效果展示
所有示例图均以 1920px 宽度（2× 视网膜分辨率）通过
rsvg-convert导出为PNG 格式。技术图应选 PNG（无损），JPG 有损压缩会在文字和线条边缘产生噪点。
风格 1 — 扁平图标风（默认）
Mem0 记忆架构图 — 白底，语义箭头，分层记忆系统
风格 2 — 暗黑极客风
Tool Call 执行流程 — 深色背景，Neon 配色，等宽字体
风格 3 — 工程蓝图风
微服务架构图 — 深蓝底，网格线，青色描边
风格 4 — Notion 极简风
Agent 记忆类型图 — 白底极简，单一强调色
风格 5 — 玻璃态卡片风
Multi-Agent 协作图 — 深色渐变底，磨砂玻璃卡片
风格 6 — Claude 官方风格
系统架构图 — 温暖奶油色背景 (#f8f6f3)，Anthropic 品牌色，简洁专业美学
风格 7 — OpenAI 官方风格
API 集成流程图 — 纯白背景，OpenAI 品牌配色，现代极简设计
GitHub 地址：https://github.com/yizhiyanhua-ai/fireworks-tech-graph
简介
Fireworks Tech Graph 是一个基于 AI 的自然语言转技术图表工具。它解决了工程师和架构师最头疼的“画图”问题——你不再需要手绘 SVG、拖拽 draw.io 或编写复杂的 Mermaid DSL，只需用中文或英文描述你的系统，它就能在几秒内生成出版级质量的 SVG 和 PNG 图表。
它深度内建了AI/Agent 领域（如 RAG、多智能体、工具调用）和微服务架构的视觉模式，并支持全量 UML 图类型。所有图表均基于语义模板渲染，输出为高分辨率（视网膜级）矢量图，专为技术文档、架构评审和论文发表设计。
主要功能
1. 自然语言驱动，零 DSL 学习成本
描述即所得：直接输入“画一个 RAG 流水线，包含用户、API Gateway、检索器、LLM 和向量数据库”，AI 会自动解析实体关系并布局。
中英双语支持：完全支持中文描述，打破工具语言壁垒。
语义理解：能识别“微服务”、“事件驱动”、“内存层级”等专业术语，并映射到对应的视觉元素（如泳道、容器、箭头样式）。
2. 7 种专业视觉风格
工具内置了 7 套精心设计的样式，覆盖不同场景：
Agentic RAG Pipeline：白底彩色语义箭头，适合学术论文。
Tool Call Flow：暗黑背景 + 霓虹灯风格，适合技术博客展示。
Microservices Architecture：深蓝背景 + 网格线 + 青色描边，企业级质感。
System Architecture：暖白背景 (#f8f6f3) + Anthropic 品牌色，极简专业。
API Integration Flow：纯白背景 + OpenAI 品牌色，现代简约。
Multi-Agent Collaboration：渐变暗色背景 + 卡片堆叠，视觉层次丰富。
Agent Memory Types：极简白底单色，适合架构图例。
3. 领域专用模板（AI/Agent 优先）
针对 AI 工程领域做了深度优化，内置常见架构模式的视觉映射：
RAG vs Agentic RAG 对比矩阵：自动生成对比表，涵盖检索策略、Agent 循环、工具使用差异。
全内存架构图：包含泳道、存储层级（Sensory → Episodic → Procedural）及读写箭头。
多智能体协作：六边形 Agent 节点、工具层、结果聚合流。
工具调用循环：带决策节点的流程图，清晰展示
Plan -> Act -> Observe循环。
4. 全量 UML 与高保真输出
支持 14 种 UML 图：包括时序图、类图、组件图、部署图等。
视网膜级 PNG：通过
rsvg-convert导出 1920px 宽（2x 视网膜）的无损 PNG，文字和线条无 JPEG 压缩毛刺，完美适配 Keynote 和印刷。语义化形状：不同组件有固定含义（如圆柱体=数据库，六边形=外部系统），保持跨图表的一致性。
安装与配置
环境要求
基础环境：Python 3.8+
SVG 转 PNG（可选）：如需导出 PNG，需安装
rsvg-convert（Mac:brew install librsvg，Linux:apt-get install librsvg2-bin）。
