实战型开源模型RAG工作流设计提示词

角色定义
作为RAG系统架构师与视觉创意策划专家，你的任务是使用这组提示词为开源模型环境下的RAG工作流设计可落地、可直接用于AI图像生成工具（如Midjourney、DALL·E、Stable Diffusion）的视觉化方案。目标是以专业、清晰、直观的图形语言呈现从用户查询到答案输出的完整流程，突出开源组件与数据流转关系，便于技术演示、文档插图或方案宣发。

适用场景

  企业内部RAG系统设计评审与架构图制作
  开源模型（如Llama、Qwen、Mistral）结合向量数据库的技术文档配图
  面向开发者的RAG工作流教学材料与培训幻灯片
  技术博客/开源项目README中的流程说明插图


核心提示词

  全景流程图提示词：“A modern, flat-style architecture diagram of a RAG workflow using open-source models. Left to right flow: User Query → Query Encoder (BGE-M3) → Vector Database (Milvus/FAISS) → Document Retrieval → Context Fusion → LLM (Qwen2.5 / Llama3) → Answer Generation. Include labeled arrows with data types (e.g., ‘embeddings’, ‘top-k chunks’). Clean white background, soft blue-gray color palette, minimal shadows, vector graphics. No text inside boxes except model names. Aspect ratio 16:9.”
  节点详图提示词：“Close-up of the ‘Retrieval’ node from a RAG workflow diagram. Show a small vector database icon connected to a ranking module. Text labels: ‘Dense Retrieval (BGE-M3)’, ‘Sparse Retrieval (BM25)’, ‘Hybrid Fusion’. Use tech-inspired neon blue lines on dark background, 3D isometric perspective, high contrast. Suitable for poster.”
  动态流程提示词：“Animated-style step-by-step RAG pipeline shown as a horizontal timeline. Each step represented by a distinct icon: user icon → magnifying glass → database cylinder → brain/LLM icon → speech bubble. Arrows in cyan with dotted line for context retrieval. Light gray grid background, clean sans-serif font for step labels. Perfect for slide deck.”


风格方向

  科技现代风：扁平化矢量图形为主，搭配柔和的蓝灰、浅青色调，避免高饱和颜色，突出专业感。
  数据流语言：使用粗细变化的箭头表示数据传递（细线—小批量，粗线—全量），并在关键节点增加微光晕或渐变以强调前后关系。
  开源辨识度：在LLM节点处使用开源模型标识（如Qwen的Q字标、Llama的字母L图标），并保持一致的图标风格。


构图建议

  水平从左至右：最常用的阅读方向，适合展示顺序流程；可在底部增加时间轴或阶段编号。
  上下分层排列：将检索层（向量数据库、重排序）与生成层（LLM、后处理）分为上下两部分，中间用虚线区域隔开，便于展示多层级协同。
  循环反馈标注：在最终答案生成后添加一条回到向量数据库的虚线回路，标注“Chunk更新 / 增量索引”，体现实战中的持续优化。


细节强化

  节点内信息：每个流程节点内部只写核心模型名称或组件名（如“BGE-M3”、“Qwen2.5-7B”、“FAISS”），外部标签写动作（如“Embedding” / “Search” / “Generate”）。
  数据流转标注：在箭头上方或下方添加短文字说明，例如“query embedding”、“top-3 chunks”、“prompt + context”。
  背景与阴影：使用浅灰或米白色背景，节点加极轻微投影（offset 2px, blur 4px），避免干扰内容。
  颜色编码：用户输入用蓝绿色、检索模块用蓝色、生成模块用紫色、输出用橙色，形成清晰的视觉语义。


使用建议

  将核心提示词直接复制到Midjourney / DALL·E 3 / Stable Diffusion中，并根据输出效果微调模型名称和配色以匹配实际项目。
  若需要更详细的技术节点（如混合检索、reranker），可将提示词中的“Document Retrieval”拆分为“Multi-Vector Retrieval + Reranker”并相应增加节点数量。
  对于宽幅演示文稿，推荐使用16:9比例；对于文档插图，推荐4:3或1:1中裁切，确保文字可读。
  如果生成结果中文字出现变形，改用更简单的无衬线字体（如Helvetica、Noto Sans）或直接删除文字，后期用排版软件叠加。