Excalidraw 5G通信系统模块划分图示例

Excalidraw 在5G通信系统模块划分中的实践与思考

在一次跨时区的5G核心网架构评审会议上，团队正为一张Visio图的版本混乱而争论不休：有人改了AMF的位置，另一人调整了UPF连接线，却没人能确定哪一版是“最终稿”。直到有人分享了一个Excalidraw链接——所有人同步看到画布上新增了一条红色虚线箭头，标注着“N4接口冗余路径待确认”，讨论瞬间聚焦。这种场景如今越来越常见：当通信系统的复杂度突破传统文档协作的边界时，我们真正需要的不是更精细的绘图工具，而是一种能跟上思维节奏的“可视化对话空间”。

这正是Excalidraw的价值所在。它不追求CAD级的精确，反而用轻微抖动的线条和手写感字体降低表达的心理门槛；它不堆砌功能，却通过极简界面让实习生也能在十分钟内画出完整的5G SA架构草图。更重要的是，它的底层逻辑与现代软件工程高度契合——所有图形本质上是一段可被Git追踪的JSON数据，一次拖拽操作就是一条可广播的状态变更指令。

从画布到架构：技术实现的本质

打开浏览器就能使用的背后，是一套精巧的技术组合。前端用Canvas绘制每一个元素时，并非简单添加噪点滤镜，而是通过贝塞尔曲线扰动生成“拟人化”轨迹。比如画一条连接gNB与AMF的箭头，系统会动态计算控制点偏移量，使得每次渲染都略有差异，模拟真实白板上的笔触波动。这种设计哲学很明确：避免完美主义阻碍创意流动。毕竟，在系统设计初期，一张看起来像草图的图表反而更容易激发讨论。

状态同步机制则借鉴了协同编辑的经典模型。每个用户的操作（如移动SMF模块）会被序列化为包含时间戳的操作指令（OT），通过WebSocket推送到服务端，再分发给其他客户端。这里的关键在于冲突解决策略——当两位工程师同时修改同一个NF实例时，系统采用“最后写入优先”原则，并高亮显示变更区域。虽然看似简单，但在实际项目中已足够应对多数协作场景。

真正让Excalidraw脱颖而出的是其数据结构的开放性。一个典型的5G架构图导出后不过几十KB的JSON文件，其中每个对象都带有清晰语义：

{ "type": "rectangle", "id": "upf-node", "x": 420, "y": 180, "width": 120, "height": 60, "text": "UPF", "strokeStyle": "dashed" }

这种轻量级持久化格式使得自动化处理成为可能。例如下面这段Python脚本不仅能解析模块位置，还能构建拓扑关系图谱：

import json from collections import defaultdict def analyze_5g_topology(filepath): with open(filepath, 'r') as f: raw = json.load(f) elements = {e['id']: e for e in raw['elements']} boxes = {k: v for k,v in elements.items() if v['type'] == 'rectangle' and v.get('text')} arrows = [e for e in elements.values() if e['type'] == 'arrow'] # 构建邻接表 graph = defaultdict(list) for arrow in arrows: src_id = arrow['start']['elementId'] tgt_id = arrow['end']['elementId'] if src_id in boxes and tgt_id in boxes: graph[boxes[src_id]['text']].append(boxes[tgt_id]['text']) return dict(graph) # 输出示例： # {'gNB': ['AMF'], 'AMF': ['SMF'], 'SMF': ['UPF', 'UDM'], 'UPF': ['DN']}

这个简单的分析器可以在CI流水线中运行，自动检测新提交的架构图是否遗漏关键连接（如缺少SMF→UPF的N4接口），或将所有微服务依赖关系导入知识图谱系统。

当AI开始画网络拓扑

最令人兴奋的变化来自AI集成。通过Mermaid插件桥接大语言模型，现在可以直接输入：“生成5G切片场景下多个SMF实例选择逻辑图”，几秒钟后画布上就会出现带条件判断的流程框架。背后的链路是这样的：

