支持私有云部署
首页
产品服务
解决方案
AI知识库
结构化提示词
LangGPT之路 提示词合集 应用案例 社区达人
关于我们
公司介绍 渠道合作
预约演示
AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


立即咨询 预约演示
首页 AI知识库 前沿技术 提示词技巧

我要投稿

Claude 绘制精美小红书图文

发布日期：2025-03-17 20:59:19 浏览次数： 1553 来源：云中江树
推荐语

将新闻内容转化为小红书风格图文，快速上手指南。

核心内容：
1. 江树图文适配小红书平台的技巧分享
2. 使用Claude.ai将新闻内容转化为精美卡片
3. 详细的SVG代码示例和提示词模板

杨芳贤
53A创始人/腾讯云(TVP)最具价值专家


以 DeepSeek 开源周为例子

DeepSeek 开源周 Day 1

DeepSeek 开源周 Day 2

DeepSeek 开源周 Day 3

DeepSeek 开源周 Day 4

DeepSeek 开源周 Day 5

DeepSeek 开源周 Day 6

如何使用

  • 打开 Claude （Claude.ai）
  • 使用下面的提示词
  • 在提示词模板后面添加要可视化的资料，中英文皆可

提示词模板

# 任务：
请你制作适合小红书平台发布的精美卡片（SVG），竖屏，适合手机阅读。

## 要求：
- 符合小红书平台上流行的"高颜值、有设计感、信息清晰"的风格，柔和色调，既时尚又保持技术内容的专业性。
- 整体结构舒展，同时保持视觉美感和信息清晰度。
- 视觉舒适，设计精美，整体设计让小仙女们看了一眼沦陷！
- 包含面向技术小白的通俗解读
- 突出重要和关键信息 
- 不要包含“小白”、“炸裂”、“通俗”和平台极限词

## 精美卡片（SVG）示例
<svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 750 1334" width="750" height="1334">
  <!-- 定义渐变和阴影 -->
  <defs>
    <linearGradient id="bgGradient" x1="0%" y1="0%" x2="0%" y2="100%">
      <stop offset="0%" style="stop-color:#FFD4E5;stop-opacity:1" />
      <stop offset="100%" style="stop-color:#AAE0FF;stop-opacity:1" />
    </linearGradient>
    <filter id="softShadow" x="-10%" y="-10%" width="120%" height="120%">
      <feGaussianBlur in="SourceAlpha" stdDeviation="5" />
      <feOffset dx="0" dy="3" result="offsetblur" />
      <feComponentTransfer>
        <feFuncA type="linear" slope="0.2" />
      </feComponentTransfer>
      <feMerge>
        <feMergeNode />
        <feMergeNode in="SourceGraphic" />
      </feMerge>
    </filter>
  </defs>

  <!-- 主背景 -->
  <rect width="750" height="1334" fill="url(#bgGradient)" />

  <!-- 装饰元素：几何形状 -->
  <circle cx="50" cy="150" r="80" fill="#FFB6D9" opacity="0.5" />
  <circle cx="700" cy="200" r="120" fill="#B6E5FF" opacity="0.4" />
  <circle cx="120" cy="1200" r="100" fill="#FFC8A2" opacity="0.3" />
  <circle cx="650" cy="1100" r="90" fill="#ADFFD6" opacity="0.3" />

  <!-- 内容区域 -->
  <rect x="75" y="280" width="600" height="880" rx="30" ry="30" fill="white" filter="url(#softShadow)" />

  <!-- DeepSeek标志和标题区 -->
  <rect x="75" y="140" width="600" height="180" rx="30" ry="30" fill="#615DFA" filter="url(#softShadow)" />

  <!-- 标题文本 - 得意黑 -->
  <text x="375" y="220" font-family="'LXGW WenKai', sans-serif" font-size="44" font-weight="bold" fill="white" text-anchor="middle">DeepSeek：3FS 文件系统</text>
  <text x="375" y="280" font-family="'LXGW WenKai', sans-serif" font-size="28" fill="white" text-anchor="middle">DeepSeek开源周第五天重磅发布</text>

