【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

优质文章学习记录

— 9 min read
【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 URL：https://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

AI绘画电商产品提示词撰写指南

AI绘画电商产品提示词撰写指南

在电商领域，利用 AI 绘画生成产品图片正逐渐成为提升商品视觉吸引力、提高运营效率的重要手段。而撰写精准有效的提示词，是让 AI 理解并生成符合预期产品图片的关键。 一、明确产品关键信息 产品基础描述 产品类型与用途：清晰界定产品所属类别，无论是服装、电子产品、家居用品还是美妆产品等，这是 AI理解产品的基础。同时，简要说明产品的核心用途或目标受众，可分为3层结构（按优先级排序） * 基础层：明确产品核心属性(避免 AI 生成偏差)，包括「产品类别 + 规格 + 材质 / 工艺」，例： “女士夏季短袖连衣裙（长度到膝盖），雪纺面料，蕾丝领口” * 场景层：搭建使用场景（增强代入感），包括「使用环境 + 搭配元素 + 人群画像」，例： “在海边沙滩场景，搭配草编帽和珍珠凉鞋，适合 25-35
一文讲清楚RAG 四大模式：Naive RAG、Advanced RAG、Modular RAG 与 Agentic RAG

一文讲清楚RAG 四大模式：Naive RAG、Advanced RAG、Modular RAG 与 Agentic RAG

随着技术迭代，RAG 已从最初的简单架构发展出多种进阶形态。本文将系统解析 RAG 的四大主流模式 ——Naive RAG、Advanced RAG、Modular RAG 与 Agentic RAG，从工作原理、技术特点到适用场景进行全方位对比，为技术选型提供参考。 一、RAG 基础：检索增强生成的核心逻辑 在深入模式解析前，需先明确 RAG 的核心逻辑。简单来说，RAG 由检索（Retrieval） 与生成（Generation） 两大模块构成： 检索模块：从预设知识库中精准定位与用户问题相关的信息片段（如文档、段落、句子）； 生成模块：基于检索到的信息，结合大语言模型生成符合上下文、逻辑连贯的答案。 这种 “先检索再生成” 的模式，既保留了 LLM 的语言理解与生成能力，又通过外部知识的引入弥补了模型训练数据过时、事实准确性不足的缺陷。
智元 D1 强化学习sim-to-real系列 | Robot Lab 基于 Isaac Lab 的机器人强化学习使用（四）

智元 D1 强化学习sim-to-real系列 | Robot Lab 基于 Isaac Lab 的机器人强化学习使用（四）

1. 项目简介 Robot Lab 是一个基于 NVIDIA Isaac Lab 构建的机器人强化学习扩展库，专注于为各类机器人提供标准化的强化学习训练环境。该项目允许开发者在独立的环境中进行开发，而无需修改核心 Isaac Lab 仓库。对应ISaac lab 使用需要你参考并学习。然后可以参考Isaac Sim｜操作界面指南，ISAAC SIM安装与软件实践学习（二）—用户界面与工作流程，Nvidia Isaac Sim图形界面 入门教程 2024（3）学习操作。最全的资料还是我们之前讲到的isaacsim官方教程以及isaaclab翻译版本 NVIDIA的机器人平台主要由两大核心组件构成，它们之间是层级关系：基础仿真平台Isaac Sim，以及构建于其上的机器人学习应用框架Isaac Lab。要精通 Isaac Sim，必须理解其分层架构中的五个核心概念。Isaac Sim 是什么？ 它是一个通用的机器人模拟器，提供了高保真的物理引擎（PhysX）和照片级的渲染技术（
Submodular function次模函数 概念——AI学习

Submodular function次模函数 概念——AI学习

论文名称：Submodularity In Machine Learning and Artificial Intelligence 一、综述论文 这篇文章是一篇 综述论文（survey）。 核心目标是： 介绍 Submodular functions（次模函数） 以及它们在 机器学习与人工智能中的应用。 作者想说明一个非常重要的观点： 很多机器学习问题其实是“离散优化问题”。 例如： * Feature Selection：属于数据预处理问题，旨在从原始特征中筛选出最相关、最有信息量的子集，以降低维度、提升模型性能与可解释性。 * Dataset Subset Selection：属于数据采样或核心集选择问题，旨在从大规模数据中选取一个具有代表性的子集，以降低计算和存储成本，同时保持模型性能。 * Active Learning：属于机器学习训练策略问题，通过让模型主动选择最有价值的数据进行标注，以最少的标注成本最大化模型性能。 * Clustering：属于无监督学习问题，旨在根据数据的内在相似性，将未标记的数据自动分组为不同的类别或簇。 * Data