当前位置: 首页 > news >正文

AI之Tool:Next AI Draw.io的简介、安装和使用方法、案例应用之详细攻略

AI之Tool:Next AI Draw.io的简介、安装和使用方法、案例应用之详细攻略

目录

Next AI Draw.io的简介

1、特点

Next AI Draw.io的安装和使用方法

1、安装

2、使用方法

T1、在线试用 (Try it Online):

T2、使用 Docker 运行 (推荐)

T3、本地安装 (Installation):

Next AI Draw.io的案例应用

动画转换器连接器 (Animated transformer connectors):

GCP 架构图 (GCP architecture diagram):

AWS 架构图 (AWS architecture diagram):

Azure 架构图 (Azure architecture diagram):

猫咪素描图 (Cat sketch prompt):


Next AI Draw.io的简介

Next AI Draw.io 是一个基于 Next.js 的 Web 应用程序,它将人工智能能力与 draw.io 图表深度集成。该应用允许用户通过自然语言命令AI 辅助可视化来创建、修改和增强图表。它旨在提供一个 AI 驱动的图表创建工具,支持聊天、绘图和可视化功能。

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

1、特点

该项目具备以下核心特点:

>> LLM 驱动的图表创建 (LLM-Powered Diagram Creation):利用大型语言模型(LLM)直接通过自然语言命令创建和操作 draw.io 图表。
>> 基于图像的图表复制 (Image-Based Diagram Replication):用户可以上传现有图表或图片,AI 将自动复制并增强它们。
>> PDF 和文本文件上传 (PDF & Text File Upload):支持上传 PDF 文档和文本文件,以提取内容并从现有文档生成图表。
>> AI 推理过程显示 (AI Reasoning Display):对于支持的模型(如 OpenAI o1/o3, Gemini, Claude 等),可以查看 AI 的思考过程。
>> 图表历史记录 (Diagram History):提供全面的版本控制,跟踪所有更改,允许用户在 AI 编辑之前查看和恢复图表的先前版本。
>> 交互式聊天界面 (Interactive Chat Interface):与 AI 进行实时沟通,以优化和完善图表。
>> 云架构图支持 (Cloud Architecture Diagram Support):专门支持生成云架构图,包括 AWS、GCP 和 Azure。
>> 动画连接器 (Animated Connectors):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。
>> 多提供商支持 (Multi-Provider Support):支持多种 AI 提供商,包括 AWS Bedrock、OpenAI、Anthropic、Google AI、Azure OpenAI、Ollama、OpenRouter、DeepSeek 和 SiliconFlow。除了 AWS Bedrock 和 OpenRouter 外,所有提供商都支持自定义端点。

Next AI Draw.io的安装和使用方法

1、安装

Next AI Draw.io 提供了多种使用和安装方式。

2、使用方法

T1、在线试用 (Try it Online):

无需安装,可直接访问项目的演示网站进行体验。

注意:由于流量较高,演示网站目前使用 minimax-m2 模型。为获得最佳效果,建议使用 Claude Sonnet 4.5 或 Claude Opus 4.5 进行自托管。

自带 API Key (Bring Your Own API Key):用户可以在聊天面板的设置图标中配置自己的 AI 提供商和 API Key,以绕过演示网站的使用限制。您的密钥将本地存储在浏览器中,不会存储在服务器上。

T2、使用 Docker 运行 (推荐)

步骤 1:安装 Docker。

步骤 2:运行以下命令:

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

或者,复制 env.example 到 .env 并编辑配置,然后运行:

cp env.example .env # 编辑 .env 文件 docker run -d -p 3000:3000 --env-file .env ghcr.io/dayuanjiang/next-ai-draw-io:latest

步骤 3:在浏览器中打开 http://localhost:3000。

离线部署:如果 embed.diagrams.net 被阻止,可以查阅离线部署选项。

T3、本地安装 (Installation):

步骤 1:克隆仓库:

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

步骤 2:安装依赖:

bash npm install

步骤 3:配置 AI 提供商:

复制 env.example 到 .env.local:cp env.example .env.local

编辑 .env.local 文件,配置以下变量:
AI_PROVIDER:设置为您选择的提供商(如 bedrock, openai, anthropic, google, azure, ollama, openrouter, deepseek, siliconflow)。
AI_MODEL:设置为要使用的具体模型。

