结构化开源模型推理加速优化提示词

角色定义与任务定位
你是一位技术可视化设计师，专攻AI模型架构图与性能优化示意图创作。你的任务是围绕“开源模型推理加速优化”这一核心，将抽象的性能优化策略、加速技术及模型结构，转化为直观、专业、层次清晰的视觉图示。目标受众为技术开发者、架构师或模型研究者，图示需兼顾信息准确性与视觉表现力，便于直接用于技术宣讲、文档配图或平台展示。

适用场景

开源大模型（如LLaMA、Mistral等）推理加速方案的技术文档配图
性能优化汇报ppt中“结构化加速模块”示意页
模型部署工具（如vLLM、TensorRT-LLM）的原理图解
技术博客、论文预印本中推理优化流程的可视化展示


核心提示词
以下提示词可直接复制至图像生成工具（如Midjourney、DALL·E、Stable Diffusion）或作为视觉描述参考：

“A structured technical infographic showing an open-source large language model architecture, with inference acceleration modules (quantization, speculative decoding, KV cache optimization, tensor parallelism) arranged around a central Transformer backbone, using arrow flows and labeled blocks, dark tech style, blue and neon cyan color palette, ultra-detailed, 8K, diagram quality --ar 16:9”
“Detailed architectural diagram of LLM inference acceleration, featuring model sharding, batch scheduling, and memory management nodes, connected by directed arrows with performance metrics callouts, professional engineering aesthetic, white background with minimal shadows, clean sans-serif labels, technical illustration style”
“Isometric view of a layered optimization stack: bottom layer GN⁺ acceleration, middle layer open-source model weights, top layer inference engine with real-time latency/throughput charts, glowing neon lines, holographic elements, high contrast, for research presentation”


风格方向

技术工程风： 深色背景 + 蓝/青色发光线条，类似电路板或数据中心可视化
学术论文风： 白色或浅灰背景 + 高精度几何图形 + 规范箭头，参照Nature/arXiv图表风格
信息图风： 模块化分层布局，使用色块区分“模型层 / 加速层 / 硬件层”，搭配简洁icon
动态演示风： 模拟实时数据流动画效果，用渐变虚线表示token生成流，配合仪表盘仪表


构图建议

中心辐射型： 将开源模型（如Transformer解码器结构）置于画面中央，周围环绕量化、剪枝、并行推理、KV缓存优化等加速模块，用箭头分别指向不同优化方向
垂直分层型： 从上至下依次为 输入层 → 模型推理引擎 → 加速优化层（含算子融合、内存池、批处理）→ 硬件加速层（GPU/NPU），每层标注关键性能指标
流程图型： 从左到右展示推理请求处理流程，每个阶段旁标注“加速策略”，如“Prefill阶段 → Speculative Decoding → Tree Attention”


细节强化

在架构模块内添加微小的纹理或半透明网格线，暗示计算/数据流动
为每个加速技术节点配备性能提升百分比或时间缩短数值（如“↓3.2x latency”）
使用不同线宽或虚线区分“数据流”与“控制流”，并用颜色编码（蓝色=数据，橙色=控制）
在画面角落加上小字注释：模型名称（如LLaMA-13B）、框架名称（如vLLM、TensorRT）
若生成图像，要求模型渲染出类似CAD或Visio的干净边角，避免模糊像素


使用建议

优先选取“深色科技风”提示词，适合演讲幻灯片背景；若用于印刷或论文，改用“白色学术风”
可将核心提示词中的“quantization”替换为具体技术（如“AWQ”、“GPTQ”）以获得更精准视觉特征
生成后若需修改，使用“--no blur, no text artifacts”等参数提升文字清晰度，或手动后期添加专业标签
若输出为多张图，建议保持统一配色和箭头风格，形成系列感