RAG知识库Agent工作流设计清晰框架提示词

角色定义与任务定位

以AI架构可视化设计师的身份，为RAG知识库中的Agent工作流设计一套结构清晰、逻辑完整的框架图。目标是将检索增强生成（RAG）的流程、知识库构建步骤以及Agent决策路径转化为一目了然的视觉语言，便于技术团队沟通、方案汇报或产品文档展示。

适用场景

• 绘制RAG知识库系统架构图，突出Agent（智能体）在检索、路由、生成环节的协作关系
• 设计工作流模板，用于技术方案白皮书、培训材料或产品演示PPT
• 为「专业版」知识库产品提供高水准的视觉identity，强化专业信赖感

核心提示词

可直接复制到图像生成工具或设计软件中作为主体描述：

• A clear and professional system architecture diagram for a RAG knowledge base Agent workflow, showing knowledge ingestion, vector storage, retrieval, and generation pipeline
• Central Agent node connected to multiple sub-modules: document parser, embedding model, vector database, LLM generator, and user query interface
• Clean modern flowchart style with directional arrows, color-coded nodes (blue for data processing, green for retrieval, orange for generation), and concise labels
• Include a "Knowledge Base" icon cluster and an "Agent Decision" routing logic block
• Annotations explaining each step: 1) Document Loading 2) Chunking & Embedding 3) Indexing 4) Query Routing 5) Retrieval 6) Context Assembly 7) LLM Generation

风格方向

• 专业企业风：低饱和度配色（深蓝、灰白、科技蓝绿），几何块状布局，无衬线字体，适合技术报告
• 扁平插画风：柔和渐变背景，圆角矩形节点，微小的阴影与发光效果，适合产品介绍页
• 高信息密度风：双层结构，上层为数据流，下层为控制流，使用虚实线区分数据路径与决策路径

构图建议

• 采用自上而下的流程布局：顶部为用户输入，中部为Agent调度与知识库检索，底部为生成输出
• 或采用中心辐射布局：Agent置于核心，向外放射连接知识库、向量引擎、大模型等模块
• 每个模块内部使用小图标或简写文字标注（如 “KB”、“VecDB”、“LLM”）提高可读性
• 在关键衔接点加入“路由/条件判断”菱形节点，体现Agent决策逻辑

细节强化

• 为知识库构建部分添加「文档切分」「嵌入向量」「索引优化」三个子流程，并用虚线框包裹
• 在Agent节点旁绘制“思考”或“齿轮”图标，强调智能调度属性
• 使用箭头粗细变化表示数据量级：粗箭头代表大量文档，细箭头代表查询向量
• 添加“实时更新”与“批处理”两条路径，体现Agent工作流的灵活性

使用建议

• 若使用图像生成AI（如Midjourney），可在核心提示词后追加“--no text, --style raw --ar 16:9”以获得更精确的版式
• 若用于设计软件，建议将核心提示词作为结构骨架，再手动调整节点间距与色彩一致性
• 根据输出受众调整语言：技术团队可保留术语，面向管理层可增加比喻（如“知识检索即大脑”的概念图）
• 可结合标签中的「专业版」强调数据安全、权限管理模块的可视化呈现