跳到主要内容fireworks-tech-graph · prolist返回项目库
查看仓库原始简介
Generate production-quality SVG+PNG technical diagrams from natural language. 7 styles, UML support, and AI/Agent workflow patterns.
来自项目 README项目解读由 AI 根据历史资料整理,尚未经人工复核。仓库资料更新于 2026-09-08,与历史解读分开保留。
项目概览
Fireworks Tech Graph 是一个专为 Claude Code 设计的开源 Skill,能够将自然语言描述直接转换为生产级质量的 SVG + PNG 技术图表。它支持 8 种图表类型、5 种视觉风格,并内置了深厚的 AI/Agent 领域知识(RAG、Agentic Search、Mem0、Multi-Agent、Tool Call 等)。核心解决的问题是让开发者和技术写作者不用学习任何图表 DSL(如 Mermaid 语法、PlantUML、Graphviz DOT),也不用打开 draw.io 等可视化编辑器,只需要用自然语言描述系统,就能获得出版级的技术图表。它本质上是一套注入到 Claude Code 中的专业绘图知识和规则体系,包含 9 步固定工作流、语义形状系统、语义箭头系统、5 套完整的视觉设计系统、40+ 产品图标库以及 AI/Agent 领域的 7+ 内置架构模式。输出为可编辑的 SVG 文件和 1920px 高清 PNG 文件,完全离线使用,不依赖外部 API 或 CDN。
解决什么问题
在没有 Fireworks Tech Graph 之前,技术团队画架构图通常需要学习特定的 DSL 语法(如 Mermaid、PlantUML),或使用 draw.io 等可视化编辑器手动拖拽,或直接手写 SVG 代码,或让通用 AI 直接生成 SVG。这些方式存在诸多痛点:DSL 语法学习成本高,复杂图表的代码量惊人;布局算法不可控,经常出现节点重叠、连线交叉;视觉风格单一,无法自定义品牌色或视觉主题;不支持 PNG 高清导出;对 AI/Agent 领域的复杂架构缺乏内置模板;纯手动操作效率低,画一张复杂架构图需要 30 分钟到 1 小时;难以保持团队风格一致;无法自动生成,每次系统变更都要手动更新;SVG 手写极其繁琐,代码量可达数百行;通用 AI 不懂专业图表设计规范,生成质量不稳定,缺乏 AI/Agent 领域的语义知识,没有统一的视觉风格体系,无法直接导出 1920px 高清 PNG。Fireworks Tech Graph 本质上优化的是从“脑海中的系统理解”到“可嵌入文档的技术图表”这一段链路,消除了 DSL 学习、手动布局、样式调试三个主要瓶颈,将整个过程压缩为一步自然语言描述。
工作方式
Fireworks Tech Graph 不是“一个程序”,而是一套注入到 Claude Code 的知识规则体系。它的工作原理分为 9 个步骤的流水线:用户输入自然语言后,依次进行图表分类、结构提取、布局规划、加载风格参考、节点到形状映射、检查图标需求、编写 SVG、导出 PNG、报告文件路径。核心模块包括:图表分类器(根据描述将图表分为 8 种类型之一)、结构提取器(从自然语言中提取节点、边、层级、语义组)、布局规划器(根据图表类型应用不同的布局规则,如水平网格 120px 间距、垂直网格 80-100px 间距、节点最小间距 60px、ViewBox 默认 0 0 960 600)、语义形状系统(每个概念类型都有固定的 SVG 形状定义,如 LLM 用双线圆角矩形加闪电,Agent 用六边形,向量存储用带环圆柱体)、语义箭头系统(不同流类型有固定颜色和线型,如主数据流为蓝色实线,记忆写入为绿色虚线)、风格引擎(5 套完整的视觉设计系统,每套包含背景、字体、色彩体系)、产品图标库(内置 40+ 产品图标,覆盖 AI/ML、数据库、消息队列、云服务、可观测性等分类,使用品牌色和简化 SVG 路径,避免外部 CDN 依赖)、PNG 导出(通过 rsvg-convert -w 1920 导出为 2x Retina 高清 PNG,要求 SVG 纯内联,确保离线渲染不出错)。输入为自然语言描述(中英文均可)加可选风格和输出路径,输出为 .svg 文件和 .png 文件。
核心能力
- 自然语言输入,零学习成本
- 支持 8 种图表类型:架构图、数据流、流程图、Agent 架构、记忆架构、时序图、对比图、思维导图
- 内置 5 种专业视觉风格:Flat Icon、Dark Terminal、Blueprint、Notion Clean、Glassmorphism
- 语义形状系统:14 种概念对应固定形状,如 LLM 用双线圆角矩形,Agent 用六边形
- 语义箭头系统:7 种流类型对应固定颜色和线型,如主数据流蓝色实线,记忆写入绿色虚线
- 内置 40+ 产品图标,覆盖 AI/ML、数据库、消息队列、云服务等
- 内置 7+ 种 AI/Agent 架构模式:RAG、Agentic RAG、Agentic Search、Mem0、Agent 记忆类型、Multi-Agent、Tool Call
- 双格式输出:可编辑 SVG + 1920px 高清 PNG
