硬核横评
硬核横评

AI 图表工具横评:生成之后归谁、以何形态存在

本篇不比画质、只比可客观核验的维度,开篇第一节即声明评测口径与边界:非亲自压测,数据为 2026-09-15 从各项目官方仓库实核,星标实时变动,不打主观画质分。对照五个项目:cathrynlavery/diagram-design(39,807 星、MIT、HTML、未关闭 issue 44、2026-04-16 建仓)、mermaid-js/mermaid(90,244 星、MIT、TypeScript、1,785 个未关闭 issue、2014-11-01 建仓)、excalidraw/excalidraw(131,918 星、MIT、TypeScript、3,471 个未关闭 issue、2020-01-02 建仓)、terrastruct/d2(25,416 星、MPL-2.0、Go、528 个未关闭 issue、2022-09-05 建仓)、plantuml/plantuml(13,313 星、LGPL-3.0、Java、588 个未关闭 issue、2010-11-04 建仓)。分析骨架是三类范式:文本引擎类(Mermaid、D2、PlantUML,作者只描述结构、版式交给引擎,代价是版式不可控与渲染依赖),自包含产物类(diagram-design,由编码 Agent 直接产出可离线打开的 HTML 加内联 SVG,代价是绘图规范很重),以及手绘交互类(Excalidraw,强项是人与人协作草图,AI 直接产出的是场景文件而非成品图)。核心判断:选图表方案买的不是能不能生成图,而是图生成之后归谁、以什么形态存在、谁能打开。文末给出按团队形态分档的选型建议表,并如实标注图谱:许可证只说类型差异与分发含义不同、不下商用绝对结论;问题密度一节明确声明非质量判决,因为三者体量、年龄与功能面差异巨大。

发布于 2026年9月15日10 分钟阅读
<!-- ai-diagram-tools-comparison-review | review | AI 图表工具横评:生成之后归谁、以何形态存在 -->

先说清楚本横评比什么、不比什么,以及数据是什么时候、从哪里取的。本评测不是亲自压测。所有星标、许可证、主语言、未关闭 issue、建仓时间、最近推送日期,都来自 2026-09-15 当天对各项目官方 GitHub 仓库与官方文档的实核。星标数实时变动,你读到这篇时可能已经变了,所以这里只把它当作体量量级参考,不把它当作结论。

我们对比的维度只有五类可客观核验的东西:架构范式、依赖与运行时、产物形态与可移植性、许可证类型、维护活跃度与问题密度。我们刻意不打画质分。原因很简单:画质是主观的,没有统一的标尺,硬打分只会变成各说各话,对读者没有帮助。本文所有数字都来自上面的实核数据,不编造、不估算、不推测趋势。

需要特别点明:下文会提到 diagram-design 的未关闭 issue 数量明显低于另外几个项目,但那不是质量判决。diagram-design 2026 年 4 月才建仓,而 mermaid 2014 年、excalidraw 2020 年就已经在,体量、年龄、功能面差异巨大,新仓库 issue 少很大程度是还没长大。请务必带着这个限定条件读后面的数字。

一、评测口径与边界声明

这一节是整篇的底座,先把它钉死。我们选这五个项目做对照,不是因为它们是同类竞品,而是因为它们恰好覆盖了 2026 年做图这件事上三条不同的成本落点:把图交给引擎渲染、把图交给一份规范、把图交给一块白板。把它们放在一张表里比,比的是成本落点,不是谁画得更漂亮。

为什么强调非亲自压测。压测需要统一的环境、统一的输入、统一的评判标准,而图这件事实在太依赖使用场景:你给高管看的架构图和给同事看的技术草图,衡量标准完全不同。我们没有,也不打算造一个虚假的统一考场。所以我们只核可客观核验的事实,把判断留给读者自己的场景。

为什么不打画质分。画质没有标尺,配色、圆角、留白、线条质感,每个人都有不同偏好。给一个主观分,只会让厂商拿去当广告,读者得不到可迁移的结论。这篇横评的价值在于把可核验的维度摊开,让你按自己的场景做乘法,而不是替你下一个我们都不敢保证适用所有人的结论。

