AI驱动的图表生成器Next-AI-Draw.io

AI驱动的图表生成器Next-AI-Draw.io
在这里插入图片描述

简介

什么是 Next-AI-Draw.io ?

Next-AI-Draw.io 是一个开源的、支持自托管的在线绘图应用。它结合了传统绘图工具的灵活性和人工智能的强大能力,让你不仅可以自由创作流程图、线框图、思维导图,还能通过 AI 指令一键生成内容,极大地提升了创作效率。

主要特点

  • LLM 驱动的图表创建:利用大型语言模型(LLM)通过自然语言命令直接创建和操作 draw.io 图表。
  • 基于图像的图表复制:上传现有图表或图像,让 AI 自动复制并增强它们。
  • 图表历史记录:全面的版本控制,跟踪所有更改,允许您查看和恢复图表的先前版本。
  • 交互式聊天界面:与 AI 进行交流,实时优化您的图表。
  • AWS 架构图支持:专门支持生成 AWS 架构图。
  • 动画连接器:在图表元素之间创建动态和动画连接器,以实现更好的可视化效果。
  • 多模型支持:支持多个 AI 提供者(如 AWS BedrockOpenAI 等),用户可以根据需要选择不同的模型。

应用场景

  • 头脑风暴:快速记录和组织团队的想法,利用 AI 扩展创意。
  • 软件设计:绘制系统架构图、UML 图和数据库模型。
  • 产品原型:创建低保真线框图和用户流程图。
  • 项目管理:制作流程图和甘特图,可视化项目进度。
  • 个人笔记:将笔记和想法以思维导图的形式组织起来。

Next AI Draw.io 是一个功能强大且灵活的工具,用户可以使用 AI 技术有效地创建和编辑专业图表。

构建镜像

如果你不想自己构建,可以跳过,直接阅读下一章节

Dockerfile

官方没有提供 Docker 镜像,下面是老苏基于源代码,在 AI 协助下构建的 Dockerfile

# 阶段 1: 依赖安装与构建 # 这个阶段安装所有依赖(包括 devDependencies)来构建项目 FROM node:20-alpine AS deps WORKDIR /app # 复制 package.json 和 lock 文件 COPY package*.json ./ # 安装所有依赖 RUN npm ci # ---------------------------------------------------------------- # 阶段 2: 构建阶段 # 这个阶段使用上一步安装的依赖来构建应用 FROM node:20-alpine AS builder WORKDIR /app # 从 'deps' 阶段复制 node_modules COPY --from=deps /app/node_modules ./node_modules # 复制源码 COPY . . # 确保 next.config.js 中已设置 output: 'standalone' # 构建应用 RUN npm run build # ---------------------------------------------------------------- # 阶段 3: 运行时阶段 # 这是最终运行应用的最小化镜像 FROM node:20-alpine AS runner WORKDIR /app # 设置生产环境变量 ENV NODE_ENV=production # Next.js 在 standalone 模式下会自动设置 HOSTNAME 为 0.0.0.0 # 创建非 root 用户以提升安全性 RUN addgroup --system --gid 1001 nodejs RUN adduser --system --uid 1001 nextjs USER nextjs # 从构建阶段复制 standalone 输出 # standalone 目录包含了所有运行应用所需的文件 COPY --from=builder --chown=nextjs:nodejs /app/.next/standalone ./ # 复制 public 和 .next/static 目录 COPY --from=builder --chown=nextjs:nodejs /app/public ./public COPY --from=builder --chown=nextjs:nodejs /app/.next/static ./.next/static # 暴露端口 EXPOSE 3000 # 设置 Next.js 默认端口 ENV PORT 3000 # 启动服务器 # standalone 模式会生成一个 server.js 入口文件 CMD ["node", "server.js"] 

next.config.ts

除此之外,还需要修改项目根目录下的 next.config.ts 文件,因为上面的 Dockerfile 依赖 Next.jsstandalone 模式。

将原始的内容

importtype{ NextConfig }from"next";const nextConfig: NextConfig ={/* config options here */};exportdefault nextConfig;

改为下面这样,确保其中包含 output: 'standalone' 配置

importtype{ NextConfig }from"next";const nextConfig: NextConfig ={/* config options here */ output:'standalone',};exportdefault nextConfig;