- 完全离线使用,不依赖外部 API、CDN 或在线服务
- MIT 开源,可自由修改和扩展
使用前需要了解
- AI 整理 · 本地测试,未经人工复核;依据历史报告节选,不代表当前产品状态。
- Fireworks Tech Graph 仅限 Claude Code 环境使用,不能在 ChatGPT 或其他 AI 中使用。生成质量依赖 Claude Code 所用模型,复杂图表可能出现布局问题。无法实时预览,生成后才能看到效果。生成的 SVG 是单次产出,不支持多人同时编辑同一张图。风格自定义有限,完全自定义需要修改 references 文件。超过 15-20 个节点的复杂图表,布局质量可能下降。不支持交互式图表,生成的是静态 SVG/PNG,没有悬停提示、点击跳转等交互。不支持实时数据,图表是静态快照,不能绑定数据源实时更新。排版算法非确定性,AI 每次生成可能有细微差异,不保证像素级一致。中文排版局限,SVG 内联字体的中文渲染可能不如专业设计工具。不建议用于需要精确控制每个像素的 UI 设计稿、需要多人实时协作编辑的图表、需要动态数据绑定的仪表盘图表、包含大量自定义品牌素材的营销视觉。
概述
fireworks-tech-graph 是一份可由 Codex 和 Claude Code 共用的 Agent Skill。它将自然语言描述转化为经过几何校验的 SVG、高分辨率 PNG、经过媒体探测验证的 SVG 转 GIF 语义动效与离线交互 HTML。聚焦后的动效链路只接收生成器产出的语义 SVG,只输出一个紧凑、可验证的 GIF。项目内置 11 种生成器风格 + 1 种 AI 手绘风格(Dark Luxury);新增的四种工程风格分别为 C4 评审、云部署、事件流和可靠性排查提供可执行语义契约,同时保留 AI/Agent Pattern 与全部 14 种 UML 图类型。
用户: "画一张 Mem0 的架构图,暗黑风格"
→ Skill 识别:Memory Architecture Diagram,Style 2
→ 生成含泳道、圆柱体、语义箭头的 SVG
→ 导出 1920px PNG
→ 输出路径:mem0-architecture.svg / mem0-architecture.png
赞助商
有兴趣成为赞助商?请联系:ccc7574@gmail.com
效果展示
动态样例统一使用已验收的 5.75 秒 settled-flow 时间线:先逐步绘制线路,再让最终拓扑中的数据流额外持续 2 秒。每张完整 GIF 为 960px 宽、20fps / 115 帧;3×4 总览压缩为 1200px 动态预览。assets/samples/ 中仍保留 1920px 无损 PNG,作为静态回归基线。
上方 v1.2.0 总览与下方每张完整动态样例均来自已验收回归集。12 种风格保留各自独立场景,同时统一通过几何、文字适配、线束路由和语义动效质量门禁。
风格 1 — 扁平图标风(默认)
Mem0 Memory Architecture — 个人记忆抽取、冲突消解、存储与检索

风格 2 — 暗黑极客风
Tool Call Flow — 暗黑终端执行、来源 Grounding、检索与回答合成

风格 3 — 工程蓝图风
Microservices Architecture — 工程网格、领域服务、数据存储、事件与遥测

风格 4 — Notion 极简风
Agent Memory Types — 从感知和工作上下文到长期记忆的极简层级

风格 5 — 玻璃态卡片风
Multi-Agent Collaboration — 协调器、专家 Agent、共享状态、评审与合成

风格 6 — Claude 官方风格
System Architecture — 温暖的界面、Runtime、安全、记忆、工具和运维分层

风格 7 — OpenAI 官方风格
API Integration Flow — 清晰的 SDK、Prompt、Model、Tool、交付与发布阶段

风格 8 — 暗黑奢华风 (AI 手绘)
Agent Runtime Architecture — 控制平面、执行与状态分层,香槟金结构线和语义色桶

风格 9 — C4 评审画布
Checkout Container Review — 单一抽象层级、明确职责、技术栈与协议

风格 10 — Cloud Fabric
Active–Active Checkout Deployment — 全局入口、Region、VPC 归属与跨区复制

风格 11 — Event Transit
Checkout Event Line — Topic 轨道、处理站点、显式 Junction、DLQ 与状态投影

风格 12 — Ops Pulse
Checkout Reliability Pulse — Golden Signals、关键路径、OTel 导出与关联 Trace

稳定输出提示词
公开展示保留 12 个互不重复的领域场景;它们通过同一套可执行构图契约保证质量可比。同拓扑回归样例仅保留在 fixtures/quality-baseline/ 内部使用。
按 style N 对应的场景出图:
1 Mem0 Memory Architecture;2 Tool Call Flow;3 Microservices Architecture;
