结构化算法训练提示词模板设计提示词

角色定义与任务定位

请以“算法训练架构师”与“高级提示词设计师”的双重身份，执行本次任务。你的核心目标是：设计一套标准化、模块化且具备高度可扩展性的提示词模板框架，专门用于指导大语言模型（LLM）或AI绘画模型进行算法相关的概念理解、流程拆解与可视化生成，确保输出内容逻辑严谨、结构清晰且可直接应用于算法教学、技术文档或项目方案中。

适用场景

• 为算法教程或在线课程生成配套的图解与说明性内容。
• 在技术方案文档中，可视化呈现算法流程、数据结构或模型架构。
• 辅助算法初学者通过分步图示理解复杂算法的核心步骤。
• 为AI编程助手或代码生成工具设计结构化的算法描述提示。
• 创建可重复使用的提示词模板库，用于快速生成不同算法的训练材料。

核心提示词（可直接复制使用）

• 基础框架：“作为算法可视化专家，请生成一张关于[算法名称，如：快速排序]的流程图。要求：1. 清晰标注关键步骤（如：分区、递归）。2. 使用[扁平化/科技感]视觉风格。3. 在图中融入关键数据结构的示意（如：数组、指针）。4. 色彩区分不同操作阶段。”
• 进阶指令：“设计一个对比可视化模板，左侧展示[算法A，如：深度优先搜索]的遍历路径，右侧展示[算法B，如：广度优先搜索]的遍历路径。使用箭头和颜色渐变表示顺序，在图下方用简洁的要点列出两者的时间复杂度与空间复杂度差异。”
• 完整流程模板：“请遵循以下结构化提示生成‘神经网络训练流程’图示：角色：机器学习讲师。目标：展示一个epoch内的完整前向传播、损失计算、反向传播、参数更新循环。风格：信息图表风格，带有轻微发光线条。构图：环形流程图，中心为‘训练数据’。细节：在每一步旁边用代码框片段示意关键公式（如：梯度下降公式）。”

风格方向

• 信息图表风格：强调清晰度和逻辑性，使用简洁的图形、图标和连接线，配色专业（如蓝白灰为主，点缀亮色突出重点）。
• 科技感线条艺术：采用发光线条、网格背景、低多边形元素，营造现代技术与未来感。
• 扁平化插画：使用鲜艳的色块、圆角矩形和抽象化的人物/设备图标，使复杂算法更亲和易懂。
• 极简主义素描：黑白或单色线条图，专注于算法步骤和逻辑关系本身，适合学术性文档。

构图建议

• 优先采用自上而下的流程图或从左至右的时间轴序列图来展示算法步骤。
• 对于对比类内容，使用左右分屏或上下对比布局，确保视觉平衡和信息对称。
• 对于循环或迭代过程（如训练循环），可采用环形构图或螺旋渐进式布局来体现循环特性。
• 在图中预留注释区或侧边栏空间，用于放置关键术语解释或伪代码片段。

细节强化

• 数据流动：用箭头（实线箭头表示数据流，虚线箭头表示控制流）明确标出数据或状态的变化路径。
• 状态高亮：使用颜色变化或脉冲动画效果（在描述中提示）来突出算法当前正在执行的关键步骤或改变的变量。
• 材质与光影：为图形添加轻微的内阴影或渐变填充以增加立体感；连接线可带有科技光效。
• 标签文字：所有标签使用无衬线字体，确保在缩小后仍清晰可读。关键步骤可使用加粗或稍大字号。

使用建议

• 将上述“核心提示词”作为模板，替换方括号[]内的具体算法名称、风格关键词和细节要求，即可快速生成新内容。
• 在向AI绘画模型提交提示时，将“角色定义”部分精简后置于提示词开头，以锁定生成风格。
• 对于复杂算法，建议分模块生成：先生成整体架构图，再针对子流程（如“反向传播”）使用独立提示词生成细节放大图。
• 实战中，可将“核心提示词”与负面提示词（如：避免杂乱、避免写实照片）结合使用，以进一步净化输出。
• 建立个人模板库，按算法类型（排序、搜索、神经网络等）和风格分类存储已验证有效的提示词组合。