自然语言 → LLM解析 → Mermaid代码生成 → 渲染引擎 → Excalidraw元素

某次内部测试中，提示词“Draw a MEC-enabled 5G architecture with local UPF breakout”成功生成了包含边缘云、本地数据网出口和低时延回传路径的拓扑雏形。尽管初始布局仍需人工调整（AI把UDM放在了用户侧机房这种明显错误），但节省了至少半小时的基础绘图时间。

但这绝不意味着可以完全信任AI输出。我们在实践中总结出三条铁律：
1.永远验证接口归属：LLM常混淆N2/N3接口的端点设备；
2.检查协议栈层级：自动生成的内容容易将HTTP/2服务化接口与GTP-U隧道混在同一平面表达；
3.警惕过度简化：AI倾向于画出理想化的星型拓扑，忽略现网中常见的级联式UPF部署。

因此当前最佳实践是“AI打底 + 人工精修”：先让模型快速搭建骨架，再由领域专家填充细节并修正逻辑。对于敏感项目，则建议使用本地化部署的Llama3或ChatGLM3模型，避免架构信息经由公共API外泄。

工程落地中的那些“坑”

别看界面简单，真正在大型项目中推行时还是会遇到意想不到的问题。去年参与某运营商5G专网设计时，我们就踩过几个典型陷阱：

首先是颜色滥用问题。最初大家随意使用彩色标记，结果蓝色既代表控制面又被用来标注重点模块，造成严重误解。后来强制推行团队规范：
- 蓝灰渐变：标准3GPP定义组件
- 浅绿填充：用户面功能单元
- 红边框：涉及外部系统交互
- 虚线轮廓：规划中/试验性部署

其次是演进路径表达混乱。面对NSA向SA的过渡方案，有人用删除线划掉EPC模块，有人新建图层存放历史版本，导致新人难以理解技术路线。最终解决方案是在画布右侧设立“时间轴栏”，用不同色块纵向排列各阶段架构快照，中间以弯曲箭头标明迁移路径。

最大的挑战其实是心理转变。一些资深架构师坚持认为“手绘风格不够专业”，拒绝在正式评审中使用。我们的对策是提供双模式输出——保留原始.excalidraw文件用于协作迭代，另存一份SVG矢量图用于汇报展示。事实证明，当他们发现能用Ctrl+Z回溯三天前的讨论记录时，态度很快发生了转变。

不止于绘图：作为数字协作基座的可能性

如果只把它当作Visio替代品，就低估了Excalidraw的潜力。我们已经开始探索更深的集成方式：

• 与Confluence深度绑定：通过宏嵌入实时画布，使技术文档具备“可操作性”。读者可以直接在页面内调整参数查看影响范围。
• 驱动自动化测试：将标注了QoS等级的业务流路径图转化为Terraform配置片段，自动部署对应的网络切片资源。
• 构建组织记忆库：定期归档重要决策画布，形成可视化的技术演进年鉴。比起会议纪要，一张标记着各方意见的架构图更能还原当时的权衡过程。

有个生动的例子：某次关于CUPS（控制面与用户面分离）部署范围的争论持续数周未决。直到大家在共享画布上分别画出各自主张的拓扑，并叠加流量热力图后，才直观发现某种折中方案能在成本与时延之间取得最佳平衡。那一刻，工具已不再是被动记录者，而成了促进认知升级的媒介。

技术总在解决旧问题的同时制造新挑战。当6G研究逐步深入，空天地一体化网络的三维拓扑表达将成为下一个难题——也许那时我们需要的不只是二维画布，而是支持AR标注的空间协作环境。但无论形态如何变化，核心诉求始终未变：让复杂的系统关系变得可见、可议、可传承。从这个角度看，Excalidraw所代表的极简主义协作范式，或许比任何具体功能都更具长远意义。