4 Agent Memory Types;5 Multi-Agent Collaboration;6 System Architecture;
7 API Integration Flow;8 Agent Runtime Architecture;9 C4 Checkout Review;
10 Active–Active Cloud Deployment;11 Checkout Event Line;12 Checkout Reliability Pulse。
保留该场景自己的节点、分区和阅读方向。
应用 showcase 构图质量契约:零交叉、零跨线桥、每条线最多 2 个折点、
全图最多 8 个折点、节点间距至少 40px、容器内边距至少 20px,
正交线段保持简短,标签避开节点、线路和分区标题。
保留所选风格的字体、配色、卡片材质和品牌化细节。
新增的四种工程风格可以直接使用下面的“提示词指纹”,让路由同时选中
对应的视觉语言与领域语义契约:
风格 9 · C4 评审画布:只展示一个 C4 层级,包含职责、技术栈、评审状态,以及“动作 + 协议”关系标签。
风格 10 · 多区域云部署图:展示全局入口、Region/VPC 归属、中立云图标、部署模式,以及具名的跨边界机制。
风格 11 · 事件地铁图:使用细 Topic 轨道、编号处理站、显式 Junction、Consumer Group、DLQ 与状态投影。
风格 12 · 可靠性脉冲:固定观察窗口,每个服务展示四个 Golden Signals、编号关键跳、遥测导出和一条关联 Trace。
把 N 替换为 1–12。Style 8 仍由 AI 读取 references/style-8-dark-luxury.md 手工绘制;Style 9–12 还会执行对应的工程语义契约;所有风格同时加载 references/composition-quality-contract.md。
功能特性
- 12 种视觉风格 — 11 种生成器驱动 + 1 种 AI 手绘(Dark Luxury)
- 工程语义契约 — C4 抽象层级、Deployment 归属、事件轨道拓扑、精确 Golden Signals 在渲染前 fail closed
- 可执行风格系统 — 风格约束不仅写在文档里,也真正进入生成器逻辑
- 几何安全布线 — 确定性的正交路径、强制 waypoint、端口分流、图例自动避让、标签画布约束,以及带遮罩验证的跨线桥
- 版本化 Diagram IR — 旧 JSON 会归一化为 schema v1;重复 ID、悬空引用、非法 waypoint 和非有限坐标在渲染前直接失败
- 统一 CLI 与交互导出 — 支持 render、validate、inspect,并可导出单文件离线 HTML,包含平移缩放、主题切换、复制和 1×–4× SVG/PNG/JPEG/WebP 导出
- 14 种图类型 — 完整支持全部 UML 图类型(类图、组件图、部署图、包图、复合结构图、对象图、用例图、活动图、状态机图、序列图、通信图、时序图、交互概览图、ER 图)以及 AI/Agent 领域图
- AI/Agent 领域内建知识 — RAG、Agentic Search、Mem0、Multi-Agent、Tool Call 等常见 Pattern 开箱即用
- 语义形状词汇表 — LLM = 双边框圆角矩形,Agent = 六边形,Vector Store = 带内环圆柱
- 语义箭头系统 — 颜色 + 虚线样式编码含义(写入/读取/异步/循环)
- 结构化 SVG 校验 — XML 解析、
marker-start/mid/end 完整性,以及 M/L/H/V/Q/C/S/T 路径的箭头穿框检测
- 视觉复核门禁 — 交付前回读 PNG,检查裁切、重叠、标签位置和走线回归
- 产品图标库 — 40+ 产品品牌色:OpenAI、Anthropic、Pinecone、Weaviate、Kafka、PostgreSQL……
- 泳道分组 — 自动为复杂架构添加层级标签
- SVG + PNG 双输出 — SVG 可编辑,1920px PNG 可直接嵌入文章
- 聚焦的语义 GIF 动效 — 只支持生成 SVG 输入和 GIF 输出;连接线从无到有并按语义顺序绘制。Style 1–12 的数据包头、终端证据流、Blueprint bead、14×10 Notion memory card、玻璃任务胶囊、治理印章、API token train、宝石 tracer、评审 cursor、双活区域流、事件列车和运维瀑布 scanner 均已验收;共享
+2s-settled-flow 时间修订也已成为正式默认
- 渲染器友好 — 纯内联 SVG,不依赖外部字体;在 cairosvg、rsvg-convert、headless Chrome 下都能稳定渲染
Loop Engineering 设计理念
首轮渲染会被视为候选结果,交付前还要经过一条由 Agent 驱动、轮次受限的 validation feedback loop:
Prompt
→ Diagram Contract
→ Semantic IR
→ Style Spec
→ Route Planner
→ SVG Build
→ Structural Validation
→ PNG Visual Readback
