Nothing close enough? Start from a blank block diagram → Describe it in one paragraph.
How to
How to use a block diagram template.
- 01描述訓練管線
先說明資料流：「S3 原始資料 → Spark ETL → 特徵庫 → SageMaker 模型訓練 → 模型登錄庫」。
- 02加入推論路徑
描述模型如何提供服務：「Kubernetes 上透過 FastAPI 的即時 REST 端點，每次請求都查詢特徵庫」。
- 03納入監控與重新訓練
要求「加入能偵測資料漂移並觸發自動重新訓練工作的模型監控方塊」。
- 04呈現實驗追蹤
提及 MLflow、Weights & Biases 或 Neptune，AI 就會將實驗追蹤器加入為從訓練方塊讀取資料的側邊元件。
- 05匯出至設計文件
下載為 PNG 或 SVG，加入系統設計文件、研究論文或內部 ML 平台維基。
FAQ
Questions about block diagram templates
訓練管線和推論管線有什麼差異？
訓練管線會將原始資料轉換為訓練完成的模型產物（資料 → 特徵 → 訓練 → 評估 → 登錄庫）。推論管線則接收新輸入、擷取特徵、執行模型並回傳預測結果。兩者共用特徵工程邏輯，但執行頻率與延遲要求不同。
可以繪製即時與批次推論架構的比較圖嗎？
可以。只要要求「並列顯示兩種推論架構：即時 REST 服務與每晚批次評分」，ChatDiagram 就會在同一張圖中以不同方塊產生兩者。
如何在架構中呈現特徵庫？
說明哪些特徵來自離線特徵庫（批次訓練），哪些來自線上特徵庫（低延遲推論）。AI 會繪製同時包含離線與線上路徑的特徵庫。
適合繪製 LLM／生成式 AI 架構嗎？
可以。描述各個元件——基礎 LLM、RAG 管線、向量資料庫、提示範本、防護機制與評估——ChatDiagram 就能繪製生成式 AI 系統架構。