  <!-- 技术解读区域 - 思源黑体 -->
  <g font-family="'Noto Sans SC', sans-serif" fill="#333333">
    <text x="105" y="360" font-size="26" font-weight="bold">这是什么？一句话解释?</text>
    <rect x="105" y="380" width="540" height="70" rx="15" ry="15" fill="#FFF4F9" />
    <text x="125" y="425" font-size="22" fill="#333">3FS是一个能充分利用SSD存储和网络带宽的文件系统</text>
    
    <!-- 核心数据指标 -->
    <text x="105" y="490" font-size="26" font-weight="bold">? 性能有多强？</text>
    
    <!-- 数据点1 -->
    <rect x="105" y="510" width="255" height="120" rx="20" ry="20" fill="#E2F6FF" />
    <text x="232.5" y="550" font-size="22" font-weight="bold" fill="#333" text-anchor="middle">读取速度</text>
    <text x="232.5" y="590" font-size="30" font-weight="bold" fill="#615DFA" text-anchor="middle">6.6 TiB/秒</text>
    
    <!-- 数据点2 -->
    <rect x="390" y="510" width="255" height="120" rx="20" ry="20" fill="#FFEFEF" />
    <text x="517.5" y="550" font-size="22" font-weight="bold" fill="#333" text-anchor="middle">排序性能</text>
    <text x="517.5" y="590" font-size="30" font-weight="bold" fill="#FF6B95" text-anchor="middle">3.66 TiB/分钟</text>
    
    <!-- 数据点3 -->
    <rect x="105" y="650" width="255" height="120" rx="20" ry="20" fill="#F2FFEF" />
    <text x="232.5" y="690" font-size="22" font-weight="bold" fill="#333" text-anchor="middle">KVCache查询</text>
    <text x="232.5" y="730" font-size="30" font-weight="bold" fill="#52BF90" text-anchor="middle">40+ GiB/秒</text>
    
    <!-- 数据点4 -->
    <rect x="390" y="650" width="255" height="120" rx="20" ry="20" fill="#FFF8E1" />
    <text x="517.5" y="690" font-size="22" font-weight="bold" fill="#333" text-anchor="middle">集群规模</text>
    <text x="517.5" y="730" font-size="30" font-weight="bold" fill="#FFA726" text-anchor="middle">180节点</text>

    <!-- 为什么重要 -->
    <text x="105" y="810" font-size="26" font-weight="bold">? 为什么这很重要？</text>
    <rect x="105" y="830" width="540" height="170" rx="15" ry="15" fill="#F5F5FF" />
    
    <text x="125" y="865" font-size="22" fill="#333">• 让AI模型训练和推理数据管理更高效</text>
    <text x="125" y="905" font-size="22" fill="#333">• 支持数据预处理、加载和检查点存储</text>
    <text x="125" y="945" font-size="22" fill="#333">• 向量搜索和推理KVCache查询更快</text>
    <text x="125" y="985" font-size="22" fill="#333">• 分离式架构保证数据一致性</text>

    <!-- 开源链接 -->
    <text x="105" y="1040" font-size="26" font-weight="bold">? 开源地址</text>
    <rect x="105" y="1060" width="540" height="70" rx="15" ry="15" fill="#EDFFF5" />
    <text x="125" y="1100" font-size="20" fill="#333">github.com/deepseek-ai/3FS</text>
  </g>
</svg>


## 参考资料：
---
? Introducing NSA: A Hardware-Aligned and Natively Trainable Sparse Attention mechanism for ultra-fast long-context training & inference!

Core components of NSA:
• Dynamic hierarchical sparse strategy
• Coarse-grained token compression
• Fine-grained token selection

? With optimized design for modern hardware, NSA speeds up inference while reducing pre-training costs—without compromising performance. It matches or outperforms Full Attention models on general benchmarks, long-context tasks, and instruction-based reasoning.

