Python开发RAG工作流设计结构化提示词

角色定义与任务定位
你应以技术视觉策划师的身份，围绕Python开发RAG工作流设计这一核心，为图像生成工具（如 Midjourney、DALL‑E 3、Stable Diffusion）编写一套精准、可复用的提示词。你的目标是：将抽象的技术架构（检索增强生成流程、Python开发环境）转化为富有专业感、清晰且具有视觉冲击力的图像，用于技术文档、博客封面、PPT演示、海报或社交媒体宣传。请以“生成一张能够直观展示RAG工作流各个环节、同时体现Python开发特性的视觉作品”为执行导向。

适用场景

技术博客或教程封面图（需要突显RAG流程与Python代码元素）
项目演示PPT中的系统架构页
开发者会议、技术Talk的海报或背景图
GitHub仓库或文档库的README头部横幅
技术社区分享用的信息图或卡片图


核心提示词
以下提示词可直接复制粘贴到图像生成工具中，建议保留英文关键词以获得更准确效果：

基础版（侧重流程图风格）： A technical diagram of a RAG (Retrieval-Augmented Generation) workflow designed in Python. The process flows: Document Ingestion → Vector Database → Retrieval → LLM Generation. Clean modern flat design, blue and purple color scheme, connected by glowing arrows. Python code snippets appear as floating panels, minimalist tech background, high contrast, 8k, detailed infographic style.
进阶版（侧重视觉层次与氛围）： A cinematic shot of a RAG workflow pipeline: raw documents on the left, a central vector database icon (chroma or faiss symbol), a retrieval arrow reaching to a large language model logo on the right. Python code (import statements and function lines) overlays the scene as semi‑transparent text. Cyber‑tech aesthetic, neon blue and cyan, volumetric lighting, depth of field, ultra‑detailed, 16:9, rendered in Unreal Engine style.
极简版（适合PPT或图标化需要）： A simplified isometric illustration of a RAG system. Three connected nodes: “Data Source (Python parser)” → “Vector Index (FAISS)” → “LLM (GPT)”. Clean white background, flat vector art, minimal shadows, primary colors: blue, orange, white. No text, just icons and arrows. High resolution, minimalistic.


风格方向

技术信息图风格： 清晰的分层结构，使用几何图形、箭头、图标，配色以蓝紫/青蓝为主，背景有细微网格或电路纹理。
C4模型/架构图风格： 类似软件架构图的容器与组件关系，每个模块用圆角矩形框注Python相关库名（LangChain, Chroma, OpenAI），线条标注数据流向。
科幻/赛博朋克风： 适合吸引眼球的海报，暗色背景，发光数据流，Python代码作为全息文字悬浮，突出RAG的“检索”与“生成”两阶段。
扁平插画风格： 人物+流程结合，例如一位开发者站在管道旁，管道内流动数据库与文档碎片，轻松易懂，适合博客。


构图建议

流程导向（推荐）： 从左到右或从下到上的流向。最左/下为“文档/数据源”，中间为“向量数据库与检索模块”，右/上为“LLM与最终答案”。用渐变箭头或光带连接。
中心辐射： 将“Python开发环境”或“LangChain框架”放在画面中心，周围环绕文档输入、向量存储、检索、生成等模块。
分层堆叠： 下方是数据处理层（Python代码、解析器），中间是检索层（向量数据库），上方是推理层（LLM+上下文），每层用不同透明度区分。
注意留白： 模块之间保持适当间距，避免拥挤，标签文字（如果有）要清晰可读。


细节强化

Python开发痕迹： 在画面边缘或透明背景上嵌入实际Python代码片段（如“from langchain.embeddings import OpenAIEmbeddings”），字体使用等宽字体（如Fira Code），颜色高亮（如绿色注释、蓝色关键字）。
RAG核心元素： 文档图标（PDF/TXT）、向量数据库图标（Chroma/FAISS）、检索箭头（放大镜或雷达波）、LLM标志（大脑或聊天气泡）。
数据流动感： 用粒子流、发光虚线或动态模糊箭头表示检索与生成过程中的数据传递，可加入小数据点沿路径移动。
色彩指向： 鼓励采用Python经典蓝色（#306998）作为主色，搭配琥珀色（#FFD43B）作为高亮，RAG部分使用青绿色（#00CED1）突出“检索”环节。
背景纹理： 轻微的技术网格、点阵或暗色方块矩阵，增加现代感但不过度干扰主体。


使用建议

工具选择： Midjourney V6（建议加 --style raw 或 --s 50 保持细节可控），或 DALL‑E 3（直接自然语言描述），或 Stable Diffusion（配合 ControlNet 保证构图稳定）。
比例优先： 技术文档封面建议 16:9（--ar 16:9），PPT幻灯片建议 16:9，博客横幅可用 3:1 或 2:1。
迭代调整： 如果首次生成不理想，可单独修改关键词（如去掉“cinematic”改为“flat vector”），或增加负提示词（--no text, messy, blurry）。
文字替换： 若需要最终画面包含具体文字（如“RAG Workflow”），建议后期用PS或Canva添加，避免生成工具产生乱码。
组合使用： 可将基础版和进阶版分别生成，再合成多张图作为系列视觉。