RAG知识库AI应用原型规划专业版提示词

角色定义与任务定位
请以“AI应用产品架构师”或“技术方案可视化设计师”的身份，运用本提示词。你的核心目标是：生成一份高度结构化、视觉清晰、可直接用于方案评审或开发沟通的RAG知识库AI应用原型规划图。这份成果应能系统展示从数据源到用户交互的完整流程、核心组件与数据流向。
适用场景

向非技术背景的决策者或客户讲解RAG应用的核心价值与工作流程。
在项目启动初期，与开发团队对齐技术架构与模块边界。
撰写技术方案文档或产品需求文档时，配图说明整体架构。
为AI应用开发课程或工作坊制作教学示意图。

核心提示词
可直接复制并填充至图像生成工具的基础提示词框架：

“专业信息架构图，展示一个RAG（检索增强生成）知识库AI应用的完整系统原型规划。”
“包含以下核心模块：用户查询界面、查询理解模块、向量检索数据库、文档知识源、大语言模型生成引擎、响应输出界面。用清晰的箭头和标签展示数据流向。”
“风格：现代极简科技感，浅色背景，使用蓝色、灰色与绿色作为主色调区分不同功能模块。”
“构图：采用从左到右的水平流程布局，或从上到下的分层架构布局，确保逻辑清晰。”

风格方向

视觉基调：专业、干净、具有科技感的扁平化设计或微质感设计。避免过于卡通或写实的风格。
色彩方案：主色采用象征数据与智能的蓝色系，辅助色用灰色代表基础设施，绿色代表输入/输出或成功状态。色彩用于区分模块类别，而非随意填充。
质感与线条：模块使用圆角矩形，线条简洁明确。连接线使用实线箭头表示主要数据流，虚线箭头表示可选或反馈流。

构图建议

流程式构图：最直观的方式。左侧为“用户输入”和“文档源”，中间是“处理核心”（检索、生成），右侧为“AI输出”。强调数据的线性处理过程。
分层式构图（推荐）：自上而下分为“表示层”（用户界面）、“逻辑层”（查询处理、检索、生成）、“数据层”（向量库、原始知识库）。突出系统层次感。
核心突出：将“向量检索数据库”和“大语言模型”作为视觉中心或关键节点，适当放大或高亮，以体现其在RAG架构中的核心地位。

细节强化

在“文档知识源”模块旁，可添加小图标（如文档堆叠、数据库符号）和示例文字，如“PDF/Word/TXT”。
在“向量检索”环节，可视化地表现“查询向量化”与“相似度匹配”的过程，例如用两个接近的波形或点阵表示。
在“大语言模型生成引擎”模块，可标注关键动作，如“上下文整合”、“指令遵循”、“生成润色”。
在数据流箭头上添加简短标签，如“用户问题”、“查询向量”、“检索到的上下文”、“最终答案”。
考虑在角落或底部添加简洁的图例，说明不同颜色模块或线型的含义。

使用建议

在使用AI绘图工具时，将“核心提示词”部分逐条或合并输入，可获得基础架构图。再根据“细节强化”中的点子，通过追加描述进行迭代优化。
生成图像后，可将其嵌入PPT或设计工具中，添加文字注释，进一步解释每个模块的技术选型（如使用何种向量数据库、LLM型号）。
本方案侧重于系统原型规划图。若需生成具体的用户界面（UI）线框图，应在此基础上调整提示词，聚焦于单一界面（如聊天窗口或知识管理后台）的布局与元素。
为保持专业性，避免在图中添加过多装饰性、与主题无关的视觉元素。