→ Targeted Revision
→ Verified SVG + PNG
- Evaluate, don't assert — 完成状态必须有 validator 和实际渲染证据,不能只依赖模型对结果的主观判断。
- 先确定性校验 — 依次检查 XML 结构、marker 引用、路径几何、箭头穿框和渲染可用性,再进入视觉判断。
- 再做感知验证 — 回读导出的 PNG,检查语法工具无法识别的裁切、标签碰撞、视觉层级、留白和走线质量。
- 定向修正 — 每轮只修改已诊断的标签、坐标、corridor 或间距,随后重新运行 validator 和 render check。
- 有界收敛 — 默认最多执行两轮 focused correction,避免进入无上限的自我修改循环。
validation: passed
visual_review: passed
当运行环境无法读取图片时,Skill 会明确报告 visual_review: skipped (image reader unavailable)。整个流程保持可观察、可审计,也不会在缺少图片证据时宣称已经完成视觉验证。
安装
推荐:一次安装到 Codex 与 Claude Code
必须使用真正的嵌套 Skill 路径。末尾的 /skills/fireworks-tech-graph 不能省略;当前版本的 skills CLI 在裸仓库路径下可能只选择根目录的 SKILL.md。
npx -y skills@1.5.17 add \
yizhiyanhua-ai/fireworks-tech-graph/skills/fireworks-tech-graph \
--agent codex claude-code -g -y --copy
命令会把完整 Skill 分别复制到 Codex 的 ~/.agents/skills/fireworks-tech-graph 与 Claude Code 的 ~/.claude/skills/fireworks-tech-graph,其中包含脚本、schema、fixture、模板、测试、参考资料与元数据。
Codex 的可编辑 Git 安装
mkdir -p ~/.agents/skills
git clone https://github.com/yizhiyanhua-ai/fireworks-tech-graph.git ~/.agents/skills/fireworks-tech-graph
Codex 从 ~/.agents/skills 发现个人 Skill,并会读取仓库中的可选元数据 agents/openai.yaml。
Claude Code 的可编辑 Git 安装
mkdir -p ~/.claude/skills
git clone https://github.com/yizhiyanhua-ai/fireworks-tech-graph.git ~/.claude/skills/fireworks-tech-graph
Claude Code 从 ~/.claude/skills 发现个人 Skill,会忽略只供 Codex 使用的 UI 元数据。
Codex 与 Claude Code 共用一份可编辑仓库
首次安装且 Claude Code 版本不低于 2.1.203 时,可以只保留一份仓库,再把两个发现路径链接到它。创建链接前,先把已有目标目录移开。
mkdir -p ~/.local/share/agent-skills ~/.agents/skills ~/.claude/skills
git clone https://github.com/yizhiyanhua-ai/fireworks-tech-graph.git ~/.local/share/agent-skills/fireworks-tech-graph
ln -s ~/.local/share/agent-skills/fireworks-tech-graph ~/.agents/skills/fireworks-tech-graph
ln -s ~/.local/share/agent-skills/fireworks-tech-graph ~/.claude/skills/fireworks-tech-graph
这样 SKILL.md、参考资料、脚本、模板和后续更新在两端始终一致。npm registry 是独立分发渠道,版本可能晚于 GitHub Release。当前 Skill 版本请使用上面的 GitHub 嵌套路径;npm 页面继续用于查看包元数据:
https://www.npmjs.com/package/@yizhiyanhua-ai/fireworks-tech-graph
更新
通过 skills CLI 安装时,重新执行上面的嵌套路径命令。通过 Git 安装时,更新实际安装的那一份仓库:
git -C ~/.agents/skills/fireworks-tech-graph pull
# 或
git -C ~/.claude/skills/fireworks-tech-graph pull
# 或:共享仓库方式
git -C ~/.local/share/agent-skills/fireworks-tech-graph pull
