ARTICLE · 1032360
AI 画图工具一大把,为什么还需要它?
next-ai-draw-io，GitHub 上 35,000+ Star 的开源项目。浏览器打开，你和 AI 共用同一块 draw.io 画布，你说它画，你说它改，它改不动的你自己上手拖，最后拿到手的是一份完全可编辑、能无缝接入 draw.io 生态的源文件。
说实话现在大部分 AI 画图方案生成一张图片就结束了，后续想要调整只能重新生成，每次还不一样。
一来一回，AI 改图比自己在 draw.io 里手动拖还累。而 next-ai-draw-io 就是为了解决这个反复修改的问题。
先认识一下它
一个把 AI 大模型"接进" draw.io 画布的 Web 应用。
• 项目：next-ai-draw-io • 作者：DayuanJiang（国内开发者） • 出生：2025 年 3 月开源，一年半拿下 35.8k Star、3.8k Fork（截至 2026 年 9 月），多次登上 GitHub Trending，挂着 TrendShift 奖章 • 协议：Apache 2.0，商用友好 • 状态：截稿当天仓库仍在提交代码，更新非常活跃
项目 Star 增长曲线（图源 star-history.com）：2025 年底起飞后一路陡升
它做的事说白了，就是给 draw.io 装一个会听人话的 AI 大脑，draw.io 本身功能不动。
核心功能
1. 一句话生成图
在对话框里输入"帮我画一个用户注册登录的流程图"，几秒钟后，一张完整的图直接出现在 draw.io 画布上。
官方 README 示例：输入"为聊天应用生成一张 RAG 架构图"，AI 直接画出上图
流程图、系统架构图、时序图、组织架构图，都能来。图直接生成在画布上，所见即所得，不用拿一段代码自己找地方渲染。
2. 对话式改图
生成之后不满意？不用从头画，接着说让 AI 调整就行。
AI 直接修改画布内容，改哪里、怎么改，你实时看得见。一次不满意就再来一次。
改图从重新做一次变成了真正的去修改。
3. 图片变可编辑图
上传一张流程图截图，甚至一张手绘照片，AI 会把它复刻成完全可编辑的 draw.io 图。
这个功能解决的是一个老痛点：网上找的参考图、前同事留下的图，往往只有一张图片，没有源文件。以前只能对着图片手工临摹，现在丢给 AI 就行。
4. PDF / 文档直接转图
把手里的需求文档、技术方案 PDF 丢进去，AI 提炼内容直接生成对应图表。
写方案的人经常会遇到这个场景：文档写完了，图还没画，现在这一步总算补齐了。
5. 云架构图的专业支持
官方 README 示例：输入"用 React + AWS 生成 Serverless 认证流程"，云服务官方图标齐全
画云架构图的朋友会特别喜欢这条：内置 AWS、GCP、Azure 官方图标集，画出来的图是专业交付级的，拿去汇报、写文档都拿得出手。连接线还支持动画效果，演示的时候有那味儿了。
6. 历史版本管理
AI 每一轮修改都有记录。改砸了一键回退，大胆让 AI 折腾，反正随时能反悔。
7. MCP 模式：在编码工具里直接画图
它还同时提供了 MCP Server，可以接入 Codex、Cursor、Claude Code 这些工具。
也就是说，你在写代码的环境里聊一句把这个模块的调用关系画成图，图就出来了。写代码的 AI，顺手把架构图也画了。
实现原理
next-ai-draw-io 工作原理：自然语言 → 大模型 → draw.io XML → 画布渲染，循环迭代
看到这你可能会好奇：AI 凭什么能精确操作一块专业画布？
答案拆开看一点都不神秘：
一张 draw.io 图，本质上就是一个 XML 文件——每个框、每条线、每个坐标、每个样式，都是结构化的文本。而处理结构化文本，恰恰是大模型最擅长的事。
所以整个工作流程是：
1. 你说一句话； 2. 大模型生成（或修改）一份 draw.io XML； 3. 画布组件（react-drawio）把 XML 渲染成图； 4. 你继续对话，回到第 1 步，循环迭代。
技术栈是 Next.js + Vercel AI SDK + react-drawio，都是成熟开源件。
选型上它直接站在 draw.io 整个生态上：生成的图可以无缝导入 draw.io 官方工具继续编辑，也能导出成各种通用格式。你今天在 Web 画布上聊出来的图，明天可以直接放进公司的 draw.io 文件体系里，没有任何迁移成本。
另一个亮点是模型自由：项目接了 15+ 家模型供应商——OpenAI、Anthropic、Google、豆包、DeepSeek、硅基流动、OpenRouter 等等，甚至支持通过 Ollama 接本地模型。
想用最强的闭源模型可以，想全程本地推理、数据不出本机，也可以。
四种使用方式
1. 在线 Demo：打开网页，填上自己的模型 API Key 就能用，零安装； 2. 桌面版客户端：Windows / macOS / Linux 都有，下载即用； 3. Docker 自托管：企业和隐私敏感用户的首选，整套服务跑在自己服务器上； 4. 一键部署：Vercel / Cloudflare / EdgeOne 都支持，自己免费白嫖托管算力，只花模型的 API 钱。
