Next AI Draw.io 是累積 36,889 顆星標的開源繪圖工具,使用者以一句話描述架構,模型在真實的 draw.io 畫布上直接繪製,成品可手動微調並匯出為標準格式。本文整理其版本機制、模型支援與部署限制。

Next AI Draw.io 儲存庫 README 開頭畫面,顯示專案名稱 Next AI Draw.io、以聊天方式繪製 draw.io 圖表的標語、TrendShift 徽章、Apache 2.0 授權標示,以及線上示範、文件、範例庫與桌面版連結

專案由開發者 DayuanJiang 維護,儲存庫於二零二五年三月二十三日建立,以 TypeScript 撰寫,採用 Apache 2.0 授權,目前累積三萬六千餘顆星標、3,846 次複製與 134 位關注者。最新的 v0.5.1 於二零二六年十月三十一日發布,主要修補桌面版的行為細節與 Electron 42 的安全更新。

它的定位並非另一個繪圖引擎,而是一層對話介面。底層仍是 draw.io,版本 v32.0.2 直接內建於應用程式,由同一來源提供,因此離線環境與內網部署同樣可以運作,不需另起一個 draw.io 容器。

Next AI Draw.io 儲存庫頁面頂部,顯示專案名稱 DayuanJiang/next-ai-draw-io、About 欄位的繪圖說明、Apache 2.0 授權標示、36.9k 星標與 3.8k 複製數字,語言統計顯示以 TypeScript 為主

Next AI Draw.io 是什麼?

它是一套開源繪圖工具,把自然語言描述轉成真正的 draw.io 圖表,提供網頁版、桌面版與 MCP 伺服器三種形態,讓編碼代理直接呼叫。

輸入一句描述之後,模型的輸出直接落在畫布上,並非先在後台生成圖片再貼上。因此使用者可以雙擊改名、拖曳位置、套用樣式、開啟多頁文件,也可以隨時匯出為 .drawio、.png、.svg 或 .drawio.svg。

內建圖示庫涵蓋 AWS、Azure、GCP 與 Kubernetes,適合繪製雲端架構、流程圖、循序圖、實體關聯圖與 BPMN 流程。連線可以帶流動動畫,用於表達資料流向。

另一個入口是既有素材。上傳截圖或手繪草稿,模型會重畫成結構化圖表;上傳 PDF、Markdown 或程式碼,模型會依內容生成對應的架構圖。這條路徑對接手舊系統或整理文件的場景特別省時。

為何每次 AI 修改都會變成版本卡片?

因為應用程式把每次模型改動包成獨立版本,附縮圖並可與畫布比對、還原或撤銷,讓對話式編輯不再是一次性的不可逆操作,失敗可以退回。

對話式編輯最大的風險是失控。使用者說「把資料庫換成 PostgreSQL」,模型可能連帶改動周圍十幾個節點,而單純的復原鍵往往一次退掉整段對話的成果。

版本卡片解決的是這個粒度問題。每一次 AI 改動都產生一張帶縮圖的卡片,可與目前畫布比對,確認差異之後再決定還原或保留。畫布上的 Ctrl+Z 亦只退掉一次 AI 改動,不會連帶退掉此前的手動調整。

被改動的圖形會即時加框提示,使用者能一眼看出模型動了哪些元素。若只想調整局部,可以先選取幾個圖形再下指令,模型只處理選取範圍。

它支援哪些模型與部署方式?

支援二十五家供應商,涵蓋 OpenAI、Anthropic、Google、Bedrock 與 Ollama,另可自訂相容端點;部署可選線上示範、桌面安裝或自行編譯。

清單涵蓋 AWS Bedrock、OpenAI、Anthropic、Google AI、Google Vertex AI、Azure OpenAI、Ollama、OpenRouter、DeepSeek、SiliconFlow、SGLang、Vercel AI Gateway、騰訊 EdgeOne、字節豆包、ModelScope、智譜 GLM、Qwen、七牛、Kimi、MiniMax、Novita、小米 MiMo 與 Atlas Cloud,並保留一組相容自訂端點,可指向 vLLM、LM Studio 或自架閘道。

線上示範站設有使用上限,在設定面板填入自己的供應商與金鑰即可解除。金鑰保存在瀏覽器本機,不上傳至伺服器儲存,這一點對企業內部試用相當關鍵。

自架路徑以 npm install 搭配 npm run dev 起一個本機服務,預設連接埠為 6002;一鍵部署支援騰訊 EdgeOne Pages、Vercel、Cloudflare Workers 與 Docker,另有離線與內網部署文件。管理員可透過 ADMIN_PASSWORD 開啟 /admin,集中管理模型、存取碼、功能開關、觀測與配額。

MCP 伺服器可以做什麼?

它把繪圖能力封裝成代理可呼叫的工具,提供與網頁版相同的繪圖規則、三十組圖示庫、截圖回看、版本還原與匯出,並自動將工作階段存成 draw.io 檔案。

安裝方式依客戶端而異。VS Code 與 Cursor 有一鍵安裝連結,Claude Code 可用單一指令完成,亦可透過社群外掛市集安裝,需求為 Claude Code 2.1.275 或以上版本。

伺服器與網頁版共用同一套圖表程式碼,因此圖示庫、繪圖規則與畫布行為一致。代理改動會被加框標示,一次 Ctrl+Z 即可退回,模型亦能讀取使用者選取的圖形,理解「這個方框」所指為何。

工具內含截圖功能,模型可以看見自己畫出的結果,再據此修正重疊、溢出或連線錯位。這一點是純文字工具描述做不到的,因為 XML 座標正確不代表版面正確。

工作階段會自動存到 ~/.next-ai-draw-io/,支援多頁文件、指定頁匯出與版本還原。draw.io 編輯器隨套件一起安裝,預覽在離線狀態亦可運作。

與 draw.io 內建 AI 相比有何差異?

