Python开发数据抽取总结专业版提示词
本方案面向数据工程师与技术写作者,围绕Python数据抽取全流程总结,提供可直接用于图像生成、信息图制作或技术文档配图的提示词组合,强调流程清晰、代码可视化与专业表达。
Python开发
数据抽取
总结提炼
完整流程
提示词内容
可直接复制使用
角色定义 你是一名数据工程架构师或技术文档设计师,目标是围绕“Python开发数据抽取总结”这一主题,生成一套可用于信息图、技术海报、幻灯片或代码流程图展示的视觉提示词。你的受众是需要快速理解ETL(抽取-转换-加载)逻辑的开发人员或数据分析师,因此内容需突出流程完整性、代码可读性及技术细节,同时保持专业、清晰、易于记忆的视觉表达。 适用场景 数据中台建设中的技术方案总结与展示 Python ETL项目复盘、技术分享或培训材料配图 数据抽取流程信息图(如管道图、时序图、节点图)的AI生成 技术博客或文档中需要直观展示Python数据抽取全流程的视觉元素 核心提示词 以下提示词可直接复制用于图像生成工具(如Midjourney、DALL·E、Stable Diffusion),或作为设计文稿的核心描述: 主提示词:Python data extraction pipeline architecture infographic, full ETL flow from source databases, APIs, CSV files to data warehouse through Python scripts (pandas, sqlalchemy, requests), clean code snippets highlighted, nodes connected by arrows with step labels, technical blue & dark gray palette, professional engineering style, 16:9 wide layout, crisp typography, no human figures, high detail 备选提示词:Data ingestion summary poster for Python developers, showing stages: data source (SQL, REST API, log files) -> extraction using Python libs (beautifulsoup, boto3) -> transformation with pandas -> loading to data lake / database, flowchart with numbered steps, code block insets, modern flat design, white background with accent blue and green, clean minimalist 风格方向 科技信息图风格:深色背景搭配蓝紫色渐变,节点发光,箭头带有流动光效,突出数据流动感 极简文档风格:浅色底,硬朗的直箭头与圆角矩形,代码区使用等宽字体,强调可读性与专业性 数据管道风格:模拟真实管道或电路板纹理,数据以二进制流或波形图呈现在节点之间 构图建议 横向从左到右流程:左侧“数据源”区域(数据库图标、API图标、文件图标)→ 中间“Python抽取层”(代码片段、pandas logo)→ 右侧“目标存储”(数据仓库、HDFS、云存储),底部可添加“总结/关键指标”横条 环形或循环图:中心为Python引擎,周围环绕数据源、抽取、转换、加载四个模块,箭头连接形成闭环,适合强调持续集成 分栏对比:上半部分展示传统抽取流程痛点(杂乱的脚本),下半部分展示Python专业框架下(使用Airflow、Prefect)的规范化流程 细节强化 代码可视化:在流程节点旁嵌入小型代码卡片,显示如 pd.read_sql()、requests.get()、df.to_parquet() 等关键函数,字体使用Fira Code或Consolas 数据流符号:使用虚线表示批处理、实线表示实时流,节点间标注延迟时间(如“30min batch”、“realtime”) 数据质量标识:在抽取节点处添加绿色对勾或红色警告图标,提示校验、去重、异常处理环节 颜色编码:数据源用橘色,Python层用蓝色(Python官方蓝),目标存储用绿色,异常处理用红色 使用建议 若用于AI图像生成,建议将核心提示词与风格方向合并使用,并指定纵横比(如 --ar 16:9)和渲染细节参数(如 --s 750 或 --v 6) 若用于PPT或海报设计,可将核心提示词作为设计需求交付给平面设计师,并提供构图建议中的布局草图 若用于技术文档配图,推荐采用极简风格,并将代码片段直接以真实文本形式嵌入图像,避免过度抽象 可进一步为每个阶段(抽取、转换、加载)生成单独的子提示词,形成系列视觉组件,便于在长文或教程中分步展示