首次安装后重启 Codex 和 Claude Code,让两端重新发现 Skill。后续修改 SKILL.md 会自动生效;如果改的是脚本或参考资料而运行时没有看到更新,重启对应运行时。
以上 Shell 命令适用于 macOS、Linux、WSL 和 Git Bash。原生 Windows 请使用 %USERPROFILE%\.agents\skills 与 %USERPROFILE%\.claude\skills 对应路径。运行脚本需要 Python 3.9+;可选的 Puppeteer 路径需要 Node.js 22.12+。
统一 CLI
SKILL_ROOT="${CLAUDE_SKILL_DIR:-$HOME/.agents/skills/fireworks-tech-graph}"
python3 "$SKILL_ROOT/scripts/fireworks.py" doctor
python3 "$SKILL_ROOT/scripts/fireworks.py" validate architecture "$SKILL_ROOT/fixtures/api-flow-style7.json"
python3 "$SKILL_ROOT/scripts/fireworks.py" render architecture "$SKILL_ROOT/fixtures/api-flow-style7.json" diagram.svg --report layout.json
python3 "$SKILL_ROOT/scripts/fireworks.py" check diagram.svg
python3 "$SKILL_ROOT/scripts/fireworks.py" export-html diagram.svg diagram.html --title "API Integration Flow"
python3 "$SKILL_ROOT/scripts/fireworks.py" animate diagram.svg diagram.gif
HTML 导出是单文件离线产物。导出器会清洗 SVG,并提供平移、缩放、复位、明暗主题、复制 SVG 源码,以及 1×–4× 的 SVG/PNG/JPEG/WebP 下载。
动效可以直接说 “生成 GIF”、“制作 GIF” 或 “让这张图动起来”。命令只接收带有 12 套已验收动效契约之一的生成器语义 SVG。它不锁定源文件的精确字节,因此同一受支持拓扑下通过校验的标题和内容变化可以正常使用;缺失或改变 role/stage/order 覆盖、线路方向、必要颜色或几何时会 fail closed。动效媒体格式只允许 GIF,默认还会写出 <output>.motion.json 验证报告。正式默认参数为 960px、5.75 秒、20fps、115 个帧中心采样:第 1–36 帧完成线路构建,第 36–38 帧淡入运行流,第 38–109 帧保持完整稳定数据流,第 110–114 帧执行五档 reset。Style 1–12 的 signature、速度、路径、几何、构建节奏均已验收,包括 packet head、terminal evidence trace、Blueprint bead、14×10 Notion memory card 和八种场景专属 signature;共享的 +2s-settled-flow 时间修订也已验收,默认新包的相关状态统一记录为 user-approved。75 帧及以下继续要求全部帧唯一;更长时间线允许完整不透明区间内出现非相邻重复。frame 110 因 reset opacity 精确保留 1.00,成为唯一边界例外,并显式分类为 intentional_reset_boundary_repeat;frame 111–114 必须全局不同。长时间线至少保留 75 个唯一 raster,并禁止相邻重复。全样式 75-vs-115 gate 分开统计 binary-exact 与 decoded-RGBA-exact;仅当 AE ≤ 128、normalized RMSE ≤ 0.001、差异 component 宽或高不超过 2px 且只落在 edge/node border 时,才接受 compositor 抗锯齿等价,DOM 与 signature geometry 始终 strict-exact。显式 3.75 秒/75 帧与 2.75 秒/55 帧调用继续兼容。详见 聚焦的 SVG 转 GIF 动效。
安装依赖
仓库自带的 SVG/PNG 校验与导出脚本需要 cairosvg(推荐)或 rsvg-convert。可选的 SVG 转 GIF 动效导出需要 FFmpeg/FFprobe、Chrome/Chromium,以及 puppeteer 或 puppeteer-core。
# 推荐:cairosvg(CSS 支持最好)
python3 -m pip install cairosvg
# 备选:rsvg-convert(系统包,可能丢失 CSS / <foreignObject>)
brew install librsvg # macOS
sudo apt install librsvg2-bin # Ubuntu/Debian