数据时效也请记牢:2026-09-15。星标、issue、推送日期都会变,本文不承诺它们在你读到的那一刻仍然精确,只承诺它们是我们在这个时间点实核出来的。

二、五个项目硬数据总览

下面是 2026-09-15 实核的硬数据,一张表收口,一句定位放在表后。

项目星标许可证主语言未关闭 issue建仓于最近推送
cathrynlavery/diagram-design39,807MITHTML442026-04-162026-09-10
mermaid-js/mermaid90,244MITTypeScript1,7852014-11-012026-09-14
excalidraw/excalidraw131,918MITTypeScript3,4712020-01-022026-09-14
terrastruct/d225,416MPL-2.0Go5282022-09-052026-09-13
plantuml/plantuml13,313LGPL-3.0Java5882010-11-042026-09-14

一句话定位:diagram-design 是 2026 年新出现的自包含产物方案,强调双击就能打开;mermaid 是浏览器里跑的文本引擎,嵌入文档生态最成熟;excalidraw 是手绘白板,协作草图是它的主场;d2 是 Go 写的独立编译器,定位是用文本画架构图;plantuml 是三者里最老的 Java 生态文本引擎,沉淀最久。

把这张表读两遍会有两个反直觉的点。第一,星标最高的 excalidraw 和星标最低的 plantuml 差了将近十倍,但它们分属不同范式,受众本就不同,星标高低不能直接换算成谁更好。第二,diagram-design 建仓最晚、星标却已经过三万,说明自包含产物这条路线在 2026 年确实有真实需求,而不是小众玩具。

三、三类范式:成本分别落在哪

这五个项目可以按范式分成三类,每类的成本落点完全不同。理解这一点,比记任何一张对比表都重要。

文本引擎类:mermaid、d2、plantuml。输入是文本 DSL,输出依赖引擎渲染。作者只描述结构与关系,版式交给引擎自动布局。代价是版式不可控,产物通常依赖特定渲染器或运行时。mermaid 跑在浏览器里,靠 JavaScript 在客户端把文本渲染成 SVG;d2 是 Go 写的独立编译器,2022 年出现,许可证 MPL-2.0;plantuml 是 Java 生态,许可证 LGPL-3.0,2010 年就在,是三者里最老的。

文本引擎类的好处是写作门槛低,几行 DSL 就能出图,适合工程师随手记。坏处也来自同一处:你交出的是源代码,看到的图是渲染器的产物。一旦渲染器不在,或者版本变了,你看到的图和同事看到的图可能不一样。这在需要长期存档、对外交付的场景里是硬伤。

自包含产物类:diagram-design。它不由引擎渲染,而是让编码 Agent 直接产出自包含的 HTML 加内联 SVG;无构建步骤、无 JavaScript、无外部图片依赖,双击可打开、离线可看。代价是它是一套很重的绘图规范:只用 1 个强调色、无阴影、圆角不超过 10px、所有坐标与间距必须能被 4 整除。上手成本高于写几行 DSL。

自包含产物类的好处是产物就是你自己的文件,不依附任何运行时,十年后双击还能打开。坏处是规范重,写第一张图要比写一段 mermaid 费心思,而且规范由项目方定义,你图的样子要服从它的设计系统,这不是坏事,但对追求自由版式的作者是一种约束。

手绘交互类:excalidraw。白板手绘质感,强项是人与人协作草图。AI 直接产出的是它的场景文件(.excalidraw 与 .excalidraw.json)而非成品图,交付出去还需要对方有同样的编辑器或再导出。它解决的是脑子里的想法还没定型时,一群人一起把它画清楚,而不是一次性交付一份定稿。