? For more details, check out our paper here: https://arxiv.org/abs/2502.11089
---


可用于小红书图文、各种信息展示卡片~

示例

以绘制 DeepSeek 发布的 NSA 为例

效果图

完整提示词

# 任务：
请你制作适合小红书平台发布的精美卡片（SVG），竖屏，适合手机阅读。

## 要求：
- 符合小红书平台上流行的"高颜值、有设计感、信息清晰"的风格，柔和色调，既时尚又保持技术内容的专业性。
- 整体结构舒展，同时保持视觉美感和信息清晰度。
- 视觉舒适，设计精美，整体设计让小仙女们看了一眼沦陷！
- 包含面向技术小白的通俗解读
- 突出重要和关键信息 
- 不要包含“小白”、“炸裂”、“通俗”和平台极限词

## 精美卡片（SVG）示例
<svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 750 1334" width="750" height="1334">
  <!-- 定义渐变和阴影 -->
  <defs>
    <linearGradient id="bgGradient" x1="0%" y1="0%" x2="0%" y2="100%">
      <stop offset="0%" style="stop-color:#FFD4E5;stop-opacity:1" />
      <stop offset="100%" style="stop-color:#AAE0FF;stop-opacity:1" />
    </linearGradient>
    <filter id="softShadow" x="-10%" y="-10%" width="120%" height="120%">
      <feGaussianBlur in="SourceAlpha" stdDeviation="5" />
      <feOffset dx="0" dy="3" result="offsetblur" />
      <feComponentTransfer>
        <feFuncA type="linear" slope="0.2" />
      </feComponentTransfer>
      <feMerge>
        <feMergeNode />
        <feMergeNode in="SourceGraphic" />
      </feMerge>
    </filter>
  </defs>

  <!-- 主背景 -->
  <rect width="750" height="1334" fill="url(#bgGradient)" />

  <!-- 装饰元素：几何形状 -->
  <circle cx="50" cy="150" r="80" fill="#FFB6D9" opacity="0.5" />
  <circle cx="700" cy="200" r="120" fill="#B6E5FF" opacity="0.4" />
  <circle cx="120" cy="1200" r="100" fill="#FFC8A2" opacity="0.3" />
  <circle cx="650" cy="1100" r="90" fill="#ADFFD6" opacity="0.3" />

  <!-- 内容区域 -->
  <rect x="75" y="280" width="600" height="880" rx="30" ry="30" fill="white" filter="url(#softShadow)" />

  <!-- DeepSeek标志和标题区 -->
  <rect x="75" y="140" width="600" height="180" rx="30" ry="30" fill="#615DFA" filter="url(#softShadow)" />

  <!-- 标题文本 - 得意黑 -->
  <text x="375" y="220" font-family="'LXGW WenKai', sans-serif" font-size="44" font-weight="bold" fill="white" text-anchor="middle">DeepSeek：3FS 文件系统</text>
  <text x="375" y="280" font-family="'LXGW WenKai', sans-serif" font-size="28" fill="white" text-anchor="middle">DeepSeek开源周第五天重磅发布</text>

  <!-- 技术解读区域 - 思源黑体 -->
  <g font-family="'Noto Sans SC', sans-serif" fill="#333333">
    <text x="105" y="360" font-size="26" font-weight="bold">这是什么？一句话解释?</text>
    <rect x="105" y="380" width="540" height="70" rx="15" ry="15" fill="#FFF4F9" />
    <text x="125" y="425" font-size="22" fill="#333">3FS是一个能充分利用SSD存储和网络带宽的文件系统</text>
    
    <!-- 核心数据指标 -->
    <text x="105" y="490" font-size="26" font-weight="bold">? 性能有多强？</text>
    