# 可选:语义动效导出。依赖分别安装在两份 Skill 旁边,因为渲染器会
# 刻意忽略调用者当前目录中的同名 Node 模块。
brew install ffmpeg # macOS;其他平台使用系统包管理器
for SKILL_ROOT in \
"$HOME/.agents/skills/fireworks-tech-graph" \
"$HOME/.claude/skills/fireworks-tech-graph"
do
[ -d "$SKILL_ROOT" ] || continue
npm install --prefix "$SKILL_ROOT" --ignore-scripts --no-save --package-lock=false puppeteer-core@25.3.0
python3 "$SKILL_ROOT/scripts/fireworks.py" doctor
done
# 验证脚本支持的任一渲染器
python3 -c "import cairosvg; print(cairosvg.__version__)"
rsvg-convert --version
使用方式
触发词
画图 / 帮我画 / 生成图 / 做个图 / 架构图 / 流程图 / 可视化一下 / 出图
generate diagram / draw diagram / create chart / visualize
生成 GIF / 制作 GIF / 让这张图动起来 / 把刚才的 SVG 转成 GIF / Generate a GIF / animate this diagram / animate this SVG as a GIF
基本用法
指定风格
指定输出路径
生成 Mem0 架构图,输出到 ~/Desktop/
画一张 Tool Call 流程图 --output /tmp/diagrams/
场景示例集
AI/Agent 系统
画一张 Agentic RAG 和普通 RAG 的对比图,用 Notion 极简风
→ 功能矩阵对比:检索策略、Agent 循环、工具调用、延迟、成本
生成一张 Mem0 记忆架构图,包含向量库、图数据库、KV 存储和记忆管理器
→ 分泳道记忆架构:Input → Memory Manager → 存储层 → 检索输出
画一张 Multi-Agent 协作图:Orchestrator 调度 3 个 SubAgent(搜索/计算/代码执行),汇聚到 Aggregator
→ Agent 架构,六边形节点 + 工具层 + 结果聚合
可视化一下 Tool Call 的执行流程:LLM → Tool Selector → Execution → Parser → 回到 LLM
→ 含决策循环的流程图,展示工具调用的完整生命周期
画一张 Agent 的 5 种记忆类型图:感知记忆、工作记忆、情景记忆、语义记忆、程序记忆
→ 思维导图或分层架构,从感官输入到程序技能的记忆层级
基础设施与云架构
帮我画一张微服务架构图:Client → API Gateway → [用户服务 / 订单服务 / 支付服务] → PostgreSQL + Redis
生成一张数据管道图:Kafka 消费数据 → Spark 处理 → 写入 S3 → Athena 查询
→ 数据流图,每条箭头标注数据类型(stream / batch / query)
画一张 Kubernetes 部署架构:Ingress → Service → [Pod × 3] → ConfigMap + PersistentVolume
→ 架构图,Namespace 用虚线框,流量用实线箭头
API 与时序流程
画一张 OAuth2 授权码流程的序列图:用户 → 客户端 → 授权服务器 → 资源服务器
帮我画一张 ChatGPT Plugin 的调用时序图
→ 时序:User → ChatGPT → Plugin Manifest → API → 响应链
决策与流程图
画一张 AI 应用上线前的质检流程图:代码审查 → 安全扫描 → 性能测试 → 人工审核 → 发布
生成一张 RAG vs Fine-tuning vs Prompt Engineering 的功能对比图
概念图与知识图谱
帮我可视化一下 LLM 应用的技术栈:从底层模型到 SDK 到应用框架到部署层
画一张 AI Agent 的核心能力地图:感知 / 记忆 / 推理 / 行动 / 学习
→ 以"AI Agent"为中心的放射状思维导图,5 个核心能力分支
12 种风格
每种风格在 references/ 目录下都有专属参考文件,包含精确的颜色 Token 和 SVG Pattern。风格 1–7 与 9–12 由生成器驱动;风格 8 使用 AI 手绘构图和静态回归 fixture。
生成器会直接消费 containers、语义化 nodes[].kind、arrows[].flow 以及显式端口锚点;Style 9–12 还会在布局前校验领域字段。
style_overrides:在不复制整套 style 的前提下微调标题对齐或配色 token
containers[].header_prefix / containers[].header_text:用于 style 3 这种 01 // EDGE 的工程编号分区标题
containers[].side_label:用于 style 6 这类左侧 Layer Label
