支持私有云部署
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


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

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