    <!-- 数据点1 -->
    <rect x="105" y="510" width="255" height="120" rx="20" ry="20" fill="#E2F6FF" />
    <text x="232.5" y="550" font-size="22" font-weight="bold" fill="#333" text-anchor="middle">读取速度</text>
    <text x="232.5" y="590" font-size="30" font-weight="bold" fill="#615DFA" text-anchor="middle">6.6 TiB/秒</text>
    
    <!-- 数据点2 -->
    <rect x="390" y="510" width="255" height="120" rx="20" ry="20" fill="#FFEFEF" />
    <text x="517.5" y="550" font-size="22" font-weight="bold" fill="#333" text-anchor="middle">排序性能</text>
    <text x="517.5" y="590" font-size="30" font-weight="bold" fill="#FF6B95" text-anchor="middle">3.66 TiB/分钟</text>
    
    <!-- 数据点3 -->
    <rect x="105" y="650" width="255" height="120" rx="20" ry="20" fill="#F2FFEF" />
    <text x="232.5" y="690" font-size="22" font-weight="bold" fill="#333" text-anchor="middle">KVCache查询</text>
    <text x="232.5" y="730" font-size="30" font-weight="bold" fill="#52BF90" text-anchor="middle">40+ GiB/秒</text>
    
    <!-- 数据点4 -->
    <rect x="390" y="650" width="255" height="120" rx="20" ry="20" fill="#FFF8E1" />
    <text x="517.5" y="690" font-size="22" font-weight="bold" fill="#333" text-anchor="middle">集群规模</text>
    <text x="517.5" y="730" font-size="30" font-weight="bold" fill="#FFA726" text-anchor="middle">180节点</text>

    <!-- 为什么重要 -->
    <text x="105" y="810" font-size="26" font-weight="bold">? 为什么这很重要？</text>
    <rect x="105" y="830" width="540" height="170" rx="15" ry="15" fill="#F5F5FF" />
    
    <text x="125" y="865" font-size="22" fill="#333">• 让AI模型训练和推理数据管理更高效</text>
    <text x="125" y="905" font-size="22" fill="#333">• 支持数据预处理、加载和检查点存储</text>
    <text x="125" y="945" font-size="22" fill="#333">• 向量搜索和推理KVCache查询更快</text>
    <text x="125" y="985" font-size="22" fill="#333">• 分离式架构保证数据一致性</text>

    <!-- 开源链接 -->
    <text x="105" y="1040" font-size="26" font-weight="bold">? 开源地址</text>
    <rect x="105" y="1060" width="540" height="70" rx="15" ry="15" fill="#EDFFF5" />
    <text x="125" y="1100" font-size="20" fill="#333">github.com/deepseek-ai/3FS</text>
  </g>
</svg>


## 参考资料：
---
? Introducing NSA: A Hardware-Aligned and Natively Trainable Sparse Attention mechanism for ultra-fast long-context training & inference!

Core components of NSA:
• Dynamic hierarchical sparse strategy
• Coarse-grained token compression
• Fine-grained token selection

? With optimized design for modern hardware, NSA speeds up inference while reducing pre-training costs—without compromising performance. It matches or outperforms Full Attention models on general benchmarks, long-context tasks, and instruction-based reasoning.

? For more details, check out our paper here: https://arxiv.org/abs/2502.11089
---

网页使用过程

使用小技巧

  • 比较适合推特资料转图文分享
  • 资料不要太多，信息太多会排不下
  • 长资料分段提供，制作多图
  • 如果有编辑 SVG 的需要，可以使用 VSCode文本编辑器编辑。

官网下载链接：https://code.visualstudio.com/Download

SVG文本编辑器网盘链接：https://pan.quark.cn/s/3d5b46777fc1
  • 也可以通过PPT编辑元素，添加到 PPT，选择「转为图形」