四、四个可客观核验的维度

下面把四个维度逐项过一遍,全部基于实核数据,不主观打分。

渲染与运行时依赖:mermaid 依赖浏览器里的 JavaScript;d2 是独立二进制,命令行即可跑;plantuml 需要 Java 运行时;excalidraw 依赖其前端编辑器;diagram-design 的产物是纯 HTML 加内联 SVG,打开即看,不需要任何运行时。

产物形态与可移植性:文本引擎类的产物本质是源文本加渲染器,离开渲染器就看不到图;diagram-design 的产物是文件本身,可移植性最强;excalidraw 的产物是场景文件,需要编辑器才能还原成图。

许可证类型及其分发含义:diagram-design、mermaid、excalidraw 是 MIT;d2 是 MPL-2.0,属弱 copyleft,义务主要落在被修改的文件层面;plantuml 是 LGPL-3.0,属弱 copyleft,通常允许以库形式被更大程序调用,但对修改与再分发有条件。落地前请以各项目 LICENSE 文件原文为准,我们只说许可证类型不同、对二次分发与嵌入的要求不同,不下能不能商用的绝对结论。

维护活跃度与问题密度:下表用实核的星标与未关闭 issue 对照。再次提醒,这不是质量判决,建仓时间与体量差异巨大。

项目星标未关闭 issue建仓于最近推送
diagram-design39,807442026-04-162026-09-10
mermaid90,2441,7852014-11-012026-09-14
excalidraw131,9183,4712020-01-022026-09-14
d225,4165282022-09-052026-09-13
plantuml13,3135882010-11-042026-09-14

最后推送日期全部集中在 2026-09-10 到 2026-09-14 之间,说明五个项目在核数据时都在活跃维护,没有哪个明显停更。把 issue 数和星标放一起看,diagram-design 三万多星只有 44 个未关闭 issue,而 mermaid 九万多星有 1,785 个、excalidraw 十三万多星有 3,471 个。这个差距很扎眼,但必须回到限定条件:diagram-design 才建仓五个月,另外两者分别建仓十二年、六年,功能面和使用人数都不在一个量级。issue 少是年轻带来的,不是质量带来的。

五、跨范式互操作这一层

这一层是 diagram-design 独有、也最值得说的地方。它提供了 draw.io、mermaid、excalidraw 三条导入重绘通道,把已有源文件重绘成它的设计系统。换句话说,它不要求你从零开始,而是把你在别的范式里的存量资产收编进来。

支持输入:draw.io 的 .drawio、.drawio.xml、.drawio.png、.drawio.svg(含压缩 payload);mermaid 的 .mmd、.mermaid 以及 Markdown 里的 mermaid 代码块;excalidraw 的 .excalidraw 与 .excalidraw.json(不支持它的 png/svg 导出)。

它明确声明不继承源文件的坐标、配色、字体、draw.io 的斜线连接器、mermaid 的自动布局、excalidraw 的手绘几何;一定继承组件、关系、分组、方向。每次导入会输出 fidelity ledger(保真账单),列明被合并、折叠、丢弃的内容。这个账单的价值在于可审计:你交给它一张图,它告诉你哪些保住了、哪些被它按规范折叠或丢掉了,不是黑箱。

重绘带四个旋钮:Format(html、svg、png、html+png),Size(9 档,含 doc-inline、slide-16x9、social-og、print-a4-landscape 等,同时改 viewBox 与字号阶梯),Detail(faithful 最多 24 节点、balanced 最多 12、simplified 最多 7,按固定降级阶梯删减),Audience(engineer、mixed、executive,改措辞不改数量)。这四个旋钮把收编过程变得可控:你不是把一张图丢进去听天由命,而是按交付场景调格式、尺寸、细节密度、读者层级。

值得点评的张力:它的宣传语明确写着 No Mermaid slop,却同时提供 mermaid 导入通道。既批评又兼容,说明它要的不是消灭 mermaid,而是把存量 mermaid 资产收编进它自己的设计系统。这个姿态对已有大量 mermaid 存量、又想统一视觉规范的团队,反而是加分项,因为这等于给了你一条无痛迁移的路,而不是让你二选一。

