AI生成图片提示词怎样服务知识图谱
知识图谱类 AI 配图要先定义节点、关系、方向、层级和文字预算，再写视觉风格；图片负责结构感，长解释交给文字层。
很多设计和内容团队已经会用 AI 生成封面、插图和信息图，但在做知识图谱、流程图、关系图、机制图时，经常遇到一个尴尬结果：图片很好看，却解释不清。
常见提示词是这样写的：“生成一张关于 AI Agent 工作流的科技感知识图谱，蓝色背景，清晰、专业。”模型往往会给出一张视觉气氛不错的图：有节点，有箭头，有线条，有发光效果。但仔细看就会看到，节点之间的关系不明确，箭头方向随意，标签文字太小，画面中心很热闹，读者却不知道先看哪里。
问题不在于“AI 不会画图”，而在于提示词没有先定义知识结构。知识图谱类图片不是装饰图，它要承担解释任务：哪些概念是节点？节点之间是什么关系？关系有没有方向？哪些内容是主层，哪些是补充层？哪些文字应该画进图里，哪些应该放到图注或网页文字层？
这篇文章面向设计与内容团队，讲一种更稳的图像提示词写法：先写知识拓扑，再写视觉风格；先控制文字预算，再交给图片模型；先让图片负责结构感，再让页面文字负责解释。
知识图谱图片要先回答四个问题
W3C 的 RDF 资料把 RDF 描述为用于 Web 信息表示和数据交换的标准模型，其抽象数据模型围绕资源、属性和关系展开。对于内容团队来说，不必把每张科普图都做成严格 RDF 数据，但这个思路很有用：图谱不是一团概念，而是“节点”和“关系”的组合。
做一张 AI 知识图谱图片前，先回答四个问题：
1. 节点是谁：人、工具、数据、任务、步骤、风险、输出，哪些要进入画面？ 2. 关系是什么：属于、流向、依赖、触发、检查、阻断、替代、补充，哪一种关系最重要？ 3. 方向怎么走：从左到右、从上到下、从中心到外围，读者应该按什么顺序看？ 4. 层级怎么分：主线节点、辅助节点、提醒节点、边界节点要不要用不同颜色或大小？
如果这四个问题没答清，提示词写再多“清晰、简洁、科技感”，也只是把混乱包装得更好看。
图像提示词不是美术要求，而是结构说明
生成普通插图时，提示词可以偏风格：场景、光线、质感、构图、色彩。生成知识图谱时，提示词首先要像信息架构说明。它要告诉模型：这张图的解释路径是什么。
一个可用的知识图提示词通常包括八块：
| 模块 | 要写什么 | 示例 | | --- | --- | --- | | 主题 | 图片要解释的问题 | 从文章到知识图谱 | | 节点 | 要出现的概念 | 原文、概念、关系、层级、图像、图注 | | 关系 | 节点如何连接 | 原文提取概念，概念组成关系，关系决定布局 | | 布局 | 读者观看顺序 | 左到右流程，中心辐射，三层分区 | | 层级 | 哪些更重要 | 主线节点更大，辅助节点更小 | | 文字预算 | 图片里放多少字 | 每个节点 2 到 6 个字，不放长句 | | 风格 | 视觉气质 | 白底、清爽、知识卡片、少量颜色 | | 禁止项 | 不要什么 | 不要密集小字，不要伪 UI，不要水印 |
注意顺序：结构在前，风格在后。风格是服务结构的，不是替代结构的。
为什么不要依赖图片里的小字
OpenAI 的图像生成文档说明，图像模型可以从文本提示生成和编辑图片，GPT Image 模型也在文字渲染和指令遵循上持续增强。但内容生产不能只看“模型能不能写字”，还要看发布后的可读性、可审查性和可维护性。
图片里的小字有四个问题。
第一，可读性差。手机端一缩放，图里的长句和细标签会变成噪点。
第二，审核困难。正文里的文字可以搜索、替换、校对；图片里的错字、过满承诺和敏感表达，往往要重新生成或重新修图。
第三，不利于多端复用。同一张图可能被放到文章、视频、封面、幻灯片或社交平台。图片小字越多，越难适配不同尺寸。
第四，会抢走结构注意力。知识图的任务是让读者看懂关系。如果每个节点都塞一段话，读者会在读小字时失去整体路径。
所以，图片里只放短标签：节点名、关系名、步骤名、提醒词。长解释放在正文、图注、HTML 层、视频字幕或旁白里。这样图片负责“看见结构”，文字层负责“讲清细节”。
先画主关系，再画装饰
很多失败的 AI 信息图，问题都出在关系没被定义。比如题目是“AI Agent 调研证据链”，提示词只写“来源、检索、分析、引用、审核、发布”，模型会画出一组图标，但它不知道哪些是流程，哪些是检查点，哪些是输出。
可以把提示词改成这样：
16:9 中文知识拓扑图，主题：AI Agent 调研证据链。
布局：左到右主流程，共 6 个主节点：问题定义 -> 来源检索 -> 证据摘录 -> 交叉验证 -> 引用记录 -> 发布审核。
关系：主节点之间用单向箭头连接。
辅助层：在“来源检索”下方放 3 个小节点：官方文档、论文、作者原文；在“发布审核”旁边放 2 个提醒节点：事实边界、可追溯。