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业

上一篇：无 下一篇：AI小技巧：LLM时代，如何写好Prompts？
返回列表
相关资讯

2025-03-17

AI小技巧：LLM时代，如何写好Prompts？

2025-03-17

23招教你掌握大模型提示词技巧

2025-03-16

测试工程师玩转DeepSeek之Prompt

2025-03-16

有效提问：使用deepseek等模型提问的方法

2025-03-16

一个提示词全面性的培养孩子 AI 时代的创造力

2025-03-12

用项目管理技能写提示词，效果炸裂！

2025-03-12

Claude 神级提示词

2025-03-12

别再乱问 DeepSeek 了！这些问答让你秒变使用高手
智能化改造方案 智能化改造方案 了解更多
大模型落地应用平台 大模型落地应用平台 了解更多
160+中大型企业正在使用53AI
立即咨询 预约演示
把握AI发展的机遇，共同探索、共同进步

2025-01-22
如何打造基于GenAI的员工服务机器人

2025-01-22
热点资讯
爆肝50小时，DeepSeek使用技巧，你收藏这一篇就够了！

2025-02-01
李继刚神级 Claude prompt合集

2024-09-18
我拿800段润色文章的提示词去除了AI味儿，顺便悟透了AI底层写作。（建议收藏）

2024-08-23
豆包好用的关键，是你得会用！28+ 超实用 AI 常用指令（AI 写作+办公提效）

2025-01-08
120个AI润色指令，让AI内容更加生动！

2025-01-17
ChatGPT：文件上传功能全面解析

2024-07-26
别再写无效Prompt了！2024最实用的18个提示工程技巧详解 (上篇)

2024-12-26
未来已来！Runway Gen-3 Alpha全面开放，这份官方提示词指南收藏好

2024-07-02
100个让AI写出没AI味并且润色优质文章的方法和提示词（建议收藏）

2024-08-23
提示词最佳实践（二）：Prompt迭代优化策略

2024-07-09
大家都在问
AI小技巧：LLM时代，如何写好Prompts？

2025-03-17
DeepSeek-R1提示词使用指南：为什么说没有技巧就是最好的技巧？

2025-02-06
跟大模型对话时prompt提示词越礼貌结果越好？为什么？

2025-01-10
还在吐槽 o1 降智？OpenAI最新提示指南来了！试试看？

2024-12-25
圆桌讨论 | 提示词的应用和实践中要避开哪些坑？

2024-11-20
为什么你编写不出优秀的ChatGPT提示词?

2024-11-13
第一批熟练掌握“提示语”的打工人，已经患上AI依赖症了？

2024-10-31
如何将复杂项目转化为可执行大模型提示词？99%的人都在浪费AI，是因为不懂这个技巧，顶级玩家是如何让AI听话的？

2024-10-29
热门标签
内容创作 大模型技术 个人提效 langchain llamaindex 多模态技术 RAG技术 智能客服 知识图谱 模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架 提示词技巧 AI+电商 AI面试 数字员工 ChatBI 知识管理 开源大模型 智能营销 智能硬件 智能化改造 AI+医疗 MaxKB


应聘简历请发送至： ceo@53ai.com
产品服务
工作+AI
工作对话
内容创作
方案撰写
魔法菜单
业务+AI
智能问答
拓展能力
私有模型
AIx业务
应用智改
LLMFlow
ChatBI
统管平台
大模型咨询
大模型开发
解决方案
【智能问答】解决方案
【应用智改】解决方案
【智能工单】解决方案
AI知识库
前沿技术
Agent框架
行业应用
企业经营
结构化提示词
LangGPT之路
提示词合集
应用案例
社区达人
关于我们
公司介绍
渠道合作
友情链接：
通往AGI之路 云璨信息 企微SCRM 小名片 优网科技
CopyRight © 2012-2024 深圳市博思协创网络科技有限公司 版权所有
粤ICP备17114055号

广州：广州市华景路37号(华景软件园)暨南大学科技大厦6楼（整层） 杨小姐   186 6662 7370

深圳：深圳市福田区泰然四路29号天安创新科技广场一期A座1204    陈先生  185 8882 0121

上海：上海市浦东新区金新路58号1602室    戴先生   186 1639 7587

微信扫码
和创始人交个朋友

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询