添加所需提供商的 API 密钥。
TEMPERATURE:可选的温度设置(例如 0 用于确定性输出)。对于不支持此设置的模型(如推理模型),可不设置。
ACCESS_CODE_LIST:可选的访问密码,可逗号分隔设置多个密码。警告:如果未设置此项,任何人都可以直接访问您的部署站点,可能导致令牌快速耗尽。强烈建议设置此选项。
查阅《详细提供商配置指南》获取每个提供商的详细设置说明。

步骤 4:运行开发服务器:

bash npm run dev

步骤 5:在浏览器中打开 http://localhost:3000。

部署 (Deployment):

最简单的部署方式是使用 Next.js 官方推荐的 Vercel 平台。

确保在 Vercel 控制台中设置与本地 .env.local 文件中相同的环境变量。

Next AI Draw.io的案例应用

项目提供了一些示例提示词及其生成的图表,展示了其强大的功能:

动画转换器连接器 (Animated transformer connectors):

提示词:Give me a **animated connector** diagram of transformer's architecture. (给我一个带有动画连接器的 Transformer 架构图。)

GCP 架构图 (GCP architecture diagram):

提示词:Generate a GCP architecture diagram with **GCP icons**. In this diagram, users connect to a frontend hosted on an instance. (生成一个带有 GCP 图标的 GCP 架构图。在这个图中,用户连接到一个托管在实例上的前端。)

AWS 架构图 (AWS architecture diagram):

提示词:Generate a AWS architecture diagram with **AWS icons**. In this diagram, users connect to a frontend hosted on an instance. (生成一个带有 AWS 图标的 AWS 架构图。在这个图中,用户连接到一个托管在实例上的前端。)

Azure 架构图 (Azure architecture diagram):

提示词:Generate a Azure architecture diagram with **Azure icons**. In this diagram, users connect to a frontend hosted on an instance. (生成一个带有 Azure 图标的 Azure 架构图。在这个图中,用户连接到一个托管在实例上的前端。)

猫咪素描图 (Cat sketch prompt):

提示词:Draw a cute cat for me. (给我画一只可爱的猫。)

这些案例展示了该应用如何通过自然语言命令,结合特定图标和动画效果,生成各种复杂的架构图和简单的示意图。

http://www.jsqmd.com/news/84674/

相关文章:

  • Windows右键菜单终极优化指南:ContextMenuManager完全使用手册
  • LLMs之Agent:《Agent S: An Open Agentic Framework that Uses Computers Like a Human》翻译与解读
  • AI如何帮你快速解决.NET Framework 3.5安装问题
  • C 标准库 - <locale.h>
  • tar -czvf vs 其他压缩工具:效率对比
  • MLMs之GPT-5:OpenAI 发布 GPT-5.2 — 深入解析性能、编码与视觉能力的升级—面向专业工作的长上下文与工具调用飞跃—如何在长文档、智能体与代码工作流中部署
  • 单片机芯片] CH32V307 支持手机的虚拟U盘实现拖拽固件升级
  • 什么是可信计算?如何在可信计算中加入RFID
  • 4.1.17.1.MYSQL基础
  • 4.1.17.2.存储引擎
  • 【规范驱动的开发方式】之【spec-kit】 的安装入门指南
  • 基于ipsec的医院网络规划设计与实现
  • 【数学 | 大学数学 | 考研数学 | 计算机】线性代数 | 矩阵论
  • 微信小程序开发实战之 01-微信小程序入门
  • Scarab模组管理器:3分钟搞定空洞骑士MOD安装的智能解决方案
  • 2025年论文写作必备:实测6款AI工具后的良心推荐
  • neural network中的loss function (一)
  • 电商评论分析实战:Java + NLP 大模型,从 10 万条评论中自动提取“用户槽点”
  • AI论文工具怎么选?6款详细对比+2025年推荐清单
  • 从对话演示到智能工作平台:ChatGPT的三年演进史(2022-2025)
  • 8 分层架构核心原则
  • 缺少libgcc_s_seh-1.dll
  • 陪诊陪护小程序系统上门陪护代挂号排队跑腿买药陪诊php开发原生微信小程序系统
  • 走向场景,走向融合:2025年末国产大模型的平台化竞赛与Agent新范式
  • 多模态学习架构
  • GPT5.2有哪些最新优势特点?10000字长文带您了解
  • 检索增强生成(RAG)技术原理深度解析:突破大模型知识边界的范式革命
  • day35打卡
  • 注意力机制的演化
  • PropertyChanged?.Invoke(this, new PropertyChangedEventArgs(“Text“));---核心是:INotifyPropertyChanged接口