內建生成工具在 draw.io 內部運作,可修改附加的頁面或選取範圍;此專案則每則訊息都送出整張畫布,改動逐次成版本,並支援二十五家供應商與本地模型。

官方 README 對此有一段明確對照。draw.io 的 Generate 功能位於 Arrange 選單的 Insert 之下,使用免費託管模型或自帶金鑰,可修改附加到對話的圖表、頁面或選取範圍。

差異落在三處。第一是上下文:此專案每則訊息都連同目前畫布送出,包含使用者的手動編輯,因此模型看到的是最新狀態而非初始版本。

第二是版本管理:每次 AI 改動成為可比對、可還原的卡片,內建工具則偏向單次生成。

第三是供應商選擇:二十五家供應商與本地 Ollama 模型都在支援範圍內,對資料不能離境的環境是必要條件。

使用上有哪些限制與風險?

模型能力直接決定輸出品質,官方明言小型模型容易產生殘缺圖表;桌面版在 macOS 未經簽章,需手動解除隔離標記;線上示範亦有使用上限,需自備金鑰。

任務本質是產出嚴格格式的長文字,也就是 draw.io 的 XML。官方在文件內直接提醒,應選擇能力較強的模型,小型模型容易產生結構破裂的圖表。這點與多數人對「畫圖比較簡單」的直覺相反。

桌面版的簽章狀態需要留意。macOS 版本未經程式碼簽章,首次開啟可能出現「應用程式已損毀」的提示,官方提供右鍵開啟或 xattr 指令的解除方式;Windows 版本則由 SignPath 簽章。

版本節奏亦需留意。v0.4.16 於二零二六年五月發布後,隔了五個月才推出 v0.5.0,期間累積的修正集中在該次發布。導入生產流程時宜固定版本,並在升級前重跑既有圖表。

Next AI Draw.io 儲存庫貢獻者統計頁面,顯示各期間的提交曲線與主要貢獻者清單,反映專案由單一維護者主導並接受社群修補

出處連結有哪些?

本文資訊整理自專案的 GitHub 儲存庫、README、版本發佈頁與官方文件站,數據截至二零二六年十一月十二日,星標與複製數以當日抓取為準。

專案原始碼位於 github.com/DayuanJiang/next-ai-draw-io,線上示範與文件站為 next-ai-drawio.jiang.jp,版本清單見 Releases 頁面,MCP 伺服器頁面則在官方網站的 en/mcp 路徑。圖表即程式碼的另一條路線,可參考 Mermaid 開源圖表工具 與 Diagram Design 開源項目。

常見問題有哪些?

本文整理收費模式、資料是否上傳、能否完全離線使用、支援的圖表類型,以及與 draw.io 檔案的相容性五項常見疑問。

### 使用 Next AI Draw.io 需要付費嗎? 不需要。專案以 Apache 2.0 授權發布,可自由使用、修改與商用。實際費用來自模型呼叫,若使用自架模型如 Ollama,則可壓到零 API 成本。 ### 我畫的圖會被上傳到伺服器嗎? 在自架或桌面版使用時,畫布內容只送到使用者指定的模型供應商。線上示範站的情況不同,內容會經過該站的伺服器,機密架構圖建議自行部署。 ### 可以完全離線使用嗎? 可以。draw.io 編輯器內建於套件,MCP 伺服器亦隨附預覽能力;只要模型端點可達,離線環境或內網都能運作,官方另提供離線部署文件。 ### 支援哪些圖表類型? 架構圖、流程圖、循序圖、實體關聯圖、BPMN 流程、客戶旅程圖與組織圖皆可,內建 AWS、Azure、GCP 與 Kubernetes 圖示庫,MCP 端提供三十組圖示庫。 ### 產生的檔案可以直接用 draw.io 開啟嗎? 可以。輸出是標準 `.drawio` 檔案,雙擊即可在 draw.io 或 diagrams.net 編輯,亦可匯出為 `.png`、`.svg` 與可再編輯的 `.drawio.svg`。

總結:Next AI Draw.io 適合哪些人?

適合需要頻繁繪製架構圖與流程圖、又願意為模型品質付費的工程與產品團隊;只偶爾畫一兩張示意圖的使用者,直接用 draw.io 手動操作仍然更快。

這個專案的價值不在生成速度,而在可控性。版本卡片把對話式編輯從一次性的賭注變成可回退的迭代,選取範圍則讓局部修改不必重畫整張圖。兩者結合之後,模型才適合處理真實工作中的架構圖。

它的成本落在模型選型與部署判斷。能力不足的模型會產出殘缺圖表,離線需求則要求自架模型端點,兩者都需要事前評估,而不是安裝後即用。

對於每週要交付多份架構文件的團隊,這條路徑已經可用。它的競爭對手並非 draw.io,而是「用文字描述架構、再由人拉線」這道工序本身。