安装步骤
克隆仓库：
git clone https://github.com/yizhiyanhua-ai/fireworks-tech-graph.git cd fireworks-tech-graph安装依赖：
pip install -r requirements.txt配置 API Key：
工具基于 Fireworks AI API。在环境变量中设置你的 API Key：
export FIREWORKS_API_KEY="your_api_key_here"（或直接在代码中配置）
配置说明
样式选择：无需复杂配置，在描述语言中指定风格（如“使用 Microservices 风格”）即可。
自定义模板：高级用户可修改
references/目录下的模板文件，调整颜色 Token 和 SVG 样式。
如何使用
基础工作流（3 步）
描述系统：用自然语言写一段话，定义组件和关系。
示例：“绘制一个 Agent 架构，用户通过 HTTP 请求到达 Gateway，Gateway 调用 Planner Agent，Planner 使用 Tools（Search & DB），最后返回响应。”
触发生成：工具解析描述，匹配最合适的模板（如 Agent 流程图 + 暗黑风格）。
导出交付：自动生成 SVG（可编辑）和 PNG（可直接贴文档）。
高级用法
强制样式：在描述中加入“用 Anthropic 风格”或“背景用 #f8f6f3”。
布局指令：使用“横向分层”、“泳道 per 服务集群”、“虚线容器”等指令控制布局。
品牌适配：指定“OpenAI 品牌色”或“AWS 云图标”，工具会自动应用对应的调色板。
应用场景实例（无代码）
场景一：技术方案评审的“5 分钟出图”
痛点：作为架构师，你需要向非技术管理层汇报新系统的架构。用 PPT 手画框图耗时 1 小时，且风格不统一，修改麻烦。
Fireworks 方案：
你输入：“生成一个微服务架构图，包含 API Gateway、User Service、Order Service 和 PostgreSQL 数据库，使用 AWS 云图标风格，横向布局。”
工具在 10 秒内生成一张符合企业 PPT 标准的矢量图。
价值：在评审会上，你可以实时修改描述（如“增加一个 Redis 缓存层”），立即更新图表，极大提升沟通效率。
场景二：AI 论文的“合规”插图
痛点：研究生写论文时，RAG 或 Agent 的流程图需要满足“矢量图、高分辨率、学术风格（白底黑字、语义箭头）”的要求。手动用 draw.io 调整边框和箭头样式极其繁琐。
Fireworks 方案：
输入：“RAG 流水线对比图：传统 RAG（Query -> Retriever -> LLM） vs Agentic RAG（Query -> Planner -> Tools -> Generator），使用学术白底风格，带标注箭头。”
工具输出视网膜级 PNG，直接插入 LaTeX 文档。
价值：省去 90% 的绘图时间，且图表风格完全符合学术出版规范。
场景三：新员工入职的“系统全景图”
痛点：新加入的工程师面对复杂的遗留系统，需要一张“系统上下文图”来理解数据流。现有文档的图片过时且模糊。
Fireworks 方案：
输入：“绘制数据流图：Mobile App -> CDN -> Auth Service -> Kafka -> Stream Processor -> BigQuery，标注流类型（Stream/Batch），使用简约风格。”
生成后，将其放入 Confluence 或 Wiki。
价值：用自然语言维护图表，系统变更时只需更新描述文本，即可自动同步图表版本，确保文档永不“过期”。
总结
Fireworks Tech Graph 的定位非常明确：填补“自然语言设计”与“专业图表生成”之间的空白。它特别适合AI 工程师、系统架构师和技术写作者，将画图从“体力活”变成了“描述活”。
相比于通用的 Mermaid（需要学语法）和 draw.io（需要手动拖拽），它通过领域特定知识（AI/微服务）和设计系统（7 种风格）实现了“描述即成品”，是技术文档自动化的里程碑式工具。
GitHub 地址：https://github.com/yizhiyanhua-ai/fireworks-tech-graph
