BI报表向量检索设计专业版提示词

角色定义与任务定位
您作为BI数据可视化设计师或向量检索产品体验专家，任务目标是将高维向量检索的匹配过程与结果数据，转化为业务人员可快速理解的图表化、仪表板式视觉语言。您需要具备数据叙事能力，用清晰的界面层次突出检索命中率、相似度分布、聚类结果等核心指标，同时保持报表的专业感与可交互性。

适用场景

金融风控场景中，基于客户行为向量检索的异常交易报表设计
电商推荐系统中，商品向量相似度与点击转化率的对比看板
知识库在BI系统内进行语义搜索后的结果聚合与可视化展示
工业IoT场景下，设备状态向量与故障模式匹配的诊断汇总页
企业内部数据中台，面向运营人员的向量检索查询响应分析仪表盘


核心提示词
（可直接复制用于Midjourney/DALL·E/Stable Diffusion或设计工具提示）

“BI dashboard featuring vector search results, similarity score distribution as a gradient heatmap, top-K retrieval items displayed as grouped bar charts, semantic cluster mapped as 2D scatter points with hover tooltips, corporate dark blue theme, glassmorphism card containers, 4K resolution, professional data visualization style”
“Vector retrieval analytics report: left pane shows query embedding vector animation, center area shows radial similarity rings with color-coded accuracy, right pane lists matched records with relevance scores, clean grid layout, monospace data labels, subtle neon accent lines, modern UI design”
“Business intelligence screen for vector similarity search, using parallel coordinates chart to compare multi-dimensional attributes, silhouette score indicator at top, retrieval latency sparkline, user query input bar with magnifying glass icon, minimalist flat design, data-ink ratio maximized”


风格方向

专业科技风：背景采用深蓝到黑渐变，主色为青蓝与亮紫，强调数据对比与焦点高亮，适合企业级内部工具。
轻量简洁风：大面积留白，灰白底色搭配低饱和度蓝灰，卡片微圆角，侧重信息层级清晰度，适合SaaS产品。
动态交互风：基于玻璃质感（Glassmorphism）与微动效（如加载时向量点浮动），暗示数据实时流动，提升沉浸感。
高对比诊断风：黑底+荧光绿/橙色的警告色，用于异常检索结果突出，适合安全审计类报表。


构图建议

从上至下信息流：顶部为全局搜索输入框与检索概要（如总命中数、平均相似度）；中部采用双列布局，左侧为相似度分布热力图，右侧为Top-10结果列表；底部为散点聚类图或平行坐标。
焦点突出法：将“最高相似度”或“异常偏离值”作为视觉锚点，用更大尺寸图表或高亮边框包围，引导视线优先关注关键洞察。
网格+卡片：每个检索结果使用统一卡片尺寸，卡片内包含矢量位图（如小型散点图）、相似度数值、关键标签，形成规律节奏，便于批量扫描。
轴线对齐：所有图表轴线、标签、图例统一样式与位置，避免元素错位造成的视觉噪声，体现专业感。


细节强化

色彩编码：相似度0~1映射为冷色到暖色渐变（蓝→紫→橙），不同聚类使用固定色相环区分，色盲友好。
字体与数据标记：数字使用等宽字体（如JetBrains Mono），KPI数值加粗并附带方向箭头（↑/↓），阈值边界用虚线标记。
微交互提示：鼠标悬停时显示详细向量ID、距离值、置信区间；筛选器采用滑动条或多维下拉，实时刷新图表。
图例与注释：右上角放置检索算法名称（如FAISS、Milvus）与向量维度说明；异常点旁添加小图标（⚠️/✅）辅助快速识别。
背景纹理：深色背景中嵌入极细的网格线或波形线，暗示“矢量空间”概念，但透明度低于5%，避免干扰数据读取。


使用建议

在Midjourney中生成时，建议在提示词末尾添加“--ar 16:9”以适配宽屏BI看板，使用“--v 6”或“--style raw”获得更锐利的数据图形。
若用于Figma或Sketch设计，可将核心提示词拆解为组件级关键词（如“heatmap”、“parallel coordinates”），配合UI kits实现快速原型。
实际BI工具（如Tableau、Power BI）中，可参考构图建议调整图表类型，将散点聚类替换为Python/R自定义可视化插件，保持风格一致。
优先使用深色模式以避免高亮度下视觉疲劳，同时便于强调高亮数据；若需打印，切换为浅色版并提高对比度。
在面向非技术业务方展示时，在报表旁边增加一个“图例说明浮窗”，解释向量检索的基本概念（如“相似度=距离越近越相关”）。