构建和运行

构建镜像和容器运行的基本命令如下👇

# 下载代码git clone https://github.com/DayuanJiang/next-ai-draw-io.git # 进入目录 cd next-ai-draw-io # 构建镜像 docker build -t wbsu2003/next-ai-draw-io:v1 .# 运行容器 docker run -d \ --restart unless-stopped \ --name next-ai-draw-io \ -p 3164:3000 \ -e AI_PROVIDER=openai \ -e AI_MODEL=deepseek-ai/DeepSeek-V3.2-Exp \ -e OPENAI_BASE_URL=https://api.siliconflow.cn/v1 \ -e OPENAI_API_KEY=sk-xxxxxxxxxxxx \ wbsu2003/next-ai-draw-io:v1 

准备

Next-AI-Draw.io 支持主流的大模型

  • AWS Bedrock (default)
  • OpenAI / OpenAI-compatible APIs (via OPENAI_BASE_URL)
  • Anthropic
  • Google AI
  • Azure OpenAI
  • Ollama

不同的模型能力存在差异,有条件的可以试试 claude-sonnet-4-5 或者 claude-opus-4-5,判别的标准很简单,就是让它画一只猫

本文还是以 硅基流动 为例:

  • AI_PROVIDER硅基流动OpenAI-compatible,所以设为 openai
  • OPENAI_API_KEYsk-xxxxxxxxxxxx 改为自己的 API key
  • OPENAI_BASE_URLhttps://api.siliconflow.cn/v1
  • AI_MODEL: 可以试了 deepseek-ai/DeepSeek-V3.2-Exp ,因为比较便宜

目前硅基流动(SiliconFlow),注册就送 2000Tokens,虽然不是免费,但也够用一阵子的

注册地址:

https://cloud.siliconflow.cn/i/NkUiXVhQ

如果你使用的不是 硅基流动,环境变量可以参考官方的 https://github.com/DayuanJiang/next-ai-draw-io/blob/main/env.example 文件

安装

在群晖上以 Docker 方式安装。

在注册表中搜索 wbsu2003 ,翻页、下拉找到 wbsu2003/next-ai-draw-io,版本选择 latest

本文写作时, latest 版本对应的软件版本为 v0.2.0

端口

本地端口只要不与现有端口冲突即可。

本地端口容器端口
31643000

环境

为了让 AI 功能正常工作,老苏提供了一个 OpenAI 兼容的 API 服务,详细说明参考上一个章节

变量说明
AI_PROVIDERopenai必须。你的大语言模型提供商,支持 bedrock, openai, anthropic, google, azure, ollama, openrouter
AI_MODELdeepseek-ai/DeepSeek-V3.2-Exp必须。你使用的大语言模型
OPENAI_API_KEYsk-xxxxxxxxxxxx必须。你的大语言模型的密钥
OPENAI_API_BASE_URLhttps://api.openai.com/v1可选。如果你使用第三方代理或自建的 API 服务,请修改此地址。

命令行安装

如果你熟悉命令行,可能用 docker cli 更快捷

# 运行容器 docker run -d \ --restart unless-stopped \ --name next-ai-draw-io \ -p 3164:3000 \ -e AI_PROVIDER=openai \ -e AI_MODEL=deepseek-ai/DeepSeek-V3.2-Exp \ -e OPENAI_BASE_URL=https://api.siliconflow.cn/v1 \ -e OPENAI_API_KEY=sk-xxxxxxxxxxxx \ wbsu2003/next-ai-draw-io 

也可以用 docker-compose 安装,将下面的内容保存为 docker-compose.yml 文件

version:'3'services:next-ai-draw-io:image: wbsu2003/next-ai-draw-io container_name: next-ai-draw-io restart: unless-stopped ports:- 3164:3000environment:- AI_PROVIDER=openai - AI_MODEL=deepseek-ai/DeepSeek-V3.2-Exp - OPENAI_BASE_URL=https://api.siliconflow.cn/v1 - OPENAI_API_KEY=sk-xxxxxxxxxxxx 

然后通过 SSH 登录到您的群晖,执行下面的命令:

# 新建文件夹 next-ai-draw-io 和 子目录mkdir -p /volume1/docker/next-ai-draw-io # 进入 next-ai-draw-io 目录cd /volume1/docker/next-ai-draw-io # 将 docker-compose.yml 放入当前目录# 一键启动 docker-compose up -d 

运行

在浏览器中输入 http://群晖IP:3164 就能看到应用主界面

如果遇到加载失败(像下图一样,一直转圈),重新刷新一下页面

画一个登录的流程图

绘制过程

绘制完成

关闭侧边的聊天窗口后,和 Draw.io 是一样的

最后看看 deepseek-ai/DeepSeek-V3.2-Exp 画的猫

参考文档

DayuanJiang/next-ai-draw-io: A next.js web application that integrates AI capabilities with draw.io diagrams. This app allows you to create, modify, and enhance diagrams through natural language commands and AI-assisted visualization.
地址:https://github.com/DayuanJiang/next-ai-draw-io
Next AI Draw.io - AI-Powered Diagram Generator
地址:https://next-ai-draw-io.vercel.app/

Read more

中文文本分类新选择|AI万能分类器集成WebUI开箱即用

中文文本分类新选择|AI万能分类器集成WebUI开箱即用 在自然语言处理(NLP)的实际应用中,文本分类是构建智能客服、舆情监控、工单系统、内容推荐等场景的核心能力。传统方法往往依赖大量标注数据进行模型训练,成本高、周期长。而随着预训练语言模型的发展,零样本学习(Zero-Shot Learning) 正在改变这一局面。 本文将介绍一款基于 StructBERT 零样本分类模型 的 AI 万能分类器镜像——无需训练、支持自定义标签、集成可视化 WebUI,真正实现“开箱即用”的中文文本智能打标解决方案。 🌟 为什么需要“零样本”文本分类? 在实际业务中,我们常常面临这样的问题: * 新的分类需求不断出现(如新增投诉类型) * 标注数据稀缺或成本过高 * 快速验证分类逻辑是否可行 * 希望快速搭建原型系统进行演示 传统的监督学习流程:收集数据 → 清洗标注 → 训练模型 → 部署上线,动辄数周甚至数月。而零样本分类技术让我们可以跳过训练阶段,在推理时直接定义类别标签,由模型根据语义理解自动判断归属。 💡 零样本

前端实现Word文档在线编辑与导出:基于mammoth.js与Blob对象的完整解决方案

如何在浏览器中直接编辑Word文档并导出?本文将深入探索一种基于mammoth.js和Blob对象的完整技术方案。 在当今的Web应用开发中,实现文档的在线编辑与导出已成为常见需求。无论是企业内部系统、教育平台还是项目管理工具,都迫切需要让用户能够在浏览器中直接编辑Word文档,而无需安装桌面软件。本文将详细介绍如何利用mammoth.js和Blob对象实现这一功能,并对比其他可行方案。 一、为什么选择mammoth.js与Blob方案? 在Web前端实现Word文档处理,主要有三种主流方案:浏览器原生Blob导出、mammoth.js专业转换和基于模板的docxtemplater方案。它们各有优劣,适用于不同场景。 mammoth.js的核心优势在于它能将.docx文档转换为语义化的HTML,而非简单复制视觉样式。这意味着它生成的HTML结构清晰、易于维护和样式定制。配合Blob对象,我们可以轻松将编辑后的内容重新导出为Word文档。 与直接使用Microsoft Office Online或Google Docs嵌入相比,mammoth.js方案不依赖外部服务,能更好地

C# 技术栈下的 WebAPI 数据协议实战解析:RESTful 与 GraphQL 的对决

一、基础架构设计对比  1. RESTful:资源驱动的.NET原生方案 核心特性: 通过 ASP.NET Core 的 [ApiController] 和路由模板实现资源管理,每个端点对应一个 HTTP 方法。例如获取商品信息的典型实现: [ApiController] [Route("api/products")] public class ProductsController : ControllerBase { [HttpGet("{id}")] public IActionResult GetProduct(int id) => Ok(_productRepo.GetById(id)); // 单资源获取 } 优势: * 遵循 HTTP 规范,天然支持无状态设计和缓存(如 [ResponseCache]