它到底解决了哪些痛点
它解决的是画图这件事上积累多年的四个老问题：
1. 画图工具上手门槛高——找图形、拖拽、对齐、调样式的时间比想图的时间还长。现在用说话代替拖拽。 2. AI 生成的图不可编辑——大多数方案产出静态图片，看得改不得。它直接产出 draw.io 源文件，可持续编辑。 3. 只有图片、没有源文件——图片和 PDF 反向转可编辑图，存量图片资源全部盘活。 4. 画图和干活的地方割裂——通过 MCP 打通 IDE 和编码助手，画图融入工作流，而不是切出去开另一个软件。
和最火的几个画图 skills 对比
有读者可能会说：我 Claude Code 里已经装了画图 skill，够用了呀。
好，那我们就认真比一比。最近这波 AI 画图 skills 确实火，我挑了四个最有代表性的：
next-ai-draw-io 与四类热门画图 Skills 的横向对比（自制，依据各项目公开文档整理）
逐个说说：
draw.io 官方 Skill——最强劲的对手，官方亲自下场，生成原生可编辑的 .drawio 文件，还能导出 PNG/SVG/PDF，诚意很足。但注意它的交互本质仍是"文件级"的：AI 写文件 → 你打开 draw.io 检查 → 不满意回终端再让 AI 改一版。没有实时画布反馈，人也始终站在"验收者"的位置上。
Mermaid 类 skills——最轻量，流程图、时序图、ER 图、甘特图覆盖二十来种图表类型，生成即可渲染。但 Mermaid 语法有表达力天花板，复杂布局全交给自动布局算法，想微调一个框的位置很难；渲染出来仍然是静态图。
社区 drawio XML skills（Agents365 drawio-skill、JavaGuide 绘图 skill 这类）——让 AI 直接写 .drawio XML，可编辑性好、贴近 draw.io 生态。但同样是 IDE 里一次性生成、文件来回往返，改图等于重新生成一版。
fireworks-tech-graph 这类 SVG 排版 skills——用 HTML/SVG 精细排版，出图颜值"可发布级"，特别适合文章配图。但图被"画死"在绘图代码里，没法导入 draw.io、Visio 继续编辑，改图只能改代码。
看出来了吗？这些 skills 方案的共同形态是：AI 在 IDE 里写文件，你负责验收。
next-ai-draw-io 换了个坐法：画布就放在浏览器里，AI 的每一步修改实时可见，你随时接手拖两下，再丢回给 AI 继续。
至于 Mermaid Chart、Eraser.io、Lucidchart AI 这些商业 SaaS 产品——闭源、订阅制、数据上云，和开源技能生态本就是两条路线，这里就不展开了。
适合谁用
开发者 / 架构师：技术方案、系统架构、时序图的主力用户。日常画图走 Web 画布，写代码时配合 MCP 直接在 IDE 里出图。
技术写作者 / 学生 / 教师：文档配图、论文插图、课件图。最大的价值是图"活"的——审稿人让你调整，改一句话的事。
产品经理 / 咨询顾问：业务流程图、方案示意图。需求变了？把变更那句丢给 AI 就行，不用重新排版。
企业 / 隐私敏感团队：Docker 自托管 + 本地模型，数据不出内网。
不太适合的场景也说清楚：追求极致精美的视觉设计图，它是画图工具不是设计工具；完全不想碰任何配置的纯小白，至少得有一个模型 API Key。
不足与期待
夸了这么多，坑也得指出来：
1. 生成质量取决于模型。用第一梯队模型体验丝滑，换弱模型出图结构容易乱。这个项目的体验上限，是你所用模型的上限。 2. 特别复杂的图要靠多轮对话。几十个节点的系统图，指望一句话一次到位不现实，得拆步骤慢慢聊——好在改图成本低，这事不算太痛。 3. 重度终端用户可能有更顺的路径。如果你全天泡在 Claude Code 里，官方 Skill 那种"终端里顺手生成个文件"的方式可能更贴合你的肌肉记忆。next-ai-draw-io 适合的，是把画图当作一件正事来做、需要亲手去一步步成形的场景。 4. 项目迭代快。功能更新频繁，偶尔文档跟不上代码，遇到问题多翻翻 Issue 区。
至于期待：团队协作、更多模板库，是社区呼声比较高的方向，可以保持关注。
写在最后
回到标题那句话：从"生成一张图"到"共建一块画布"。
这两年，AI 把"画一张图"的成本打到了几秒钟；但"改图"这件事，大多数方案还停留在重新生成的程度。next-ai-draw-io 把 AI 请到了画布边上：它改完你看，你看完接手，图在你俩手里来回滚，越滚越接近你想要的样子。图慢慢就从一份交付物，变成了对话本身。
我更愿意把这 35k Star 看成对一种工作方式的选择：人和 AI 在同一块画布上改图。工具会经常换，但这种协作方式大概会留下。
• 项目地址：https://github.com/DayuanJiang/next-ai-draw-io • 在线 Demo 与桌面版下载：见项目 README
你现在画图用什么？被"改图"折磨过的朋友，评论区集合。觉得有用的话，不妨点个赞，这是我更新最大的动力。
注：文中数据（Star/Fork 数等）截至 2026 年 9 月 14 日，来自 GitHub 实时抓取，阅读时可能已有变化。