返回 English 西西提示词
Goal: Create a highly polished vertical educational infographic titled {argument name="headline text" default… - AI提示词参考图,来自西西提示词

AI基础设施:从数据到推理的完整图解 AI图片提示词

Prompt

目标:创建一张高度精致的纵向教育信息图,标题为{argument name="headline text" default="AI INFRASTRUCTURE"},副标题为{argument name="subtitle text" default="HOW MODERN AI SYSTEMS WORK"},解释现代AI基础设施,从数据管道和GPU训练集群到推理服务、批处理和KV缓存。 画布:纵向海报,4:5比例,深海军蓝未来数据中心美学。使用发光的蓝/紫网络网格背景,包含山脉、服务器机架、GPU芯片插图、霓虹电路轨迹、薄圆角面板、白色和青色排版,以及小的橙色编号徽章。整体外观应类似高端技术解释性海报,密集但可读。 布局:大标题位于左上角,小副标题和标语在下方,装饰性服务器机架和GPU芯片在右上角。将内容精确排列为8个编号的主章节,加上右侧的“关键概念”列和底部流程页脚。使用精确的面板边框、小图标、箭头、图表、表格和微标签。 章节和所需内容: 1. 数据管道:显示正好5个由箭头连接的管道阶段:原始数据源、摄取与清洗、标注/筛选、分词/分块、分片与存储。原始数据源包含正好5个要点:网页、文档、代码、图像、日志。摄取与清洗包含正好3个要点:过滤、去重、标准化。标注/筛选包含正好3个要点:质量检查、人工/启发式、数据集组装。分词/分块包含正好3个要点:将文本转换为标记、分块为文档、添加特殊标记。分片与存储包含正好3个要点:分成多个分片、平衡分区、优化并行读取。添加说明文字,说明数据经过清洗、去重、筛选、分词并以分片形式存储,以便许多工作进程高效读取。 2. 存储+编排层:包含正好3个垂直卡片:对象存储,带有云到数据库图标和备注“S3/GCS/Azure Blob或本地对象存储”;元数据/实验跟踪,带有仪表板图标和要点“运行与指标”、“超参数”、“谱系与制品”;监控与日志,带有图表/放大镜图标和要点“指标与告警”、“日志聚合”、“追踪与调试”。添加脚注,说明控制层协调计算作业、跟踪实验、存储检查点,并监控利用率、故障和成本。 3. 训练集群架构:大型中央架构图,标题为训练集群架构。显示正好4个GPU/加速器节点框,以2x2网格排列,由发光的高速网络链接连接,标记为“高速网络InfiniBand/RoCE”。每个节点包含CPU主机(多核)、RAM、GPU(如8x H100)和NVMe本地SSD。在节点之间添加虚线链接。下方包含正好3个迷你面板:节点内部、数据并行性和分布式训练并行性(图例)。节点内部应显示CPU通过PCIe/NVLink/NVSwitch线连接到多个GPU。分布式训练并行性图例应显示正好4个阶段,标记为阶段1、阶段2、阶段3、阶段4。 4. 训练步骤:创建从左到右的训练流程,包含正好6个阶段:输入标记、前向传递、损失计算、反向传递、梯度、优化器更新。包含检查点图标堆叠、“模型精度”框(提及FP32、FP16/BF16、FP8)和“优化器状态”框。显示梯度累积箭头,并附说明文字,解释训练过程中模型预测输出、计算损失、反向传播梯度并更新权重,重复数十亿次。 5. 推理服务管道:创建紧凑的服务图,顶部有正好6个阶段:用户请求、API网关、分词器、调度器/路由器、模型服务器(GPU)、流式输出。面板内部包含动态批处理,有正好3个请求行;模型服务器框显示预填充和解码循环、GPU内存上的KV缓存、可选适配器,以及连接正好3个模型副本的负载均衡器,标记为模型副本1、模型副本2、模型副本N。 6. 运营、可靠性和安全性:包含正好6个运营卡片,带有图标:自动缩放、遥测/可观测性、速率限制与配额、安全过滤器/护栏、版本控制/回滚、成本监控。添加注释,说明生产AI系统需要强大的运营工具以保持可靠性、安全性和成本效率。 7. 训练与推理:添加比较表格,有正好6行:目标、主要瓶颈、内存焦点、典型指标、规模模式、弹性需求。使用两列,标记为“训练”和“推理(服务)”。训练应描述从数据学习模型权重、分布式计算和数据移动带宽、激活/梯度/优化器状态、每秒标记数或收敛、大批量长作业、检查点和容错。推理应描述为用户生成有用响应、延迟和吞吐量、模型权重加KV缓存、延迟和每秒标记数、大量短请求、高可用性和优雅降级。 8. 关键概念右侧列:创建高的右侧边栏,标题为“关键概念”,包含正好5个字母编号的卡片:A. 批量大小、B. 序列长度/上下文窗口、C. KV缓存、D. 吞吐量与延迟、E. 参数/权重/激活。卡片A应定义批量大小,并显示小批量与大批量,带有标记/人物图标。卡片B应显示提示标记和长上下文,以标记块表示,标记为T1、T2、T3、T4、…、Tn。卡片C应显示提示标记送入紫色圆柱形KV缓存,然后新标记从缓存读取。卡片D应显示正好2个仪表:吞吐量和延迟。卡片E应显示权重和激活为蓝色和紫色网格,通过乘法连接。在边栏底部添加小的“预填充与解码”注释,解释预填充处理完整提示,解码使用KV缓存一次生成一个标记。 页脚:添加底部导航条,顺序为“数据 → 训练 → 推理 → 价值”,左侧有一个小的圆形火箭/指南针风格图标,以及结束语:{argument name="footer quote" default="Powering intelligent systems with data, compute, and engineering excellence."}。 视觉风格:密集的企业技术信息图,清晰的矢量和平3D图标,发光的青色轮廓,微妙的渐变,体积光,小的原理图,微型图表,以及干净的衬线标题排版和现代无衬线标签。调色板应为{argument name="color palette" default="deep navy, electric blue, cyan, violet, white, and small amber accents"}。 约束:使用正好8个编号的主章节、正好5个关键概念卡片、正好4个GPU节点、正好6个训练步骤阶段、正好6个推理阶段、正好6个运营卡片和正好6个训练与推理表格行。保持所有可见文本为英文,避免水印,避免品牌标志,尽管布局密集,但仍保持高可读性。

AI图片内容分析

内容: 纵向教育信息图,4:5比例,深海军蓝数据中心风格。主体为8个编号章节+右侧5张关键概念卡片+底部流程页脚。结构:数据管道、存储层、训练集群架构、训练步骤、推理管道、运营卡片、训练vs推理表格、关键概念。每个部分精确指定组件数量和内容。视觉元素包括发光网络、服务器机架、GPU芯片、圆形面板、图标、箭头、表格等。颜色为深蓝、电光蓝、青、紫、白、琥珀。

优点: 1. 结构极其详细,确保生成图像高度可控;2. 包含参数化占位符,可动态定制标题和副标题。

缺点: 1. 约束过于严格(精确数量),可能限制AI创造性;2. 提示词过长,可能超出部分模型上下文限制。

参考图: 不明显依赖参考图

作者
ben.oi 🌐
类型
图片
比例
3:4
尺寸
849 × 1200
入库时间
2026-06-04

素材取材于网络公开页面,如有侵权或权益问题,请联系作者删除。 版权与隐私

放大预览