【保姆级教程】爆火开源项目 Next AI Draw.io 上手指南:一句话画流程图

【保姆级教程】爆火开源项目 Next AI Draw.io 上手指南:一句话画流程图

目录

一、部署方式选择说明(先看这个)

二、部署前准备(非常重要)

三、方式一:Docker 一行命令启动(最推荐)

四、方式二:源码本地运行(适合二次开发)

五、配置API_Key

六、案例展示

七、写到最后


最近一个开源项目 Next AI Draw.io 在 GitHub 上迅速走红,只需要一句自然语言,就能自动生成流程图、架构图,甚至是完整的 AWS / GCP / Azure 云架构示意图,引发了不少开发者和产品经理的关注。它将大模型能力与 draw.io 深度结合,把“画图”这件原本又慢又累的事情,直接变成了“对话即出图”,无论是技术方案梳理、系统设计说明,还是写文档、做汇报,都能明显提升效率。本文将以【保姆级教程】的方式,手把手带你从零上手 Next AI Draw.io,包括项目特点解析、本地/Docker 部署、模型与 API 配置,以及一句话画流程图的完整实战,哪怕你之前没接触过 draw.io,也能快速跑起来。

Next AI Draw.io 是一个基于 Next.js + draw.io + 多模型 AI 的开源项目,支持你用一句自然语言,直接生成流程图、架构图、系统图。下面我将带你从 0 到 1 完整部署,不管你是前端、后端,还是第一次接触这类项目,都可以一步步照着做。

开源地址:https://github.com/DayuanJiang/next-ai-draw-io

一、部署方式选择说明(先看这个)

官方提供了多种运行方式,但最推荐的是 Docker 部署,原因很简单:

  • 不用纠结 Node / npm 版本
  • 不用折腾 Next.js 构建环境
  • 一条命令即可启动
  • 非常适合本地体验、私有部署、教学演示

👉 本文主推:Docker 部署(推荐)

👉 后面也会补充「源码本地运行」方式,方便二次开发的人参考

二、部署前准备(非常重要)

在开始之前,请确认你已经准备好下面这些环境:

1️⃣ 安装 Docker(必须),可参考这篇文章:【2025 最新版】Win11 安装 Docker Desktop 超详细图文教程(小白也能学会)

如果你还没安装 Docker:

docker -v

能看到版本号,说明 Docker 安装成功。

2️⃣ 准备一个 AI API Key(重点)

Next AI Draw.io 不会自带模型额度,你需要配置自己的 AI Key,例如:

  • OpenAI(GPT-4o)
  • Anthropic(Claude Sonnet / Opus)
  • DeepSeek
  • OpenRouter
  • Azure OpenAI
  • Bedrock 等
如果你不想折腾多平台 Key,也可以使用 API 中转平台,统一管理模型和 Key,部署会更简单,这里推荐我开发的中转API平台:https://linoapi.com.cn,后面会介绍怎么添加的。

三、方式一:Docker 一行命令启动(最推荐)

这是最快、最省事的方式,适合 90% 的用户。

1️⃣ 基础启动命令(示例)
docker run -d -p 3000:3000 \ -e AI_PROVIDER=openai \ -e AI_MODEL=gpt-4o \ -e OPENAI_API_KEY=your_api_key \ ghcr.io/dayuanjiang/next-ai-draw-io:latest

参数说明(一定要看):

  • -p 3000:3000:本地 3000 端口访问
  • AI_PROVIDER:模型提供商
  • AI_MODEL:具体模型名称
  • OPENAI_API_KEY:你的 Key
  • ghcr.io/...:官方构建好的镜像

当然完全可以按照我的命令来,因为在UI界面中也可以重新设置API的。

启动成功后,浏览器访问:👉 http://localhost:3000

看到 draw.io 编辑界面 + AI 对话框,说明部署成功 🎉

四、方式二:源码本地运行(适合二次开发)

