Nothing close enough? Start from a blank block diagram → Describe it in one paragraph.
How to use a block diagram template.
- 01Describe la canalización de entrenamiento
Empieza por el flujo de datos: «datos sin procesar en S3 → Spark ETL → almacén de características → entrenamiento del modelo en SageMaker → registro de modelos».
- 02Añade la ruta de inferencia
Describe cómo se sirve el modelo: «endpoint REST en tiempo real mediante FastAPI en Kubernetes, con una consulta al almacén de características para cada solicitud».
- 03Incluye la monitorización y el reentrenamiento
Pide «añadir un bloque de monitorización del modelo que detecte deriva y active un trabajo automatizado de reentrenamiento».
- 04Muestra el seguimiento de experimentos
Menciona MLflow, Weights & Biases o Neptune y la IA añadirá el rastreador de experimentos como componente lateral conectado al bloque de entrenamiento.
- 05Exporta para la documentación técnica
Descarga el diagrama como PNG o SVG para incluirlo en documentos de diseño de sistemas, artículos de investigación o wikis internas de plataformas ML.
Questions about block diagram templates
¿Cuál es la diferencia entre una canalización de entrenamiento y una de inferencia?
Una canalización de entrenamiento transforma datos sin procesar en un artefacto de modelo entrenado (datos → características → entrenamiento → evaluación → registro). Una canalización de inferencia recibe una entrada nueva, recupera las características, ejecuta el modelo y devuelve una predicción. Ambas comparten la lógica de ingeniería de características, pero se ejecutan con distinta frecuencia y requisitos de latencia.
¿Puedo dibujar una comparación entre arquitecturas de inferencia en tiempo real y por lotes?
Sí. Pide «dos arquitecturas de inferencia una al lado de la otra: servicio REST en tiempo real y puntuación por lotes nocturna» y ChatDiagram generará ambos flujos como bloques separados en el mismo diagrama.
¿Cómo muestro un almacén de características en la arquitectura?
Describe qué características provienen del almacén offline (entrenamiento por lotes) y cuáles del almacén online (inferencia de baja latencia). La IA dibujará el almacén de características con ambas rutas.
¿Es adecuado para arquitecturas de LLM o IA generativa?
Sí. Describe los componentes —LLM base, canalización RAG, base de datos vectorial, plantilla de prompts, guardrails y evaluación— y ChatDiagram dibujará la arquitectura del sistema de IA generativa.