顺带一提,站内我们也有关于 Agent 工作流的横评,可对照阅读:AI 编码技能框架横评Claude Code、Cursor 与 Codex 横评Kimi 与 Qwen、GLM 的长上下文横评。同批次还有 diagram-design 资源篇diagram-design 接入 Claude Code 的 SOP 可供延伸。

六、选型建议与结尾判断

按团队形态给建议,下面一张表收口。

团队形态建议方案理由
个人写文档mermaid 或 diagram-designmermaid 上手快、生态成熟;diagram-design 适合要统一视觉且追求可移植
频繁嵌入技术文档的团队mermaid渲染器嵌入文档生态最成熟,协作与版本管理顺手
出给高管看的图diagram-design设计系统统一、可移植、离线可看,适合对外交付
多人白板协作excalidraw手绘草图与实时协作是它的主场
已有大量 mermaid 或 draw.io 存量diagram-design 的导入重绘把存量资产收编进统一设计系统,保真账单可审计

结尾判断:选图表方案,买的不是能不能生成图,而是图生成之后归谁、以什么形态存在、谁能打开。文本引擎类把成本放在渲染链路上,产物是引擎的产物;自包含产物类把成本放在绘图规范上,产物是你自己的文件。AI 时代的真正变量不是画得好不好看,而是 Agent 能不能一次性写出可交付的产物,以及这个产物在没有你的环境里还能不能打开。把这条线想清楚,选型就不难了。

常见问题

Q1:这篇横评是亲自压测的吗? A1:不是。本评测不是亲自压测,所有数字来自 2026-09-15 当天对各项目官方仓库与官方文档的实核,星标数实时变动,只作体量量级参考。

Q2:diagram-design 的 issue 最少,是不是它质量最好? A2:不是质量判决。它 2026 年 4 月才建仓,而 mermaid 2014 年、excalidraw 2020 年就已存在,体量、年龄、功能面差异巨大,新仓库 issue 少很大程度是还没长大。

Q3:Mermaid 和 diagram-design 能一起用吗? A3:可以。diagram-design 提供 mermaid 导入重绘通道,支持 .mmd、.mermaid 文件以及 Markdown 里的 mermaid 代码块,会把源文件重绘进它的设计系统,并输出保真账单。

Q4:这几个项目能不能商用? A4:我们只说许可证类型不同、对二次分发与嵌入的要求不同,落地前请以各项目 LICENSE 文件原文为准。MIT 最宽松;MPL-2.0 与 LGPL-3.0 属弱 copyleft,义务分别落在文件层面与库调用条件上。

Q5:Excalidraw 的 AI 产物能直接交付吗? A5:AI 直接产出的是场景文件(.excalidraw 与 .excalidraw.json)而非成品图,交付出去需要对方有同样的编辑器或再导出,不适合作为一次性可交付文件。


参考来源

本文由 AI 辅助生成,经人工审核编辑。最后更新:2026-09-15

常见问题

这篇横评是亲自压测的吗?
不是。本评测不是亲自压测,所有数字来自 2026-09-15 当天对各项目官方仓库与官方文档的实核,星标数实时变动,只作体量量级参考。
diagram-design 的 issue 最少,是不是它质量最好?
不是质量判决。它 2026 年 4 月才建仓,而 mermaid 2014 年、excalidraw 2020 年就已存在,体量、年龄、功能面差异巨大,新仓库 issue 少很大程度是还没长大。
Mermaid 和 diagram-design 能一起用吗?
可以。diagram-design 提供 mermaid 导入重绘通道,支持 .mmd、.mermaid 文件以及 Markdown 里的 mermaid 代码块,会把源文件重绘进它的设计系统,并输出保真账单。
这几个项目能不能商用?
我们只说许可证类型不同、对二次分发与嵌入的要求不同,落地前请以各项目 LICENSE 文件原文为准。MIT 最宽松;MPL-2.0 与 LGPL-3.0 属弱 copyleft,义务分别落在文件层面与库调用条件上。
Excalidraw 的 AI 产物能直接交付吗?
AI 直接产出的是场景文件(.excalidraw 与 .excalidraw.json)而非成品图,交付出去需要对方有同样的编辑器或再导出,不适合作为一次性可交付文件。

