AI应用本地RAG流程设计清晰框架提示词
这是一份为AI应用开发者与架构师设计的专业提示词方案,聚焦于“本地RAG流程设计清晰框架”的可...
提示词内容
复制角色定义与任务定位
请以“AI应用解决方案架构师”与“技术可视化设计师”的双重身份,执行本次创作。你的核心目标是:将“本地RAG(检索增强生成)应用的工作流程”这一复杂技术架构,转化为一张逻辑清晰、视觉专业、易于理解的框架图或系统架构示意图,用于技术方案展示、团队沟通或开发文档。
适用场景
- 技术方案PPT或白皮书中的架构图绘制
- AI应用开发文档的流程可视化部分
- 向非技术背景成员解释RAG工作原理的示意图
- 本地部署AI知识库项目的设计蓝图
核心提示词
可直接组合使用的提示词组合:
- 专业技术架构图,展示本地RAG(检索增强生成)应用完整工作流程,模块化设计,清晰箭头指引,信息流可视化
- 极简主义科技蓝图风格,本地AI知识库系统架构,包含文档加载、文本分割、向量嵌入、本地向量数据库检索、大语言模型生成等核心模块
- 等距视图(Isometric View)技术流程图,描绘从用户提问到生成答案的本地RAG闭环,突出数据在本地环境中的安全流转
风格方向
- 专业科技感:采用深色背景(如深蓝、深灰)搭配霓虹蓝、青绿色高光线条,体现专业与前沿感。
- 极简线框风:使用纤细的发光线条勾勒模块边框,减少冗余装饰,强调结构与连接关系。
- 扁平化信息图:使用简洁的扁平化图标代表不同模块(如文档图标、数据库圆柱体、大脑模型图标、对话气泡),确保信息一目了然。
构图建议
- 采用从左到右或循环闭环的布局,明确展示流程的起点(用户输入/文档输入)与终点(答案输出)。
- 将核心流程划分为清晰区块:1. 数据预处理区(文档加载、分块), 2. 向量化与存储区(嵌入模型、向量数据库), 3. 检索与生成区(查询处理、LLM合成)。
- 使用不同粗细、颜色或虚实的箭头,区分“数据流”、“控制流”或“检索路径”,增强流程的可读性。
- 考虑在角落或底部添加简洁的图例,说明不同图形或线条的含义。
细节强化
- 模块细节:在每个功能模块内,可添加极简的关键词标签,如“Chunking”、“Embedding”、“FAISS / Chroma”、“LLM Inference”。
- 氛围营造:添加微弱的网格背景或若隐若现的二进制代码流,强化“数字”与“本地计算”的氛围。
- 色彩提示:使用冷色调(蓝、青、紫)作为主色系,象征技术与理性;可用一点暖色(如黄色)高亮“用户查询”和“最终答案”这两个交互端点。
- 材质暗示:模块表面可带有轻微的磨砂玻璃质感或金属光泽,提升质感。
使用建议
- 生成图像时,可将“核心提示词”与“风格方向”、“构图建议”中的描述组合成一段完整的、详细的提示词输入。
- 若需调整细节,可具体替换或添加关键词,例如将“极简线框风”替换为“写实3D渲染风格”,或将“本地向量数据库”指定为“使用Chroma DB”。
- 此方案生成的图像适合作为视觉锚点,在实际使用中,需在旁边配以简短的文字说明每个模块的功能,以达到最佳传达效果。
- 对于更复杂的架构,可考虑分阶段生成,先绘制总体框架,再针对某个子模块(如“检索器”)生成细节放大图。