结构化开源模型模型选型比较提示词
本方案为“结构化开源模型选型比较”主题提供一套可直接用于图像生成的专业提示词,以技术信息图形式对比不同开源模型的结构、性能与适用场景,帮助设计师快速产出清晰、权威的视觉素材。
开源模型
模型选型比较
模型技术
高质量
提示词内容
可直接复制使用
角色定义 你是一位技术信息图设计师与模型技术可视化专家。你的任务是为“结构化开源模型选型比较”创作一组可直接用于图像生成工具的提示词,目标是生成一张或多张能够清晰对比不同开源模型结构、性能、适用场景的视觉图表。你需要将模型选型的关键维度(如参数量、架构、训练数据、推理速度、应用场景)以结构化、层次分明的方式呈现,色彩专业中性,排版严谨,适合在技术文档或官网中展示。 适用场景 生成用于技术博客、开源模型评测文章中的主视觉图或示意图 制作模型选型对比海报或幻灯片封面 为AI产品官网设计模型能力对比模块的视觉素材 创建可用于社交媒体传播的模型技术对比信息图 核心提示词 以下提示词可直接复制到Midjourney / DALL-E / Stable Diffusion中使用(可根据需求微调): 提示词模板1(横向对比图): "A professional technical infographic comparing five open-source AI models: LLaMA, Mistral, Falcon, Gemma, Qwen. Structured layout with horizontal rows. Each row shows model name, parameter size (7B/13B/70B), architecture type (transformer decoder-only), training data volume, speed metric, and use-case tags. Clean white background, dark blue headers, thin orange accent lines. Information design style, 2D flat vector, high contrast, sans-serif typography, 8K resolution, sharp details, --ar 16:9" 提示词模板2(组织结构图风格): "Hierarchical tree diagram comparing open-source large language models grouped by parameter scale. Root node 'Open Source LLMs' splits into 'Sub-10B', '10B-30B', '70B+'. Each leaf node shows model name, license type (Apache 2.0 / MIT / CC), and key differentiator. Minimalist tech style, light gray background, blue-to-teal gradient for nodes, connecting lines in subtle gray. Vector illustration, no text blur, clear labels, --ar 4:3" 提示词模板3(雷达图/蜘蛛网图): "Radar chart with six axes: Reasoning, Code Generation, Multilingual, Speed, Memory Efficiency, Accessibility. Compare three open-source models as colored polygons: LLaMA 3 (blue), Mistral (green), Qwen (orange). Transparent fill, dashed gridlines, dark background. Data-driven visualization, scientific poster style, high fidelity, --ar 1:1" 风格方向 技术严谨风:干净白底、深色标题栏、精确的度量标注、无装饰性元素,适合官方技术文档 现代数据可视化:使用雷达图、柱状图、气泡图等,色彩对比度适中,搭配网格线和轴线 扁平化信息图:图标化模型架构(如Transformer模块简化图),版式清晰,字体无衬线 暗色科技主题:深蓝/黑底,发光线条,霓虹蓝绿点缀,适合社交媒体或演示 构图建议 优先采用横向分栏或表格状布局,每行代表一个模型,列代表不同维度(名称、参数、架构、分数等) 若展示模型内部架构,可使用剖视图或流程图,标注注意力层、前馈网络等模块 若强调性能排名,可用从左到右递减的条形图,搭配不同颜色区分 字体大小应保证在缩略图下仍可阅读,关键数字放大加粗 留白充分,避免信息过密 细节强化 在每个模型区域加入微型徽章图标表示许可证类型(开源、MIT、Apache等) 使用不同透明度或填充纹理区分模型家族归属 在图表角落加入小比例尺或数据来源标注,增强可信感 为每个维度添加度量单位(如B=十亿参数,T=万亿token) 在模型名称右侧放置一个小型二维码或版本号,模拟真实产品设计 使用建议 若用于生成单张复杂信息图,建议使用提示词模板1,并调整模型数量至3~5个以保持清晰 若用于制作多张系列图,可分别使用模板2(架构关系)和模板3(性能对比)组合展示 可根据实际模型名称替换提示词中的占位模型,保持结构不变 生成后可在后期用图像编辑软件添加具体数据表格或说明文字 建议配合文案标题“结构化开源模型选型指南”或“Open Source Model Comparison”使用