实战型开源模型AI应用原型规划提示词

角色定义与任务定位
你应当以AI应用原型规划师的身份使用这组提示词，核心目标是：基于主流开源模型（如Llama、Stable Diffusion、Whisper等），快速构思并输出一个面向特定行业场景的AI应用原型方案。你需要同时兼顾技术可行性、行业落地需求和视觉表达清晰度，为后续产品开发或演示提供可执行的蓝图。

适用场景

面向企业客户的AI解决方案早期概念设计
技术团队内部进行模型选型与功能模块拆解
产品经理制作演示用的应用原型界面或交互流程
创业项目BP中展示AI应用技术架构与用户路径
开源模型社区贡献者规划新的垂直领域应用


核心提示词
以下提示词可直接复制使用，结合具体行业与模型替换占位符：

"基于[模型名称/例如Llama 3]开源大模型，为[行业/例如医疗文献摘要]场景设计一个AI应用原型。请输出一个包含用户输入、模型推理、结果展示三个核心模块的流程图，并标注每个模块使用的技术组件。"
"规划一个多模态开源模型应用原型，结合[视觉模型]与[文本模型]，解决[具体业务问题]。请用三栏式布局展示：左侧为输入层，中间为模型调度层，右侧为输出层，同时标注关键API调用顺序。"
"为[垂直行业]设计一个基于开源模型的智能助手原型，界面包含：对话输入框、上下文记忆面板、模型切换下拉菜单、推理进度条。请用浅色科技蓝为主色调，扁平化风格。"
"输出一张应用原型的高保真线框图，展示用户从发起请求到获得结构化回复的完整交互流程。重点标注模型推理耗时、本地/云端部署切换按钮、以及数据隐私保护提示区域。"


风格方向

科技感与专业感并存：主视觉偏冷色系（深蓝、银灰、青绿），使用几何分割与网格辅助线体现结构化思维
信息层级清晰：采用卡片式布局，不同功能模块用浅色背景分隔，配合箭头或连接线表达数据流向
开源社区氛围：可以加入模型Logo、开源协议标识、GitHub仓库风格的元素（如分支图标、commit标记）
实战导向：保留注释标签、版本号、状态指示器（如“原型v0.1”、“待测试”）等真实产品痕迹


构图建议

推荐使用三层纵向流程图：上层为用户交互层（输入/输出界面），中层为模型调度层（候选模型列表、推理引擎、缓存机制），底层为数据层（预处理、知识库、隐私脱敏）
或采用左右对照式：左侧为行业现状痛点（带图标或简短文字），右侧为AI应用解决路径（带模型与模块名称）
对复杂原型可采用过程展开式：从左上角用户输入开始，顺时针展开模型加载、推理计算、结果后处理、最终展示四个阶段，各阶段用不同深浅的色块区分
所有构图均需在显著位置标注模型名称与版本、行业场景标签、关键性能指标（延迟、吞吐量）


细节强化

模型选择区：展示至少两个候选开源模型的版本号、参数量、许可证类型，用表格或对比卡片呈现
数据流标注：在流程图的关键连线旁添加文字说明，如“用户查询→分词→向量化→模型推理→结果解析”
交互细节：原型图中需要包含加载态（旋转圆点）、错误提示（红色警示框）、空状态（引导文字）等真实场景元素
扩展能力：预留“插件扩展”、“微调接口”、“多轮记忆开关”等可点击/切换的UI组件，体现原型可演进性
色彩强化：用绿色高亮显示“开源协议兼容”的相关组件，用橙色标注“待优化”的区域


使用建议

先将行业场景与具体开源模型填入核心提示词占位符，用中文或英文均可，推荐保持技术术语原样
若需要输出多个方案对比，可直接复制核心提示词并替换模型字段，再用风格方向中的对比构图呈现
对于需要生成界面实物图的场景（如AI绘画应用），可将构图建议与风格方向合并为一个完整提示词
若面向非技术观众，建议先输出行业痛点图，再展开技术原型；若面向技术评审，直接输出流程图与性能标注
所有提示词均可在Midjourney、DALL·E 3、Stable Diffusion或专业原型工具（如Figma提示词生成插件）中使用