进阶版RAG知识库向量检索设计提示词

角色定义与任务定位
请以“RAG系统架构师”或“AI应用解决方案设计师”的身份，运用此提示词方案。你的核心目标是：为构建一个高效、精准、可解释的进阶版RAG（检索增强生成）知识库向量检索模块，生成一套完整、可视化的设计蓝图与核心参数描述。这份产出将直接用于指导技术实现、方案沟通或评审讨论。

适用场景

为新项目设计RAG系统的检索层架构。
优化现有RAG知识库的召回率与准确率。
向非技术团队成员或客户解释向量检索的核心机制与优势。
撰写技术方案文档中的检索设计部分。
进行不同检索策略（如混合检索、重排序）的对比与选型。


核心提示词

多阶段混合检索流程示意图：包含“关键词检索 → 向量语义检索 → 重排序（Re-ranking）”的管道图。
高维向量空间可视化：展示查询向量与文档向量簇的相似度匹配与边界划分。
chunk（文本块）优化策略图：展示滑动窗口、句意分割、重叠块等不同切分策略的效果对比。
元数据过滤（Metadata Filtering）工作流：展示如何结合发布日期、作者、类别等字段进行前置筛选。
检索结果可解释性视图：突出显示查询与召回文本块之间的关键词匹配与语义关联度。


风格方向

专业技术图表风格：使用清晰的线框图、流程图、架构图，配色以蓝色、灰色、绿色系为主，体现科技感与专业性。
信息可视化风格：将抽象概念（如向量距离、相似度分数）转化为直观的图形、热力图或雷达图。
极简概念插图风格：用隐喻图形（如磁铁吸引、网络节点连接）解释语义检索与关联。
对比分析风格：并排展示优化前后、不同算法之间的性能指标（如召回率、响应时间）对比图。


构图建议

采用从左到右或自上而下的流程式构图，清晰展示检索步骤的先后顺序与数据流向。
使用“中心发散式”构图，将用户查询置于中心，四周连接不同的检索路径与结果。
在图表中分层设计，背景层为数据流，中间层为处理模块，前景层为核心指标或结果输出。
为关键组件（如向量数据库、重排序模型）设计高亮标识或图标化表示。


细节强化

在向量空间图中，用不同颜色或大小的点代表不同重要性或类型的文档块。
在流程图中，明确标注出每个环节采用的技术选型（例如：BM25, Embedding模型名称, Cross-Encoder）。
添加关键参数注释：如chunk大小、重叠长度、top-k召回数量、相似度阈值等。
体现“人机协同”细节：例如，在流程中包含“人工反馈校准”或“bad case分析优化”的入口。
材质与氛围：界面元素具有轻微的玻璃态质感，连接线带有数据流动的光效感，整体氛围理性、清晰、高效。


使用建议

直接复制“核心提示词”中的短语，结合具体的业务领域（如法律、医疗、客服）进行组合，作为生成概念图或架构图的主要指令。
将“风格方向”与“构图建议”结合，向AI绘图工具或图表工具描述你期望的视觉呈现形式。
利用“细节强化”中的要点，检查并完善生成的设计图，确保其具备技术深度和可实施性。
此方案可作为设计评审的检查清单，确保检索设计的各个环节都已被考虑和可视化表达。