文字预算：每个节点只放 2 到 6 个中文字符，不放长句。
视觉：白底、清爽、蓝绿琥珀点缀，图标简洁，留白充足。
禁止：不要密集小字，不要真实品牌 logo，不要暗黑科技背景，不要水印。这段提示词不是把句子写长，而是把结构写清楚。它告诉模型：主流程是什么，辅助层在哪里，文字最多放多少，哪些视觉习惯不要出现。
用视觉层级引导读者先看哪里
NN/g 关于视觉层级的资料指出，清晰的视觉层级会引导视线先看重要元素，可以通过颜色、对比、大小、分组等方式建立。知识图谱图片尤其需要视觉层级，因为它同时有节点、关系、图标、标签、颜色和箭头。
提示词里可以直接写层级规则：
- 主线节点更大，用统一颜色。
- 辅助节点更小，用浅色。
- 风险或提醒节点使用另一种强调色。
- 箭头只用于主关系，虚线用于辅助关系。
- 背景保持干净，不用复杂纹理。
- 标题占上方，图例或脚注放下方。
不要期待模型自己判断哪些信息重要。你要把重要性写进提示词。
三种常用布局
第一种是流程型。适合文章到视频、调研到报告、资料到知识库、脚本到音频这类“步骤连续”的主题。提示词要写清方向、节点数和每一步动词。
第二种是中心辐射型。适合一个主题拆出多个维度，比如“企业 AI 权限盘点”可以中心放“AI 权限”，外围放人、资料、工具、动作、输出、日志。提示词要写清中心节点和外围分组。
第三种是分层矩阵型。适合比较、分级和清单，比如“本地知识库和云端知识库怎么分工”。提示词要写清行列含义、每格短标签和色彩区分。
布局没有固定答案，但每张图只能选一种主布局。又想流程、又想矩阵、又想中心辐射，模型会把三种图混在一起，画面看起来丰富，解释力反而下降。
失败提示词的五个特征
第一，只写风格，不写关系。比如“清晰知识图谱、科技感、专业”。这种提示词容易得到漂亮背景，但未必得到可理解结构。
第二，节点太多。十几个节点挤在 16:9 图片里，中文标签会变小。建议一张图只承载 5 到 9 个主节点，复杂内容拆成系列图。
第三，文字预算失控。提示词里没有限制“每个节点几个字”，模型可能把完整句子画进卡片里。越多文字，越难校对。
第四，主线和辅助信息混在一起。检查点、边界、风险、例子、来源都很重要，但它们未必都属于主流程。要用颜色、位置或虚线区分。
第五，缺少检查标准。生成后只看“好不好看”，不看“读者能不能按顺序看懂”。知识图的检查不是审美投票，而是解释任务是否完成。
一个可复用的提示词模板
下面这段可以直接复制改写：
请生成一张 16:9 中文知识图谱信息图。
主题：<填写主题>
解释目标：让读者在 10 秒内看懂 <填写关系或流程>。
主布局：<左到右流程 / 中心辐射 / 分层矩阵>
主节点：<列出 5 到 9 个节点>
节点关系：<写清箭头方向、依赖、分组或层级>
辅助层：<列出检查点、边界、来源或提醒节点>
文字预算：每个节点只放 2 到 6 个中文字符；不要长句；不要密集小字。
视觉层级：主线节点更大，辅助节点更小；颜色用于区分层级，不用于装饰堆叠。
风格：白色背景，清爽知识卡片，少量蓝绿琥珀点缀，留白充足，适合文章配图。
禁止：不要真实品牌 logo，不要水印，不要暗黑背景，不要复杂纹理，不要伪造界面截图。如果图片模型生成的文字不稳定，可以进一步减少图中文字，把节点改成编号，再在文章或 HTML 里给编号配解释。比如图片里写“1 主线、2 节点、3 关系、4 层级”，正文里解释每个编号。这样既保留图的结构感，也便于校对。
图片生成后的检查清单
生成图之后，不要只看第一眼是不是好看。可以按下面七项检查：
1. 标题是否和文章主题一致。 2. 主节点是否完整，是否少了重要概念。 3. 箭头方向是否符合真实流程。 4. 主线和辅助层是否分开。 5. 中文短标签是否可读，有没有错字或伪字。 6. 手机缩小后还能不能看出关系。 7. 长解释是否已经放到正文、图注或文字层，而不是塞进图片。
如果第 3 项或第 5 项不通过，不建议带着问题发布。关系错了，读者会被误导；文字错了，公开端很难优雅修补。
还有一个实用动作：把图片检查和正文编辑放在同一轮完成。先让编辑看图，不看正文解释，判断能否看出主关系；再让编辑看正文和图注，判断长解释是否补足了图里的短标签。两轮都通过，说明图片和文字层配合得上。只看单张图，容易忽略页面整体体验；只看正文，又容易放过图里的关系错误。
结论
AI 生成图片提示词不是越好看越好。做知识图谱时，提示词的第一任务是让模型理解信息结构：节点、关系、方向、层级、布局和文字预算。视觉风格当然重要，但它只能服务这套结构。
一张好的知识图，不靠密密麻麻的小字说服读者，而是让读者先看见关系。短标签留在图里，长解释放到正文和图注里；图片负责建立地图，文字负责带路。这样，AI 生成图才能从“好看的配图”变成“能帮助理解的知识工具”。