Diagrams Generator

Diagrams Generator

Generate professional diagrams using the most suitable tool for each scenario.

工具选择矩阵

Prerequisites (按需安装)

基础工具 (大多数场景)

# Graphviz (diagrams 依赖)
brew install graphviz  # macOS
apt-get install graphviz  # Linux

# Python 库
pip install diagrams matplotlib seaborn plotly networkx

TikZ/LaTeX (学术论文级图表 - 可选)

# macOS - 完整安装 (~4GB, 10-15分钟)
brew install --cask mactex

# macOS - 轻量安装 (~500MB)
brew install --cask basictex
sudo tlmgr install tikz-cd pgfplots standalone

# Linux
apt-get install texlive-full  # 完整版
# 或
apt-get install texlive-base texlive-pictures texlive-latex-extra  # 轻量版

Workflow

Phase 1: Requirement Understanding & Tool Recommendation (MANDATORY)

⚠️ CRITICAL: You MUST complete ALL steps in Phase 1 and receive explicit user confirmation BEFORE proceeding to Phase 2. DO NOT skip this phase or generate code without confirmation.

1. Receive input: User provides text description and/or reference image

2. Identify Scenario: 根据用户描述中的关键词，识别场景类型：

   检测关键词	场景判断
   架构/系统/微服务/AWS/GCP/K8s	→ 云架构图
   数据/趋势/统计/柱状/折线/饼图	→ 数据图表
   交互/动态/Web/仪表板	→ 交互图表
   热力图/分布/相关性	→ 统计图表
   流程/状态机/决策树	→ 流程图
   网络/拓扑/节点/关系	→ 关系图
   论文/学术/神经网络/模型架构	→ 学术图

3. Analyze and extract:

   • Components (services, databases, users, layers, etc.)
   • Groupings/Clusters (VPC, regions, logical groups, network layers)
   • Connections and data flows
   • Labels and annotations

4. ⚠️ MANDATORY OUTPUT - 输出以下结构化内容:

   你必须按照以下格式输出，缺一不可：

   ---

   4.1 架构理解 - Natural language summary of the architecture

   4.2 组件清单 - List all identified components by layer

   4.3 连接关系 - Describe all connections and data flows

   4.4 Mermaid 预览 - Provide Mermaid diagram code for quick visual preview

   4.5 ⚠️ 工具选项表 (THIS IS REQUIRED - DO NOT SKIP)

   根据识别的场景，你必须输出对应的完整工具选项表格：

   ---

   场景: 云架构图 (AWS/GCP/Azure/K8s)

   方案	工具	速度	质量	输出格式	说明
   A	diagrams	⚡ 快	★★★★	PNG/SVG	云图标丰富，专业
   B	graphviz	⚡ 快	★★★	PNG/SVG/PDF	通用流程图风格
   C	PlantUML	⚡ 快	★★★	PNG/SVG	需 Java 环境

   💡 推荐: 方案 A (diagrams) - 专为云架构设计

   ---

   场景: 数据图表 (折线/柱状/饼图/散点)

   方案	工具	速度	质量	输出格式	说明
   A	matplotlib	⚡ 快	★★★	PNG/SVG/PDF	即开即用，最通用
   B	plotly	⚡ 快	★★★★	HTML/PNG	交互式，可缩放
   C	pyecharts	⚡ 快	★★★★	HTML	中文友好，样式丰富

   💡 推荐: 静态图选 A，交互式选 B

   ---

   场景: 学术论文图 (神经网络/模型架构/算法流程)

   方案	工具	速度	质量	输出格式	说明
   A	matplotlib	⚡ 快	★★★	PNG/SVG/PDF	即开即用，适合初稿
   B	TikZ/LaTeX	🐢 慢	★★★★★	PDF/PNG	首次需下载 500MB-4GB

   💡 推荐: 赶时间选 A，正式发表选 B

   ---

   场景: 流程图/状态机/决策树

   方案	工具	速度	质量	输出格式	说明
   A	graphviz	⚡ 快	★★★	PNG/SVG/PDF	专业流程图
   B	mermaid-cli	⚡ 快	★★★	PNG/SVG	需 Node.js 环境
   C	PlantUML	⚡ 快	★★★	PNG/SVG	需 Java 环境

   💡 推荐: 方案 A (graphviz) - 无额外依赖

   ---

   场景: 网络拓扑/关系图/知识图谱

   方案	工具	速度	质量	输出格式	说明
   A	networkx + matplotlib	⚡ 快	★★★	PNG/SVG	静态图，轻量
   B	pyvis	⚡ 快	★★★★	HTML	交互式，可拖拽
   C	graphviz	⚡ 快	★★★	PNG/SVG/PDF	层次布局清晰

