RAG知识库开源部署方案实战版提示词

角色定义

以技术架构师或视觉信息设计师的身份，目标为清晰、直观地展示一套基于开源组件构建的RAG知识库部署方案。你需要呈现从文档加载、向量化、检索到大模型生成的完整链路，同时突出开源工具（如LangChain、Milvus、Ollama等）的协作关系与部署拓扑。

适用场景

• 技术博客、开源项目README中的架构配图
• 企业内部知识库搭建方案的汇报演示
• 培训教材中解释RAG系统工作原理的示意图
• 社交媒体技术分享帖中的视觉摘要

核心提示词

以下提示词可组合使用，也可直接复制用于图像生成工具（如Midjourney、DALL·E 3、Stable Diffusion）：

• 基础架构：an isometric technical illustration of a RAG knowledge base deployment with open-source components, showing document ingestion pipeline, vector database cluster, LLM inference server, and retrieval-augmented generation flow
• 组件标注：labeled modules: "Document Loader (Unstructured)", "Text Splitter", "Embedding Model (BGE)", "Vector DB (Milvus)", "Retriever (LangChain)", "LLM (Llama 3 / Qwen 2)", "Generation API"
• 部署逻辑：Docker containers arranged in a 3-tier architecture, with arrows showing data flow from raw PDFs/HTML to chunked vectors, then to query-response cycle

风格方向

• 技术蓝图风：dark background with cyan-blue neon lines, minimalist iconography, glowing data flow paths – ideal for landing pages or dashboards
• 扁平信息图：light background, clean geometric shapes, color-coded layers (ingestion=green, storage=blue, inference=orange), with sans-serif technical fonts
• 3D等轴测：realistic 3D server racks, translucent containers, floating data packets – suitable for whitepapers or keynote slides

构图建议

• 垂直分层：从上到下依次为“数据接入层→向量化层→检索层→生成层”，每层用水平分隔线或渐变背景区分
• 中心放射：以“向量数据库”为中心节点，四周环绕文档源、嵌入模型、检索器、LLM，用双向箭头表示查询与写入
• 流程图式：从左至右的线性流程，每个节点下方标注开源工具名称，重要步骤（如“Chunk & Embed”）用高亮圆角矩形

细节强化

• 在数据流路径上加入小点状动画暗示（如虚线+光点），体现实时处理感
• 每个开源组件旁放置对应的图标或Logo（如Milvus的矢量图标、LangChain的链状符号）
• 在部署层添加Docker、Kubernetes的图标，表明容器化/编排能力
• 在LLM模块旁加入“API Gateway”或“Load Balancer”元素，暗示高可用部署

使用建议

• 在Midjourney中可添加参数 --ar 16:9 --v 6 获得宽屏技术架构图；在DALL·E 3中直接使用上述英文提示词，并用“technical architecture diagram”做前缀
• 若需要中文标注，可在生成后用PS/Canva覆盖文字，保持画面干净
• 调整“风格方向”中的色彩搭配以匹配品牌色系：企业文档推荐浅色扁平风，开发者社区推荐深色霓虹风
• 如生成多张变体，请保持组件位置一致，便于后期排版合成