window_controls、meta_left、meta_center、meta_right:用于终端 / 文档风格的顶部 chrome
blueprint_title_block:用于 style 3 的蓝图标题信息框
风格选择指南
- 类图/组件图/包图:风格 1(扁平图标风)或风格 4(Notion 极简风)— 结构清晰,易于阅读
- 序列图/时序图:风格 2(暗黑极客风)— 等宽字体有助于对齐
- 状态机图/活动图:风格 3(工程蓝图风)— 工程美学适合流程图
- 用例图/交互图:风格 1(扁平图标风)— 彩色,易于理解
- RAG/Agentic Search:风格 2(暗黑极客风)或风格 5(玻璃态卡片风)— 科技感强
- 记忆架构:风格 3(工程蓝图风)— 强调分层存储结构
- Multi-Agent:风格 5(玻璃态卡片风)— 磨砂卡片区分 Agent 边界
- 内部文档:风格 4(Notion 极简风)— 极简,适合 Wiki
- 技术博客:风格 1(扁平图标风)— 彩色,吸引眼球
- GitHub README:风格 2(暗黑极客风)— 匹配暗色主题
- 演示文稿:风格 5(玻璃态卡片风)或风格 6(Claude 官方风格)— 精致专业
- Anthropic/Claude 项目:风格 6(Claude 官方风格)— 温暖奶油色背景,品牌感强且克制
- OpenAI 项目:风格 7(OpenAI 官方风格)— 简洁白色,OpenAI 配色
- 高级编辑感技术图:风格 8(暗黑奢华风)— 深黑画布、香槟金层级和语义色桶
- C4/ADR 评审:风格 9(C4 评审画布)— 单一抽象层级、职责与协议明确
- 云部署评审:风格 10(Cloud Fabric)— Region/Network 归属与跨边界机制明确
- 事件驱动系统:风格 11(Event Transit)— Topic、Processor、Consumer Group、状态与 DLQ
- 可靠性/事故复盘:风格 12(Ops Pulse)— Golden Signals、唯一关键路径与关联 Trace
支持的图类型
UML 图类型支持(14 种)
AI/Agent 领域内建 Pattern
Skill 内置以下领域知识,可直接描述场景生成:
RAG Pipeline → Query → Embed → VectorSearch → Retrieve → LLM → Response
Agentic RAG → 在 RAG 基础上加入 Agent 循环 + 工具调用
Agentic Search → Query → Planner → [Search/Calc/Code] → Synthesizer
Mem0 记忆层 → Input → Memory Manager → [VectorDB + GraphDB] → Context
Agent 记忆类型 → 感知记忆 → 工作记忆 → 情景记忆 → 语义记忆 → 程序记忆
Multi-Agent → Orchestrator → [SubAgent×N] → Aggregator → Output
Tool Call 流程 → LLM → Tool Selector → Execution → Parser → LLM (循环)
形状词汇表
箭头语义
文件结构
fireworks-tech-graph/
├── SKILL.md # 主 Skill 文件 — 图类型、布局规则、形状词汇
├── README.md # 英文文档
├── README.zh.md # 本文件(中文)
├── references/
│ ├── style-1-flat-icon.md # 白底风格 — 彩色强调色
│ ├── style-2-dark-terminal.md # 暗黑风格 — Neon 配色,等宽字体
│ ├── style-3-blueprint.md # 蓝图风格 — 网格底纹,青色线条
│ ├── style-4-notion-clean.md # 极简风格 — 白底,单色箭头
│ ├── style-5-glassmorphism.md # 玻璃态风格 — 深色渐变,磨砂卡片
│ ├── style-6-claude-official.md # Claude 官方风格 — 温暖奶油色,Anthropic 品牌
│ ├── style-7-openai.md # OpenAI 官方风格 — 简洁白色,OpenAI 品牌配色
│ ├── style-8-dark-luxury.md # 深黑画布、香槟金、AI 手绘布局
│ ├── style-9-c4-review-canvas.md # C4 评审语义 + 确定性手绘纹理
│ ├── style-10-cloud-fabric.md # Deployment 归属 + 中性 Cloud Glyph
│ ├── style-11-event-transit.md # Topic 轨道、站点、Junction 与 DLQ
│ ├── style-12-ops-pulse.md # Golden Signals、关键路径与 Trace Waterfall
│ ├── png-export.md # 渲染器选择与手动导出方案
│ └── icons.md # 40+ 产品图标 + 语义形状模板