如果你打算 魔改功能 / 接入私有模型 / 深度定制 UI,可以用源码方式。

git clone https://github.com/DayuanJiang/next-ai-draw-io cd next-ai-draw-io

2️⃣ 安装依赖(node安装可参考:【2025年最新版】Node.js安装及环境配置超详细教程(以win11为例子)

npm install

3️⃣ 配置环境变量

cp env.example .env.local

编辑 .env.local,配置你自己的模型参数。

(其中API_KEY需要在 👉 https://linoapi.com.cn/ 获取)

4️⃣ 启动开发环境

npm run dev

启动成功后,浏览器访问:👉 http://localhost:6002/

五、配置API_Key

在配置 Next AI Draw.io 的模型服务之前,我们需要先在中转 API 平台申请一个可用的 API Key,用于替代 OpenAI 的原生 Key。只需要简单几步,即可完成授权与配置。

首先前往平台注册或登录账号:👉 https://linoapi.com.cn/register?aff=sJ68

进入控制台后,在顶部导航栏选择 「控制台」,然后在左侧菜单中找到 「API 令牌」。点击 「添加令牌」 即可创建一个新的 API Key。

创建令牌时,“名称”可以随意填写,例如我填写的是 Next AI Draw.io 。 “分组”建议选择 default,接着我们会在 Next AI Draw.io 的配置文件中填写模型名称,中转平台会根据模型自动路由到正确的接口。

你还可以为这个令牌设置额度限制,例如设置 50 元 作为上限,确保 Next AI Draw.io 的调用不会意外消耗过多费用。如果你希望不限额度,也可以选择无限制。但无论哪种方式,请记得在 「钱包」 中充值,否则 API 将无法调用。

创建完成后,系统会生成一个 API Key。把这个 Key 复制下来,稍后我们需要把它写入 Next AI Draw.io 项目的配置文件中。

在 MemMachine 中使用中转 API 时,一般填写以下两项内容:

  • Base URLhttps://linoapi.com.cn/v1
  • api_key:复制你刚生成的 Key,例如:sk-xxxxxx

修改完成后会自动保存的,这样就可以让其使用中转 API 平台作为模型服务来源。

这里以OpenAI为案例,在右上角的设置按钮⚙️,打开 Settings 界面,Provider 选择 OpenAI ,ModelID填写 gpt-4o ,API Key 就复制你刚生成的 Key 。Base URL 填写https://linoapi.com.cn/v1,配置好之后就会自动保存,就可以在对话框中进行自由生成流程图啦~!

经过几个模型测试发现,使用Claude效果会更好。Provider 选择Anthropic,ModelID填写claude-opus-4-5-20251101,API Key 就复制你刚生成的 Key 。Base URL 填写https://linoapi.com.cn/v1

六、案例展示

很多人第一次接触 RAG(Retrieval-Augmented Generation)时,最大的问题不是概念,而是流程在脑子里是乱的。这时候,Next AI Draw.io 的价值就体现出来了:一句话,直接把 RAG 的完整链路画出来。

示例提示词:

帮我使用流程图演示 RAG 的工作原理。

与其用大段文字解释 AI 系统的“工作原理”,不如直接让 AI 把流程画出来。Next AI Draw.io 真正解决的,是复杂逻辑难以可视化的问题

七、写到最后

到这里,你已经可以看到 Next AI Draw.io 并不是一个“玩具型 AI 画图工具”,而是一个真正把「大模型 + 专业图表工具」结合起来的生产力项目:一句话生成流程图、架构图、技术原理图,支持私有部署、多模型接入、版本回溯,几乎覆盖了研发、产品、教学、写文档等所有高频场景。如果你经常需要画流程图、技术架构图、原理示意图,那么强烈建议你亲自部署跑一遍,你会明显感受到“画图这件事,被 AI 彻底改变了”。后续我也会继续拆解更多 AI + 可视化 + 智能体 的实战项目和玩法,欢迎点赞、收藏、关注,我们一起把这些真正有用的 AI 工具,变成自己的生产力武器。

Read more

关于 ComfyUI 的 Windows 本地部署系统环境教程(详细讲解Windows 10/11、NVIDIA GPU、Python、PyTorch环境等)

