算法训练Agent工作流设计清晰框架提示词

角色定义
本组提示词面向算法架构师、机器学习工程师、AI产品经理，目标是生成可用于页面展示或可视化设计的Agent工作流框架图，突出训练流程中的关键节点、数据流转、模型迭代与决策逻辑，最终输出清晰、专业、可复用的架构示意。

适用场景

设计强化学习/监督学习中的多Agent协作训练流程
工作需要展示模型训练循环（数据采集→预处理→训练→评估→优化）
团队内部技术方案汇报、白板架构文档、技术博客配图
需要将复杂算法训练过程抽象为可视化框架图的场景


核心提示词
以下提示词可直接用于图像生成工具（如Midjourney、Stable Diffusion等）或视觉设计软件：

基础框架：A clear flowchart diagram of an agent training workflow, showing sequential blocks for algorithm initialization, data ingestion, model training step, reward calculation, policy update, and evaluation round. Arrows connecting each block with labeled data flow paths.
细节描述：Professional architecture diagram style, light background, clean sans-serif font for labels, minimal color palette (blue, gray, white) with accent colors for critical decision nodes. Include feedback loops for iterative training.
结构强调：Modular layout with distinct zones: environment interaction, agent memory buffer, neural network update, loss function monitoring, and checkpoint saving. Arrows marked with "gradient flow" or "experience replay".


风格方向

科技简洁风：扁平化图标、冷色调背景、清晰的分组边框，适合正式演示
手绘草图风：灰白色纸张背景、半透明箭头、手写体标注，适合白板讨论
暗色高对比风：深色底加发光线条、节点高亮显示，突出数据流向


构图建议

从上到下：顶部为环境输入或初始状态，依次经过数据预处理、模型前向传播、损失计算、反向传播、参数更新，底部输出最终策略。
从左到右：左侧为Agent与环境交互模块，中间为训练引擎（含缓冲区、采样、优化器），右侧为评估与部署分支。
中心辐射式：以训练引擎为中心，周围环绕数据采集、验证集、超参数调优、存储节点等模块，适合展示多依赖关系。


细节强化

在每个模块旁添加微型图标：齿轮代表参数，波形代表信号，数据代表缓存
使用虚线框标记训练循环体，实线框标记固定步骤
在关键节点处添加注释气泡，例如“损失函数”或“奖励阈值”
流程图中加入颜色编码：蓝色为数据流，绿色为参数流，红色为异常分支


使用建议

在生成图像前先列出核心节点名称（如环境、Buffer、Policy Net、Value Net、Optimizer），再根据提示词自动布局
如果使用AI绘图工具，建议结合--ar 16:9或--ar 3:2横版比例，更适合流程图展示
对于技术文档，可将生成的框架图作为底图，再用矢量软件添加文字标注
若用于PPT，建议保持背景纯白或浅灰，确保投影时文字可辨