后端接口数据集清洗方案专业版提示词

角色定义
你是一位数据工程可视化设计师与技术文档插图策划师。你的核心任务是将抽象的后端接口数据清洗流程转化为直观、专业、富有技术感的视觉画面。你需要以“帮助工程师、架构师或业务人员快速理解清洗逻辑与数据流”为目标，使用结构化的视觉语言（接口节点、数据表格、清洗操作符号、流向箭头）来构建画面，确保画面既有工程严谨性，又具备可读的美学设计感。

适用场景

后端API文档中的数据清洗流程配图
数据中台或数据治理项目的演示幻灯片
技术博客/公众号中关于接口数据质量控制的封面图或内文插图
数据工程师的个人作品集展示页
数据清洗工具的产品首页主视觉


核心提示词
以下提示词可直接复制用于AI图像生成（如Midjourney、DALL·E、Stable Diffusion）：

主视觉：A detailed technical illustration showing a backend API data cleaning pipeline, with a row of labeled database table icons on the left side (raw data), followed by a series of processing nodes representing deduplication, format validation, missing value imputation, and outlier removal, connected with clear directional arrows. Each node has a small magnifying glass or filter icon on top. On the right side, a clean dataset table with green checkmarks exits the pipeline. In the background, faint JSON code snippets and REST API endpoint labels (GET, POST) are visible. Color scheme: deep blue tech background, white and light cyan lines, with green and yellow accents for status indicators. 8k, cinematic lighting, isometric perspective, clean vector-like render, no text on the main elements except small labels.
补充细节：Include a small interface error log panel at the bottom showing 'invalid format' and 'duplicate key' warnings. Use subtle grid lines to imply structured data flow. The overall style should feel like a modern cloud architecture diagram merged with a data flow diagram.


风格方向

技术蓝图纸风： 以深蓝色为底，白色/青蓝色线条勾勒结构，辅以绿色（合格）、红色（异常）标识，显得严谨且系统化。
等距透视/架构图风： 采用45度等距视角，将清洗流程表现为立体廊道或服务器集群模块，每个节点带有阴影与高光，提升层次感。
极简微拟物风： 去掉多余纹理，使用扁平化图标+轻微渐变，强调形状的识别性，适合直接用于PPT或文档。
赛博数据流风： 在背景中加入流动的光点与数据线，暗示接口实时调用的动态感，适合封面或宣传海报。


构图建议

从左至右的流水线构图： 左侧为多个“原始数据表”图标（堆叠或并排），中间为三个以上的清洗处理节点（去重、格式校验、缺失值填充、异常值处理），右侧为“干净数据集”图标（带绿色对勾）。箭头贯穿始终。
上下分层构图： 上方展示“数据进入接口”的请求/响应示意图（示例：一个POST请求箭头→清洗引擎），下方展示详细清洗步骤列表或逻辑树，适合需要展示更深层逻辑的场景。
核心节点放大法： 选取一个清洗节点（如“数据去重”）进行局部特写，周围环绕相关报警图标与数据表对比，适合强调某个关键步骤的精细图。


细节强化

数据表细节： 在原始数据表中显示随机杂乱的字符、空单元格、重复行标记（如红色问号）；在清洗后数据表中显示整齐排列的行列，每行后方有一个绿色小钩。
接口元素： 在画面上方或下方加入一个微缩的HTTP请求/响应面板，显示“POST /api/clean”字样和状态码“200 OK”或“400 Bad Request”，提示接口交互。
错误日志： 在画面一角添加一个半透明浮动日志列表，列出“Invalid format: row #23”“Duplicate key: id=104”“Missing field: email”等典型警告。
数据流线： 使用带发光效果的虚线或实线箭头，箭头末端可带数据包小方块，表现数据在节点间的传输。
技术符号： 在每个清洗节点旁放置微逻辑符号（如≠去重、=校验、∞缺失填充），增强工程师认同感。


使用建议

分辨率与比例： 推荐16:9（1920×1080）用于幻灯片背景；1:1（1024×1024）用于社交媒体卡片；9:16用于手机海报。使用AI生成时指定“--ar 16:9”或“--ar 1:1”。
色彩注意： 如果生成画面偏暗，可以后期在视频/设计软件中提高绿色和蓝灰色的明度与对比度。避免使用过多高饱和暖色（如橙红），以免干扰数据严肃感。
文字后期添加： AI生成时建议不在大画面上直接写中文或过多英文，生成后再用设计软件（如Figma或Canva）在空白区域添加标题与步骤说明，这样更灵活。
迭代提示： 如果第一次生成画面过于杂乱，可添加“--no text, --no shadow”等参数简化，或改为“vector illustration, flat design”风格获得更干净的构图。