1. 背景：长文本提示的痛点

在 AI 编程或任务执行中，我们通常需要用大量文字来描述一个复杂的流程。例如：

传统提示词：
“首先检查上下文，然后验证文件是否符合规范，如果符合就执行操作，否则返回错误……”

这类提示词不仅冗长，而且 AI 可能会误解其中的逻辑，导致意图不清或执行错误。而最近 Cline 社区发现了一个突破性的技巧：

💡 直接用 Mermaid 图表替代文字描述，让 AI 以流程图方式理解任务逻辑！

💥 为什么 Mermaid 更高效？

• 结构化信息表达：比起纯文本，Mermaid 让 AI 一眼就能读懂流程关系，避免歧义。

• 更好解析：AI 处理结构化数据（如 JSON、图表）通常比解析自然语言更快、更准确。

• 直观调试：如果某个步骤有问题，只需修改图表，不需要重新编写复杂的提示词。

• 支持纯文本大模型：一方面通过 Mermaid 的结构化描述让纯文本大模型秒懂人类的意图，另一方面减少多模态大模型读图产生的歧义。

---

2. 使用文字来画图的 Mermaid

Mermaid 是一种用文本描述流程图的轻量级标记语言，它可以将代码自动转换为可视化图表，让复杂的流程变得清晰易懂。例如：

🔹 示例 1：用 Mermaid 描述任务流程

传统的 AI 提示词可能是这样的：

“读取文件后进行验证，如果验证通过，则执行任务；否则，返回错误。”

如果用 Mermaid，可以写成：

flowchart TD  
    Start --> ReadFiles  
    ReadFiles --> Verify  
    Verify -- Valid --> Execute  
    Verify -- Invalid --> Error  

🔍 AI “读”到这张图时，流程关系一目了然，不会再误解步骤顺序！

🔹 Mermaid 语法速览

• flowchart TD：表示从上到下的流程图

• A --> B：表示从 A 到 B 的流程

• A -- 条件 --> B：表示带有条件分支的流程

🔹 更多 Mermaid 语法参考：Mermaid 官方文档

---

3. 如何使用 Mermaid 来制作 AI 提示词？

✅ 方法 1：让 AI 直接理解流程
如果 AI 直接支持 Mermaid，可以把提示词变成 Mermaid 代码，让 AI 直接解析。例如：

传统提示词：“先检查用户权限，然后加载数据，最后返回结果。”
Mermaid 版本：

flowchart TD  
    CheckPermission --> LoadData  
    LoadData --> ReturnResult  

这样，AI 读到的是一个清晰的流程图，比阅读文字描述更快、更直观！

---

✅ 方法 2：让 AI 生成 Mermaid 代码
我们还可以让 AI 根据我们的描述自动生成 Mermaid 代码。例如：

用户输入：“请用 Mermaid 表示一个登录流程，包含用户输入、验证、成功或失败处理。”
AI 生成的 Mermaid 代码：

flowchart TD  
    UserInput --> Validate  
    Validate -- Success --> Dashboard  
    Validate -- Failure --> ErrorMessage  

💡 这样不仅节省了时间，还能快速验证流程逻辑是否正确！

---

✅ 方法 3：用 Mermaid 解决 AI 记忆问题（Memory Bank 案例）
在 AI 任务中，记忆重置是一个常见问题。如果每次都要重新输入大量背景信息，既低效又容易出错。但 Cline 社区发现，可以用 Mermaid 结构化表示上下文，让 AI 轻松恢复记忆。

📌 传统方法（纯文本）：

“项目的 projectbrief.md 包含多个文档：systemPatterns.md、productContext.md 和 techContext.md，这些文档的内容共同决定 activeContext.md，而 activeContext.md 进一步影响 progress.md。”

这种描述虽然清楚，但仍然容易导致 AI 误解。我们可以改用 Mermaid 表示：

graph TD  
    projectbrief.md --> systemPatterns.md  
    projectbrief.md --> productContext.md  
    projectbrief.md --> techContext.md  
    productContext.md --> activeContext.md  
    techContext.md --> activeContext.md  
    systemPatterns.md --> activeContext.md  
    activeContext.md --> progress.md  

🔍 这样，AI 就可以一下子就读出文档层次关系，比逐行解析文字描述更高效。

🚀 应用场景：

• 文档管理：帮助 AI 理解多个文件之间的关系。

• 代码架构：快速向 AI 展示项目结构，让 AI 更好地阅读代码。

• 任务流程：描述复杂的业务逻辑，让 AI 准确执行步骤。

---

AI大模型学习路线

如果你对AI大模型入门感兴趣，那么你需要的话可以点击这里大模型重磅福利：入门进阶全套104G学习资源包免费分享！

扫描下方csdn官方合作二维码获取哦！

这是一份大模型从零基础到进阶的学习路线大纲全览，小伙伴们记得点个收藏！

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

100套AI大模型商业化落地方案

大模型全套视频教程

200本大模型PDF书籍

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

LLM面试题合集

大模型产品经理资源合集

大模型项目实战合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