角色定义
你是一位精通RAG系统架构与工程实践的AI开发者兼技术可视化设计师。你的目标是围绕“进阶版RAG知识库代码生成调试”这一主题，创作出既能准确传达技术逻辑（如检索增强生成、代码调试、完整流程），又具有视觉吸引力的概念图像或场景。你需要将抽象的代码生成与调试过程转化为直观、层次分明、氛围恰当的视觉语言，让观者一眼理解RAG知识库的进阶构建与调试要点。

适用场景

技术博客或论文的封面图、插图，用于说明RAG知识库的代码调试流程
演示文稿中“进阶RAG工程实践”章节的视觉支撑
在线课程或培训材料的模块配图，强化“代码生成+调试”的完整路径
技术产品宣传页中展示RAG系统开发能力的视觉素材
个人项目展示或开源文档中的示意性概念图

核心提示词
以下为可直接复制用于图像生成工具的提示词（可微调具体工具语法）：

基础主提示：A detailed concept illustration of an advanced RAG (Retrieval-Augmented Generation) knowledge base code generation and debugging workflow. The scene shows a large code editor split into two panels: left panel contains Python code with vector database integration (ChromaDB or FAISS) and LLM calls, right panel shows a real-time debug console with data flow arrows and error highlights. Floating above the editor are translucent 3D diagrams: a knowledge base turning into chunks, embeddings, and retrieved passages feeding into a large language model. A debugger icon (like a bug or magnifying glass) is prominent, connected to glowing lines indicating the step-by-step debugging process. Background has subtle grid lines and server racks suggesting cloud infrastructure. Lighting is blue and orange accent, clean sci-fi style.
关键词组合：advanced RAG, knowledge base, code generation, debugging, Python code, ChromaDB, FAISS, vector embedding, LLM, console output, data flow arrows, 3D hologram of retrieval pipeline, step-by-step debug, clean tech aesthetic, blueprint style, 8k, detailed, professional

风格方向

技术蓝图风：以深色背景搭配亮色线条，类似电路图或蓝图，突出逻辑结构
赛博工坊风：融合科幻元素，代码作为发光粒子流动，调试器如全息控制台
干净扁平说明风：用柔和的渐变和精确的图标，适合教程配图，避免过度装饰
半真实渲染风：结合真实桌面与3D投影，增强沉浸感和专业感

构图建议

三分法布局：左侧占2/3为代码编辑器与调试输出，右侧占1/3为RAG流程的3D抽象示意（文档分块→嵌入→检索→生成→反馈循环）
层次递进：前景为清晰放大的代码行与断点标记，中景为调试窗口与数据线，背景为云架构或向量数据库图标
动态引导：使用箭头或光线从代码中的检索函数指向右上角的LLM图标，形成视觉动线
焦点突出：让调试器中一个高亮错误（如红色波浪线）或断点作为视觉重心，体现“调试”主题

细节强化

代码内容应包含真实感的关键词：retriever、vectorstore、chain、invoke、debug=True 等，避免乱码
调试控制台显示类似 Retrieved 5 chunks from knowledge_base...、Token count: 1420、Error: Context window exceeded 等提示
在3D全息图中展示文档切片（chunks）以彩色小方块表示，嵌入向量用粒子流，检索路径用高亮连接线
增加微妙的进度条或状态指示灯（绿色通过，红色中断）来表现调试步骤
键盘、鼠标、程序员手写记事本等元素可零星点缀，增强真实感

使用建议

若使用Midjourney，建议加上 --ar 16:9 或 --ar 3:2 以适配宽屏展示；使用 --v 6 或 --style raw 获得更精准的技术细节
在DALL·E或Stable Diffusion中，可强调 technical illustration、blueprint overlay 来增强专业度
如果生成的代码文字不够清晰，可后期在图像上覆盖真实代码片段
可以根据实际项目调整“进阶版”的具体含义（如增加多模态、混合检索等），相应修改提示词中的术语句
配合简洁的标题文字排版使用效果更佳——建议将生成的图像作为背景，叠加白色半透明文字

AI提示词 LLaMA

974 热度

多文档汇总研究论文解读高阶版提示词

本方案为您定义“学术研究分析专家”角色，聚焦多文档汇总与高阶...

AI提示词多文档汇总研究论文解读

查看详情

角色定义与任务定位
您应扮演一位资深学术研究分析专家，核心任务是对多份研究论文进行系统性汇总、比较与批判性解读。您不写作单一文献总结，而是通过横向对比、方法评估、结论冲突识别及未来方向预测，输出一份结构清晰、逻辑严密、适合学术决策或深度阅读的高阶研究报告。目标受众为研究者、评审专家或高阶学习者。

适用场景

需要对同一主题的10篇以上论文进行快速整合与深度对比
撰写文献综述时缺乏结构化的分析框架
为课题申报、学位论文或政策评估提供证据基础
制作学术会议报告或同行评审的配套资料

核心提示词

基础框架型：“请以学术研究分析专家身份，对以下[N]篇论文进行系统汇总与高阶解读。首先列出各篇论文的核心假设、方法论、核心发现；然后按主题归类，比较不同研究间的共识与分歧；最后给出方法论局限性和未来研究建议。”
冲突识别型：“重点聚焦各论文中结论不一致或相互矛盾的部分，从样本差异、变量定义、统计方法三个角度分析冲突根源，并用清晰表格对比支持证据。”
趋势综合型：“提取近三年发表论文中的新兴方向、技术突破及理论转向，构建一张‘研究演进脉络图’，并指出当前最值得关注的前沿问题。”

风格方向

学术严谨风：使用“表明”、“论证”、“佐证”等客观措辞，避免主观判断，保持中立语气。
批判分析风：在肯定贡献的同时，明确点出方法缺陷、样本偏差或逻辑跳跃，语气直接但不武断。
结构化简报风：采用“总-分-总”结构，开头概述整体格局，中间按主题分段，结尾总结关键结论与不确定性。

构图建议

对比矩阵图：横轴为论文编号，纵轴为关键维度（样本量、方法、结论等），用色块或符号标记一致/冲突。
方法‑结论关联图：节点代表不同研究方法，箭头指向结论倾向，用颜色区分显著性水平。
时间轴+趋势曲线：横轴为发表年份，纵轴为研究热度或结论强度，标出重要转折点。

细节强化

量化指标：在提示词中加入“请对每项结论标注支持文献数量、效应量范围或置信区间”
层级标注：要求使用“一级证据（Meta分析）、二级（大规模随机对照试验）、三级（队列研究）”等标记，提升论证可信度
来源锚定：在汇总句中明确标注出处，如“Smith等(2022)在N=800样本中验证了X效应，而Zhang(2023)在类似设计中未发现显著关联”。

使用建议

输入前预处理：将待汇总的论文摘要、结论、方法段落按统一格式整理成列表，便于模型提取关键信息。
分步执行：先用“基础框架型”提示词获得粗框架，再用“冲突识别型”或“趋势综合型”深挖特定角度。
迭代校准：若模型输出过于泛化，可追加“请在每个对比点上至少引用一篇具体文献的原文表述”来提升精度。
验证输出：生成后手动核对结论与原文是否一致，尤其注意数字、年份和引文格式的正确性。

AI提示词模板大全