相关文章

硬核横评

开源不等于可商用:世界模型横评四本账

本篇不比画质、只算四本账,主题是世界模型与空间智能开源项目的选型(与站内图像能力横评、批次 23 Agent 长上下文成本账、批次 24 语音云本地账明确分工):一看开源程度,二看许可证的商用边界,三看硬件门槛,四看数据与控制权。用 2026-09-14 GitHub API 快照横比七项:Robbyant/lingbot-world-v2(1755 星,CC BY-NC-SA 4.0 非商用,官方 14B 八卡与 1.3B 二卡)、闭源 Genie 3(公开报道口径 720p 24fps、约 1 分钟一致性、不支持多人)、bilawalsidhu/gods-eye-view(32,399 星,MIT,浏览器本地)、Robbyant/lingbot-map(17,022 星,Apache-2.0,ECCV 2026 oral,流式 3D 重建)、Robbyant/lingbot-world v1(4449 星,Apache-2.0)等。核心论点:开源不等于可商用,非商用许可证是硬边界;三类项目层级不同(生成式、重建式、前端聚合式),选型先问要解决哪一环;硬件口径三方打架(README 示例、仓库脚本、媒体宣传),做预算以官方代码仓为准。附对比表与按个人、小团队、商用集成三档的选型建议。

2026年9月14日9 分钟阅读
硬核横评

云端 vs 本地语音 AI 成本与可控性横评

本篇不比能力、只算账,主题是语音 AI 的**云端实时语音 API 与本地开源工具**两条路线的成本结构与可控性(与站内 8-26 图像模型能力横评、批次 22 图像成本账、批次 23 Agent 长上下文成本账明确分工)。开篇指出语音成本比文本/图像更难建模:实时性、并发路数、音频时长分布、语言/方言覆盖、隐私合规五个维度叠加。随后用五维对照(单价与计费、延迟与实时、隐私合规、可控性定制、语言覆盖)逐维比较云端代表 GPT-Live-1(闭源、按量、开箱实时)与本地代表 VoiceStudio(开源、一次性算力、数据不出机、引擎可换),配五维评分表与五类场景选型表,并按个人/小团队/批量三量级给结论。所有单价一律符号化(P_cloud / C_local)或标「以官方定价页为准」,量级判断标工程估算口径。冷思考点名厂商「按需付费更省」只覆盖落在甜区内的那一个工作负载,真正决定账单的是并发 N、时长分布 T 与是否强制实时,建议自建度量。

2026年9月13日9 分钟阅读
硬核横评

Agent长上下文成本横评:只算工具调用的账

本篇不比能力、只算账,主题是 Agent 长上下文与多轮轨迹的上下文成本(与站内 8-26 图像模型能力横评、批次 22 的图像成本账明确分工)。开篇给出可复算的单轮成本公式,并点明常驻前缀是每轮都要重付的那一笔。随后横向对比五根杠杆——前缀缓存、KV Cache 压缩与稀疏注意力、上下文压缩折叠、工具输出裁剪、轨迹重放改增量提交——各自的收益量级、实现成本、风险与适用场景,配五杠杆对照表与三类场景(单任务 10 轮工具调用、长轨迹编程 Agent、批量离线任务)成本结构表,并按个人、小团队、批量三种量级给出杠杆优先级。所有单价一律符号化(P_in / P_out / P_cache)或标注「以官方定价页为准」,量级判断均标注工程估算口径,不伪装成实测。冷思考:厂商的「降本 X%」通常是特定 workload 下的最优值,真正决定账单的是缓存命中率、上下文分布与工具输出长度,建议自建度量而不是采信发布数字。

2026年9月10日9 分钟阅读