在本地部署 ComfyUI 时,确保 Python、PyTorch、CUDA 等组件的版本能完美匹配,这对避免安装报错和保证稳定运行至关重要。 以下内容是整合了一份核心组件的版本适配对照表,并配上不同显卡的配置建议,希望能帮助你顺利部署。 一、准备阶段 1. 系统与硬件确认 * 确保你的系统为 Windows 10 或更高版本。 * 拥有一块 NVIDIA 显卡(最好支持较新 CUDA 架构)。 * 显存建议至少 6-8 GB,如果你要做高清、大分辨率或多插件 (ControlNet/LoRA) 的生成,建议 12 GB 以上。 * NVIDIA 驱动建议更新为与所选 CUDA 版本兼容的最新驱动。 * 你可运行 nvidia-smi 在终端查看当前驱动版本及支持的 CUDA 最高版本。 * 硬盘建议为 SSD,并有充足可用空间(

By Ne0inhk

Python智能工具:TradingView-Screener的3大颠覆式功能与实战案例

Python智能工具:TradingView-Screener的3大颠覆式功能与实战案例 【免费下载链接】TradingView-ScreenerA package that lets you create TradingView screeners in Python 项目地址: https://gitcode.com/gh_mirrors/tr/TradingView-Screener 【核心价值解析】 在量化投资领域,如何快速从海量市场数据中筛选出符合策略的标的?Python选股工具TradingView-Screener通过程序化方式连接TradingView强大的筛选引擎,提供了毫秒级数据响应与灵活的条件组合能力。该工具支持50+技术指标、250+数据列和67个全球市场的筛选,可帮助投资者构建从简单到复杂的多维度选股策略。无论是量化策略开发还是实时市场监控,都能通过直观的API接口实现高效数据获取与分析。 【场景化案例实战】 场景一:早盘机会捕捉系统 如何在开盘前快速识别市场热点?传统手动筛选需要逐一检查多个数据源,而使用TradingView-Screener可

By Ne0inhk
基于Python的医院运营数据可视化平台:设计、实现与应用(上)

基于Python的医院运营数据可视化平台:设计、实现与应用(上)

一、引言 1.1 研究目的与意义 在信息技术日新月异的当下,医疗行业正处于深刻的变革之中,逐渐朝着信息化、智能化方向大步迈进。医院每天都会产生海量的数据,涵盖患者信息、诊疗记录、药品库存、设备使用状况等多个关键领域。这些数据宛如一座蕴藏丰富的宝藏,若能加以科学有效的管理与分析,将为医院的运营管理提供强大的支持,成为提升医疗服务质量、优化资源配置的关键要素。然而,传统的数据处理方式,如过度依赖 Excel 表格和简单的统计工具,在面对如此庞大且复杂的数据时,显得力不从心,效率极为低下,难以满足医院日益增长的复杂分析需求。 基于此,本研究旨在构建一个基于 Python 的医院运营数据可视化平台,将 Python 语言的强大功能与数据可视化技术深度融合,为医院运营管理开辟全新的路径。Python 作为一种高级编程语言,以其简洁性、易读性以及丰富多样的扩展库,如 Pandas、Matplotlib 等,在数据处理和可视化领域展现出卓越的优势,能够高效地实现数据清洗、分析以及可视化图表的生成。 本研究具有重要的现实意义。对于医院管理而言,该平台能够极大地提高运营管理的效率。

By Ne0inhk
Python每日一练 · 四道经典选择题(含详细解析)

Python每日一练 · 四道经典选择题(含详细解析)

Python每日一练 · 四道经典选择题(含详细解析) 本文精选自牛客网 Python 刷题记录,每道题附详细解析、知识拓展和个人思考。适合查漏补缺,夯实基础。 目录 * 题目1:capitalize() 的返回值 * 题目2:字典的键可以是元组吗? * 题目3:默认参数的陷阱 * 题目4:divmod() 的返回值 * 今日总结 题目1:capitalize() 的返回值 题干: 下面这段 Python3 代码运行后,a 和 b 分别输出什么? 之前我一直没注意这个细节,今天终于搞懂了。 a ='python' b = a.capitalize()print(a)print(b) 选项: A. python python

By Ne0inhk