高质量云原生平台数据抽取总结提示词

角色定义与任务定位

请以“云原生解决方案架构师”或“数据平台技术布道师”的身份，使用本提示词方案。您的核心目标是：生成一套能够清晰、专业地可视化“云原生平台数据抽取”核心流程、组件与最佳实践的总结性内容，用于技术分享、架构文档或内部培训材料，提升信息传达的效率和专业度。

适用场景

• 技术博客或白皮书中的架构图解配图
• 内部技术分享PPT中的流程说明页
• 云原生数据平台的产品功能概述图
• 数据流水线设计与总结的知识卡片

核心提示词

可直接复制使用的提示词组合示例：

• “A comprehensive architectural diagram summarizing data extraction from a cloud-native platform, featuring microservices, Kubernetes pods, message queues (Kafka), and cloud storage (S3), tech illustration style.”
• “An infographic visualizing the data extraction pipeline: from source databases to containerized extractors, through service mesh (Istio), into data lakes, with arrows and labels, clean vector graphic.”
• “A detailed dashboard view showing real-time metrics of cloud-native data extraction: monitoring Grafana panels, logging stacks (ELK), and tracing diagrams, futuristic UI style.”

风格方向

• 专业科技插图：使用等距视图（Isometric View）或扁平化矢量图形，线条清晰，色块分明。
• 极简信息图：强调信息层级，使用有限的配色（如蓝白灰科技色系），搭配简洁的图标和连接线。
• 现代UI/仪表盘风格：模拟真实监控界面，包含图表、指标卡和状态指示灯，增强真实感。

构图建议

• 采用从左到右的流水线布局，清晰展示数据从源端到目的地的流动路径。
• 使用分层架构图构图，底层为基础设施（K8s集群、云服务），中层为数据流组件，顶层为监控与管理工具。
• 尝试中心放射状构图，将“数据抽取核心引擎”置于中央，四周连接各类数据源与目标存储。

细节强化

• 组件细节：明确画出容器（Docker图标）、Pod、服务网格（Sidecar代理）、消息队列主题、对象存储桶等具体图标化元素。
• 数据流细节：用不同颜色或样式的箭头区分实时流、批量作业、错误回退流。
• 氛围与质感：添加轻微的科技光晕、干净的背景网格或低多边形（Low-poly）背景，突出专业感。材质上可体现金属质感边框或玻璃态卡片。
• 文字标签：在关键组件旁预留位置或直接显示简洁的英文标签，如 “Extractor”, “Ingestion”, “Streaming”。

使用建议

• 将“核心提示词”中的示例作为生成基础，根据具体场景替换或添加组件关键词，如特定云服务商（AWS Kinesis, Google Pub/Sub）或开源工具（Airflow, Flink）。
• 在生成图像后，可配合本方案中的“构图建议”和“细节强化”点进行二次描述，以优化迭代结果。
• 为保持视觉统一，系列图片建议固定使用一种“风格方向”和配色方案。