【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

零基础学AI大模型之LangChain链

零基础学AI大模型之LangChain链

大家好,我是工藤学编程 🦉一个正在努力学习的小博主,期待你的关注实战代码系列最新文章😉C++实现图书管理系统(Qt C++ GUI界面版)SpringBoot实战系列🐷【SpringBoot实战系列】SpringBoot3.X 整合 MinIO 存储原生方案分库分表分库分表之实战-sharding-JDBC分库分表执行流程原理剖析消息队列深入浅出 RabbitMQ-RabbitMQ消息确认机制(ACK)AI大模型零基础学AI大模型之LangChain聊天模型多案例实战 前情摘要: 1、零基础学AI大模型之读懂AI大模型 2、零基础学AI大模型之从0到1调用大模型API 3、零基础学AI大模型之SpringAI 4、零基础学AI大模型之AI大模型常见概念 5、零基础学AI大模型之大模型私有化部署全指南 6、零基础学AI大模型之AI大模型可视化界面 7、零基础学AI大模型之LangChain 8、零基础学AI大模型之LangChain六大核心模块与大模型IO交互链路 9、零基础学AI大模型之Prompt提示词工程 10、零基础学AI大模型之LangChain-Promp

OpenClaw实战三|电商自动化AI工具:自动上下架+智能客服+订单统计,小店运营效率直接翻3倍

OpenClaw实战三|电商自动化AI工具:自动上下架+智能客服+订单统计,小店运营效率直接翻3倍

做电商的朋友,不管是淘宝、拼多多、抖音小店,每天都在被三件事绑死: * 商品上下架全靠手动盯:库存不够了忘下架超卖、活动到点没上架、滞销品堆着占权重,天天提心吊胆; * 买家消息回不完:「什么时候发货」「尺码怎么选」「能退换吗」,重复问题占80%,吃饭睡觉都在盯手机; * 订单统计熬到半夜:每天手动算销量、退款率、客单价,做报表做表做一半还能漏单、算错数。 我身边做女装的朋友,夫妻店两个人,一半时间都耗在这种重复操作上,旺季直接忙到凌晨,客服、运营、发货一肩挑,人累垮不说,还经常因为漏回消息、忘上下架丢单。 上个月我用OpenClaw帮他搭了一套电商自动化AI工具,没写一行复杂业务代码,纯靠平台API对接+技能编排,就把「商品上下架、买家自动回复、订单自动统计」全流程跑通了。 上线之后,他们每天只用处理发货和售后纠纷,重复工作直接砍掉80%,日均订单量还涨了20%,再也不用熬夜盯后台。 这篇是「OpenClaw企业/个体落地实战」第三篇,

AI 技能(Skills):一种面向任务自动化的模块化执行范式

AI 技能(Skills):一种面向任务自动化的模块化执行范式 摘要:Skills 并非新概念,而是对提示工程(Prompt Engineering)与工具调用(Tool Use)的系统性封装。它通过元数据、行动指南与可执行资源的三元结构,将大模型能力从“文本生成”延伸至“闭环操作”。 一、本质定义 * Skills 是一种轻量级、可复用的任务执行单元,用于赋予大模型确定性行为能力。 * 其核心目标是解决传统提示词的三大局限: * 不可复用:每次需重复编写相似指令; * 无状态:无法跨会话保持上下文策略; * 无执行:仅输出文本,无法触发真实动作(如绘图、文件处理、API 调用)。 类比理解:Skills ≈ 函数(Function) 输入:自然语言指令; 输出:结构化结果 + 副作用(如生成图像、修改文件、发送请求)

API 调用基础:执行式AI必备网络请求知识

API 调用基础:执行式AI必备网络请求知识

API 调用基础:执行式AI必备网络请求知识 📝 本章学习目标:本章是入门认知部分,帮助零基础读者建立对AI Agent的初步认知。通过本章学习,你将全面掌握"API 调用基础:执行式AI必备网络请求知识"这一核心主题。 一、引言:为什么这个话题如此重要 在AI Agent快速发展的今天,API 调用基础:执行式AI必备网络请求知识已经成为每个开发者和研究者必须了解的核心知识。无论你是技术背景还是非技术背景,理解这一概念都将帮助你更好地把握AI时代的机遇。 1.1 背景与意义 💡 核心认知:AI Agent正在从"对话工具"进化为"执行引擎",能够主动完成任务、调用工具、与外部世界交互。这一变革正在深刻改变我们的工作和生活方式。 从2023年AutoGPT的横空出世,到如今百花齐放的Agent生态,短短一年多时间,执行式AI已经从概念走向落地。根据最新统计,全球AI Agent市场规模已突破百亿美元,年增长率超过100%