├── agents/
│ └── openai.yaml # Codex 可选 UI 元数据
├── schemas/ # 版本化 Diagram JSON Schema
├── docs/ # 能力契约与路线图
├── examples/
│ └── interactive-architecture.html # 离线平移/缩放/导出演示
├── fixtures/
│ ├── mem0-style1.json # Style 1 · Mem0 记忆场景
│ ├── tool-call-style2.json # Style 2 · Tool Call 场景
│ ├── microservices-style3.json # Style 3 · 微服务蓝图
│ ├── agent-memory-types-style4.json # Style 4 · 记忆层级
│ ├── multi-agent-style5.json # Style 5 · 多 Agent 协作
│ ├── system-architecture-style6.json # Style 6 · 系统分层
│ ├── api-flow-style7.json # Style 7 · API 集成
│ ├── dark-luxury-style8.svg # Style 8 · AI 手绘 Runtime 场景
│ ├── c4-review-canvas-style9.json # Style 9 · Checkout C4 评审
│ ├── cloud-fabric-style10.json # Style 10 · Active-Active Deployment
│ ├── event-transit-style11.json # Style 11 · Checkout Event Line
│ ├── ops-pulse-style12.json # Style 12 · Reliability Pulse
│ └── quality-baseline/ # 内部同拓扑质量回归基线
├── scripts/
│ ├── fireworks.py # 统一 validate/render/check/animate/export CLI
│ ├── diagram_ir.py # Schema v1 类型化归一层
│ ├── fireworks_geometry.py # 路由与碰撞共享语义
│ ├── interactive_html.py # 安全的离线 HTML 导出器
│ ├── generate-diagram.sh # SVG 校验与 PNG 导出
│ ├── generate-from-template.py # 基于模板生成 SVG 起始文件
│ ├── motion.py # SVG 转 GIF 校验、编码与原子报告
│ ├── svg2gif.js # 手动时间轴 Chromium 逐帧渲染器
│ ├── svg2png.js # Puppeteer 高保真导出脚本
│ ├── validate-svg.sh # 校验与渲染检查入口
│ ├── validate_svg.py # XML、marker、transform 与路径碰撞检测
│ └── test-all-styles.sh # 批量测试所有风格
├── tests/
│ ├── test_geometry_contracts.py # 路由与产物几何门禁
│ └── ... # IR、CLI、导出器、安装兼容测试
├── tools/ # 分发、项目一致性、安装 canary
├── skills/fireworks-tech-graph/ # 完整的 npx 兼容物理镜像
├── assets/
│ └── samples/ # 示例图 PNG
├── templates/
│ ├── architecture.svg # 架构图模板
│ ├── data-flow.svg # 数据流模板
│ └── ... # 其他图类型模板
└── agentloop-core.svg # 仓库自带示例 SVG
产品图标覆盖范围
AI/ML 模型: OpenAI、Anthropic/Claude、Google Gemini、Meta LLaMA、Mistral、Cohere、Groq、Hugging Face
AI 框架: Mem0、LangChain、LlamaIndex、LangGraph、CrewAI、AutoGen、DSPy、Haystack
向量数据库: Pinecone、Weaviate、Qdrant、Chroma、Milvus、pgvector、Faiss
关系型/NoSQL 数据库: PostgreSQL、MySQL、MongoDB、Redis、Elasticsearch、Neo4j、Cassandra
消息队列: Kafka、RabbitMQ、NATS、Pulsar
云服务 & 基础设施: AWS、GCP、Azure、Cloudflare、Vercel、Docker、Kubernetes
可观测性: Grafana、Prometheus、Datadog、LangSmith、Langfuse、Arize
故障排查
License
MIT © 2025 fireworks-tech-graph contributors
09.08