   💡 推荐: 静态选 A，交互式选 B

   ---

   场景: 统计图表 (热力图/分布图/相关性矩阵)

   方案	工具	速度	质量	输出格式	说明
   A	seaborn	⚡ 快	★★★★	PNG/SVG/PDF	统计图专用
   B	matplotlib	⚡ 快	★★★	PNG/SVG/PDF	更灵活，需手动配置
   C	plotly	⚡ 快	★★★★	HTML/PNG	交互式热力图

   💡 推荐: 方案 A (seaborn) - 统计可视化首选

   ---

5. MANDATORY CONFIRMATION - 你必须询问用户确认：

   • 架构理解是否正确？
   • 组件/连接是否需要增减？
   • 请选择工具方案: [A] / [B] / [C]？（或使用推荐方案）
   • ⚠️ DO NOT proceed to Phase 2 until user explicitly confirms AND chooses a tool

Required output format (MUST follow this structure):

## 1. 架构理解

我理解你需要的架构图包含以下内容：[简要描述]

## 2. 组件清单

- **用户层**: Business Analyst, Developer
- **应用层**: Cloud Run (wiki-interface, evaluator)
- **数据层**: Redis (Memorystore), Cloud SQL

## 3. 连接关系

- User → wiki-interface → evaluator
- evaluator → Redis (缓存)

## 4. Mermaid 预览

```mermaid
graph LR
    User --> wiki[wiki-interface]
    wiki --> eval[evaluator]
    eval --> Redis

5. ⚠️ 工具选项表

检测到场景: 云架构图

💡 推荐: 方案 A (diagrams) - 专为云架构设计，图标更专业

请确认

1. 架构理解是否正确？组件是否需要增减？
2. 连接关系是否准确？
3. 布局方向偏好（左右 LR / 上下 TB）？
4. 请选择工具方案: [A] / [B] / [C]？（直接回复字母，或回复"用推荐"）

确认后我将生成专业的架构图。

### Phase 2: Code Generation & Execution

After user confirms, generate Python code following these rules:

#### Output Configuration
```python
with Diagram(
    "Diagram Name",
    filename="./pic/{subfolder}/{name}",  # Output to pic subdirectory
    outformat=["png", "svg"],              # Both formats
    show=False,                            # Don't auto-open
    direction="LR"                         # Left-to-right by default
):

Directory Setup

Before execution, ensure output directory exists:

import os
os.makedirs("./pic/{subfolder}", exist_ok=True)

Code Structure Template

from diagrams import Diagram, Cluster, Edge
# Import nodes based on cloud provider
# from diagrams.gcp.compute import Run, ComputeEngine
# from diagrams.aws.compute import EC2, Lambda
# from diagrams.k8s.compute import Pod, Deployment

import os
output_dir = "./pic/{diagram_name}"
os.makedirs(output_dir, exist_ok=True)

with Diagram(
    "{Diagram Title}",
    filename=f"{output_dir}/{diagram_name}",
    outformat=["png", "svg"],
    show=False,
    direction="LR"
):
    # Define clusters and nodes
    with Cluster("Cluster Name"):
        node1 = ServiceType("Label")
    
    # Define connections
    node1 >> Edge(label="description") >> node2

Phase 3: Save Code & Result Feedback

After execution:

1. Save the Python source code to ./pic/{name}/{name}.py (same folder as generated images)
2. Report generated file paths:
   • ./pic/{name}/{name}.py (source code)
   • ./pic/{name}/{name}.png
   • ./pic/{name}/{name}.svg
3. If errors occur, analyze and fix automatically

Node Import Reference

See references/diagrams-api.md for complete node import paths.

Quick Reference - Common Providers

Common Categories

• compute: EC2, Run, Pod, VM
• database: RDS, SQL, PostgreSQL, Redis
• network: ELB, VPC, DNS, CDN
• storage: S3, GCS, PersistentDisk
• analytics: BigQuery, Dataflow
• ml: SageMaker, VertexAI
• security: IAM, KMS, WAF
• client: User, Users, Client

扩展能力：多种 Python 绑图库支持

除了 diagrams 库用于架构图，本 Skill 支持根据用户需求动态选择合适的 Python 绘图库：

Design Best Practices

1. Use Clusters for logical grouping (VPC, Region, Service Group)
2. Direction: Use LR (left-right) for wide diagrams, TB (top-bottom) for tall ones
3. Edge labels: Add Edge(label="HTTP") for connection descriptions
4. Consistent naming: Use clear, descriptive labels
5. Color coding: Leverage built-in provider colors for visual distinction

输出格式指南