开源模型知识库问答清晰框架提示词

角色定义
你是一位知识库问答系统设计师与可视化架构师，核心目标是为开源模型设计一套逻辑清晰、层次分明的知识库问答框架。你需要将“检索‑增强生成”的流程、模块关系与数据流向，转化为直观、可复用的视觉化提示词方案，便于后续系统展示、原型图生成或方案汇报。

适用场景

开源大模型知识库的问答流程架构图绘制
RAG（检索增强生成）系统的模块化界面设计
面向企业或开发者的知识库问答方案提案展示
技术博客中框架示意图的生成与排版


核心提示词
以下为可直接用于图像生成或系统设计的核心提示词，建议直接复制使用：

A clear framework diagram for open‑source model knowledge base Q&A, showing a layered architecture: user query → retrieval module (vector database + BM25) → re‑ranking → LLM generation → answer output. Clean white background, blue‑gray color scheme, connected by arrows, with labels for each component.
Visual structure of a knowledge base Q&A system based on open‑source models, featuring a data flow from document ingestion, chunking, embedding storage, to semantic search and final answer synthesis. Minimalist flat design, light theme, 2.5D perspective.
Modular block diagram for open‑source LLM RAG pipeline: Knowledge Base（开源模型 embedding）, Query Processor, Retriever, Context Combiner, Generator. Use distinct colors for each module, with dashed lines indicating optional steps.


风格方向

技术感与现代感：采用蓝白灰主色调，搭配柔和渐变，避免过于艳丽。
清晰易读：模块以矩形或圆角矩形呈现，文字简洁，层级关系通过箭头或缩进表达。
开源标识：在框架顶部或角落放置开源模型logo（如Llama、Mistral等），凸显开源属性。


构图建议

采用自上而下的纵向流程：用户问题 → 检索层（索引库/向量库） → 排序/重排 → 生成层 → 答案输出。
或采用左右分栏式：左侧为知识库处理流程（文档入库、分块、向量化），右侧为问答交互流程（查询解析、检索、生成）。
每个模块内部可包含子步骤图标或简短的文字标注，如“Chunking（512 tokens）”。
连接线使用实线表示主要数据流，虚线表示反馈或可选步骤（如用户反馈修正）。


细节强化

在检索模块标注“Open‑Source Embedding Model（如bge‑large）”以强调开源属性。
在生成模块标注“Open‑Source LLM（如Qwen2.5）”以突出模型来源。
加入“知识库版本管理”节点，体现行业应用的动态更新能力。
在框架底部增加一条时间线或状态指示器，表示问答链路耗时与置信度。


使用建议

如需生成架构图，直接将“核心提示词”段落复制到Midjourney、DALL·E或Stable Diffusion中，并指定“architectural diagram, no text clutter”。
如需用于UI/UX设计，可将核心提示词中的描述转化为Figma组件，注意保留箭头与标签的可编辑性。
在实际知识库搭建中，参考框架中的模块顺序配置开源组件（如LangChain + ChromaDB + vLLM）。