结构化RAG知识库模型选型比较提示词

角色定义
本提示词方案的使用角色为信息可视化设计师 / 技术内容创作者。你的目标是：围绕“结构化RAG知识库模型选型比较”这一主题，生成一张直观、专业、易于理解的视觉图表（例如信息图、对比海报、幻灯片插图），用于展示不同RAG模型在检索策略、嵌入方式、知识库适配性、延迟、成本等维度的差异。视觉产出需兼顾技术准确性、层次清晰度与视觉吸引力，便于受众快速抓住选型要点。

适用场景

企业技术选型汇报材料中的对比图表设计
技术博客、白皮书中的示意图制作
AI知识库产品介绍页面的核心配图
培训课件或会议演示中的模型比较视觉辅助


核心提示词

请生成一张信息图表，标题为“结构化RAG知识库模型选型对比”，采用左右分栏布局。左侧列出3～4种典型模型（例如：BM25稀疏检索 / Dense Passage Retrieval / ColBERT / 混合检索），右侧对应列出各模型在“检索速度”“嵌入维度”“知识库扩展性”“硬件需求”“适用场景”等维度的对比数据，并用颜色编码区分优势等级（绿色=强，黄色=中，红色=弱）。
图表顶部展示核心对比指标（可标注为：检索质量、延迟、成本、可解释性），每个指标用图标或简笔画表示。底部设总结栏，用关键词“推荐选型”标注最适合高频知识问答、长尾查询、低延迟等场景的模型。
整体风格为科技感扁平化，参考数据可视化仪表板风格，使用蓝紫渐变主色调，背景为深色（#1a1a2e）以提高对比度，文字为白色或浅灰色。表格单元格内可添加微图标（如闪电、钱包、齿轮）辅助速读。


风格方向

专业科技风：棱角分明，几何框架，色块分区清晰
轻数据可视化：柱状图或热力图辅助，避免过度装饰
中英文双语标签（可选）：中文为主，英文缩写放在括号内，便于技术受众理解
边角标注版本号或数据来源（如“基于RAGAS标准测试集”“2024年公开基准”）以增强可信度


构图建议

画幅比例：16:9 横版（适配演示）或 9:16 竖版（适配移动端/海报）
顶部区域：大标题 + 副标题（如“检索模型 · 嵌入模型 · 融合策略”）
中间区域：对比表格为主体，每行一个模型，每列一个指标，表格外也可用横向或纵向瀑布图展示性能排名
底部区域：使用箭头或引导线指向“选型建议”模块，列出3条核心结论（例如：低延迟选BM25，高精度选ColBERT，平衡选混合检索）
留白比例：左侧约15%用于标签和指标名称，右侧85%用于数据可视化和注释


细节强化

每个模型名称旁添加不超过4个关键词标签，例如：BM25→“词频驱动·零训练成本”，DPR→“稠密嵌入·需微调”
对比单元格内使用 热力色条 代替纯数字，色条长度代表指标优劣，色条颜色从蓝（优）到红（差）渐变
在表格右上角添加一个小型信息弹出框（模拟UI气泡）标注“检索召回率 @ Top-20”等核心参考值
引入微纹理（如极细网格线、轻微噪点）增强印刷质感
字体选择：无衬线字体（如Inter、Noto Sans），标题加粗，数据字号略小且等宽


使用建议

若使用Midjourney，可在提示词末尾添加 --ar 16:9 --v 6 --style raw，并将核心提示词翻译为英文后再拼接细节描述
若使用DALL·E 3或Stable Diffusion，建议将核心提示词拆分为“布局段落+色彩段落+细节段落”分别输入，分步迭代
可先将本方案发给设计师作为Brief，要求以Figma或Adobe Illustrator制作矢量版，方便后续修改数据
若用于AI生成后直接使用，建议在生成后手动画出精确的表格线和比例感，避免AI对数字和表头出现幻觉
本提示词可直接复制、微调模型名称与指标后使用，既适用通用比较，也适配具体模型（如对比LlamaIndex vs LangChain的RAG方案）