Nothing close enough? Start from a blank block diagram → Describe it in one paragraph.
How to use a block diagram template.
- 01学習パイプラインを説明する
「S3の生データ → Spark ETL → 特徴量ストア → SageMakerでモデル学習 → モデルレジストリ」のように、まずデータの流れを示します。
- 02推論経路を追加する
「Kubernetes上のFastAPIによるリアルタイムRESTエンドポイントで、リクエストごとに特徴量ストアを参照する」のように、モデルの提供方法を説明します。
- 03監視と再学習を含める
「ドリフトを検知して自動再学習ジョブを起動するモデル監視ブロックを追加して」と指示します。
- 04実験の追跡を示す
MLflow、Weights & Biases、Neptuneなどを指定すると、AIが学習ブロックから情報を読み取る実験トラッカーを補助コンポーネントとして追加します。
- 05設計資料向けに書き出す
PNGやSVGでダウンロードし、システム設計書、研究論文、社内MLプラットフォームのWikiに掲載します。
Questions about block diagram templates
学習パイプラインと推論パイプラインの違いは何ですか？
学習パイプラインは、生データを学習済みモデルの成果物へ変換します（データ → 特徴量 → 学習 → 評価 → レジストリ）。推論パイプラインは、新しい入力を受け取り、特徴量を取得してモデルを実行し、予測結果を返します。両者は特徴量エンジニアリングのロジックを共有できますが、実行頻度とレイテンシ要件が異なります。
リアルタイム推論とバッチ推論の構成を比較できますか？
はい。「リアルタイムRESTサービングと夜間バッチスコアリングの2つの推論アーキテクチャを横並びで」と指示すれば、ChatDiagramが同じ図の中に別々のブロックとして生成します。
アーキテクチャに特徴量ストアを含めるにはどうすればよいですか？
オフラインストア（バッチ学習）とオンラインストア（低レイテンシ推論）のどちらから各特徴量を取得するかを説明します。AIがオフライン経路とオンライン経路の両方を備えた特徴量ストアを描きます。
LLMや生成AIのアーキテクチャにも使えますか？
はい。ベースLLM、RAGパイプライン、ベクトルデータベース、プロンプトテンプレート、ガードレール、評価などの構成要素を説明すると、ChatDiagramが生成AIシステムのアーキテクチャを描きます。