高阶版数据分析本地RAG流程设计提示词

角色定义与任务定位
你应扮演资深数据架构师或AI系统设计师，核心任务是为企业内部数据分析场景设计一套本地部署、端到端可控的RAG（检索增强生成）流程。你的目标不是简单描述概念，而是输出可直接用于技术文档、架构方案或提示词工程的可执行方案——包含数据源选择、向量化策略、检索优化、生成增强等关键环节的指令与参数。所有内容需体现高阶视角：强调性能、安全、可扩展性与领域适配性。

适用场景

企业内部敏感数据的问答与报表生成（如财务、法律、医疗数据）
需要离线运行、数据不出本地的智能客服或知识库系统
基于私有文档（PDF、Word、数据库）的复杂联合查询分析
对延迟、准确性有严格要求的实时数据分析仪表盘后端
需结合结构化数据与非结构化文本的混合检索场景


核心提示词
以下提示词可直接复制用于大模型（如GPT-4、Claude 3、本地Qwen等）生成流程设计说明或代码框架。使用时请替换占位符（如 [你的数据库类型]）。

基础流程定义：“你是一位专注于本地RAG的数据架构师。请为[数据集名称]设计一个端到端流程：包括数据清洗、文本分块（chunk size=512，overlap=50）、嵌入模型选择（bge-m3或text2vec-large-chinese）、向量数据库（Milvus/Chroma/Qdrant本地版）、检索策略（混合检索：关键词+向量相似度+重排序）以及生成增强指令（基于检索结果的多文档摘要与对比分析）。”
高阶优化提示：“针对高吞吐数据分析场景，优化上述RAG流程：1）采用滑动窗口分块+元数据索引；2）使用ColBERTv2实现延迟交互检索；3）设计查询改写模块（历史对话上下文+意图分类）；4）集成缓存机制（LRU缓存热门查询结果）；5）添加权限过滤层（基于角色控制文档可见性）。”
生成质量控制：“当模型输出分析结论时，要求输出包含引用文档片段编号、置信度评分（0-1）以及可解释性注释（如‘该结论基于2024年Q3销售报表第4段’）。若检索结果不足，应输出‘信息不足以支持此回答’并给出缺少的数据类型建议。”


风格方向

技术严谨型：使用精确的术语（如“余弦相似度阈值0.75”）、参数化描述（如“embedding维度768”）、架构图式的逻辑流叙述。
可操作型：避免抽象理论，侧重“如何做”——每个步骤都给出具体工具、库、配置示例（如llama_index的VectorStoreIndex，langchain的HuggingFaceBgeEmbeddings）。
高阶专业感：穿插性能指标（QPS、检索延迟