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.cnnetsun.cn/news/42685.html

相关文章:

  • 【LeetCode刷题】跳跃游戏
  • 鸿蒙PC UI控件库 - PasswordInput 密码输入框详解
  • day37简单的神经网络@浙大疏锦行
  • 【水果识别】基于机器视觉苹果和香蕉的成熟度和大小检测附Matlab代码
  • JAVA的平凡之路——此峰乃是最高峰JVM-附加小菜-04
  • 【电力系统】电力系统优化与控制热液调度附Matlab代码和报告
  • 基于6种最新算法(小龙虾优化算法COA、MSA、RTH、NOA、BFO、SWO)求解机器人路径规划研究附Matlab代码
  • Golang实战:构建综合多头(逾期+反欺诈)风险查询的高性能客户端
  • 【TSP问题】基于蜣螂算法DBO和改进的蜣螂算法FADBO求解旅行商TSP问题(可根据自己的经纬度设置自己想要到达的地区)附Matlab代码
  • 【太阳能学报EI复现】基于粒子群优化算法的风-水电联合优化运行分析附Matlab代码
  • 数据结构:二叉排序树,平衡二叉树,红黑树的介绍
  • 软件复用的分类与实现
  • google服务
  • 进程PCB
  • 实战教程:1小时掌握逆向Unity游戏 (共13课时)
  • [从零构建操作系统]08 函数调用时栈的底层行为解析
  • 力扣hot100:搜索插入位置
  • Java冷启动全指南:从原理到实战优化
  • 测试 - 单元测试(JUnit)
  • C++中多态
  • c++经典练习题-多分支
  • qt为什么转向用cmake放弃qmake
  • 云屋音视频 SDK 凭何成为信创技术困局的 “破局者”?
  • 纯电动汽车动力经济性仿真:Cruise与Simulink联合仿真(2015版),包含BMS、再...
  • 【怎么理解maven中的镜像和仓库?】
  • comsol枝晶生长,沉积模型,包括:典型,形状成核,随机成核,均匀沉积,雪花晶形成过程。 适...
  • 终极指南:Qwen3-30B-A3B多GPU分布式推理完整解决方案
  • 腾讯混元语音驱动数字人技术:重塑动态视频生成新范式
  • 【MicroPython编程-ESP32篇】-Web页面显示DHT11传感器数据
  • DCDC电池模型:基于Matlab 2018b及以上的应用