【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

PythonWeb基础-FastAPI使用

PythonWeb基础-FastAPI使用

FastAPI是一个基于Python的高性能Web框架,用于快速构建API接口服务。FastAPI带有原生的异步支持,具备极高的性能。 1.框架基础使用 1.1 创建FastAPI项目 创建虚拟环境是为了隔离项目运行环境,避免依赖冲突,保持全局环境的干净与稳定。 项目运行: 方式一:run项目 方式二:运行指令:uvicorn 模块名:app(应用实例名) --reload  ( --reload:更改代码后自动重启服务器) 访问交互式文档: http://127.0.0.1:8000/docs 1.2 路由 路由就是URL地址与处理函数之间的映射关系,它决定了用户访问某个特定网址时,服务器应执行哪个后端接口来返回响应结果。 FastAPI的路由定义基于Python的装饰器模式: 实例: from fastapi import FastAPI # 创建 FastAPI 实例 app = FastAPI() @app.

【WebAPI 模拟器】.NET 8/9 + Minimal API + Swagger + DI + WPF Host

【WebAPI 模拟器】.NET 8/9 + Minimal API + Swagger + DI + WPF Host

WPF 配置 WebAPI 接口 → 动态生成 API → 自动生成 Swagger → 通过依赖注入动态处理请求 → 作为 WebAPI 模拟器使用 方案基于 .NET 8/9 + Minimal API + Swagger + DI + WPF Host,这是目前最稳定、最灵活、最适合“接口模拟器 / 动态 API”的技术组合。 一、总体架构设计(推荐) ┌──────────────────────────┐ │ WPF UI │ │ - 接口配置(路径/方法) │ │ - 请求参数定义 │ │ - 响应模板(JSON) │ │ - 启停 / 热更新 │ └───────────┬──────────────┘ │ ▼ ┌──────────────────────────┐ │ ApiDefinitionStore │◄── 内存 / SQLite / JSON

# 【Rust系统编程与WebAssembly】生态工具指南:从工程化到前端集成

# 【Rust系统编程与WebAssembly】生态工具指南:从工程化到前端集成

文章目录 * 1. 核心基础:Cargo 工作区配置(多项目工程化管理) * 1.1 工作区核心概念与适用场景 * 1.2 工作区创建与目录结构 * 步骤 1:创建工作区目录与配置文件 * 步骤 2:创建子包 * 步骤 3:最终目录结构 * 1.3 依赖共享与版本管理 * 1. 引用工作区共享依赖 * 2. 子包间依赖传递 * 1.4 多目标编译配置 * 1.5 工作区常用指令 * 2. 性能优化:Rust 程序性能剖析(perf 实战) * 2.1 perf 工具简介与环境准备 * 1. perf 工具功能 * 2. 环境安装(Linux

Ollama金融AI架构解析:daily_stock_analysis中WebUI、Ollama、Prompt三层解耦

Ollama金融AI架构解析:daily_stock_analysis中WebUI、Ollama、Prompt三层解耦 你有没有想过,自己动手搭建一个专属的AI股票分析师?不用依赖任何外部服务,数据完全私有,还能根据你的想法定制分析报告的风格。 今天要聊的,就是这样一个项目:AI 股票分析师 (daily_stock_analysis)。它不是一个简单的脚本,而是一个精心设计的、三层解耦的金融AI应用架构。通过剖析这个项目,你不仅能学会如何部署一个本地AI分析工具,更能理解现代AI应用是如何将用户界面、模型引擎和业务逻辑清晰分离的。这种架构思路,对于构建任何严肃的AI应用都至关重要。 简单来说,这个项目做了三件事: 1. 给你一个网页:让你能像使用普通网站一样输入股票代码、点击按钮。 2. 在后台运行一个大模型:这个模型完全跑在你自己的服务器或电脑上,不联网。 3. 让模型扮演专业分析师:通过一套设计好的“指令”,让模型输出结构化的分析报告。 接下来,我们就一层一层拆开看,这个“AI股票分析师”到底是怎么工作的。 1. 项目总览:一个本地化的金融AI工具