Prompt yang Sama, Gambar Rajah yang Sama

Prateek Rai telah melancarkan tldraw-canvas-kit, sebuah koleksi 19 “Kemahiran Ejen” yang membolehkan pembantu AI tempatan seperti Claude Code atau Cursor mengendalikan aplikasi desktop tldraw secara luar talian dan menghasilkan gambar rajah kejuruteraan yang serupa setiap kali. Kit ini berfungsi tanpa sebarang sambungan awan atau telemetri, bermakna pasukan boleh menyimpan aset visual mereka sepenuhnya di premis (on-premises).

Mengapa alat gambar rajah tempatan yang deterministik itu penting

Pasukan kejuruteraan menghabiskan masa berjam-jam memindahkan carta alir, gambar rajah kelas, dan peta seni bina antara slaid pembentangan, tapak dokumentasi, dan alat reka bentuk. Setiap langkah salin-tampal memperkenalkan perubahan halus—gaya garisan berubah, ID dijana semula, dan susun atur beralih. Apabila gambar rajah dijana semula oleh LLM, hasilnya sering kali mempunyai susunan yang berbeza, walaupun prom teks tidak berubah. Bagi organisasi yang memerlukan dokumentasi sedia-audit atau artifak reka bentuk yang boleh dihasilkan semula, kepelbagaian tersebut merupakan satu liabiliti.

Prateek membina tldraw-canvas-kit untuk menangani dua masalah utama: (1) alat yang berjalan sepenuhnya pada mesin pengguna, dan (2) jaminan bahawa prom yang sama akan menghasilkan gambar rajah yang sama. Dengan menyediakan API HTTP tempatan yang boleh dipanggil oleh ejen AI, kit ini menghapuskan kependaman rangkaian, risiko kebocoran data, dan keperluan langganan SaaS.

Cara kit ini berfungsi

  • Teras luar talian – Aplikasi desktop tldraw menjalankan pelayan tempatan yang menerima arahan berenkod JSON. Tiada panggilan luaran dibuat, dan tiada data penggunaan meninggalkan mesin tersebut.
  • Kemahiran Ejen – Setiap kemahiran menyandikan spesifikasi struktur tetap: matematik susun atur, pilihan stensil, dan ID yang stabil. Apabila ejen memanggil kemahiran, ia menerima set arahan lukisan yang deterministik.
  • Kemas kini idempotent – Jika sesuatu kemahiran dijalankan pada gambar rajah sedia ada, ia akan mengemas kini bentuk di tempatnya, membuang elemen yang tidak lagi digunakan, dan menetapkan semula sauh (re-anchors) pada garisan. Hasilnya ialah kanvas yang boleh disegarkan semula tanpa mengumpul objek pendua.
  • Format fail – Gambar rajah disimpan sebagai fail .tldraw biasa. Oleh kerana logik susun atur berada di dalam fail tersebut, perkongsian slaid secara automatik menyertakan peraturan navigasi yang diperlukan untuk menghasilkan semula paparan tersebut.

Kit ini menyokong tiga belas kategori gambar rajah, bermula daripada urutan (sequence) dan carta alir sehinggalah kepada gambar rajah ER, mesin keadaan (state machines), lorong renang (swimlanes), kes penggunaan (use-case), komponen, pakej, penempatan (deployment), seni bina, peta minda, dan peta pangkalan kod. Pengguna hanya perlu menerangkan gambar rajah yang diingini; kemahiran tersebut akan mengendalikan struktur asasnya.

Pengajaran yang diperoleh semasa pembangunan

  1. Gaya anak panah secara lalai adalah rupa lukisan tangan – Walaupun garisan bersih diminta, API pada mulanya mencipta anak panah gaya lakaran. Kemahiran tersebut mesti mengeluarkan arahan susulan untuk menukar gaya tersebut.
  2. Anak panah boleh bersilang dengan bentuk secara senyap – API tidak mengeluarkan ralat jika penyambung melalui sesuatu nod. Pemeriksaan visual pada tangkapan skrin yang dijana diperlukan untuk mengesan perlanggaran sedemikian.
  3. Pembungkusan label tepi terganggu pada anak panah pendek – Label mungkin terbungkus dengan buruk jika penyambung terlalu pendek, jadi kemahiran tersebut mesti menetapkan panjang minimum atau melaraskan kedudukan label.

Keunikan ini menunjukkan mengapa kemahiran tersebut dibina berdasarkan tingkah laku sebenar API dan bukannya berdasarkan andaian mengenainya.

Memasang dan menggunakan kit

npx skills add prateek11rai/tldraw-canvas-kit

Arahan ini berfungsi pada macOS dan Linux. Selepas pemasangan, ejen AI pada stesen kerja yang sama boleh membuat pertanyaan pada dokumen tempatan, menjana kod, dan menghantar arahan lukisan ke pelayan tldraw yang sedang berjalan. Hasilnya ialah gambar rajah yang boleh dihasilkan semula yang boleh disunting lebih lanjut atau dieksport ke pembentangan tanpa perlu meninggalkan hos.

Siapa yang mendapat manfaat, dan apakah pertukarannya

  • Pasukan berfokuskan keselamatan – Syarikat dengan polisi pengendalian data yang ketat boleh menyimpan semua artifak reka bentuk di sebalik tembok api (firewall) mereka.
  • Jurutera dokumentasi – Mereka yang perlu menyematkan gambar rajah dalam repositori yang dikawal versi akan mendapat sumber kebenaran yang deterministik.
  • Penyumbang individu – Pembangun yang bosan melakukan pelarasan susun atur secara manual selepas setiap pelaksanaan LLM boleh mengautomasikan proses tersebut.

Had utamanya ialah pergantungan kepada instans tldraw yang berjalan secara tempatan. Organisasi yang sudah bergantung kepada perkhidmatan gambar rajah berasaskan awan perlu menggunakan aplikasi desktop dan melaraskan aliran kerja mereka. Selain itu, set kemahiran semasa tidak merangkumi perpustakaan stensil tersuai; pengguna mesti bekerja dalam lingkungan bentuk yang telah ditetapkan.

Apa yang seterusnya

Prateek merancang untuk mengembangkan perpustakaan kemahiran berdasarkan maklum balas komuniti dan menambah sokongan untuk Windows, sekali gus meluaskan pangkalan pengguna yang berpotensi. Beliau juga berharap agar ejen pihak ketiga mengintegrasikan kit tersebut, sekali gus mewujudkan pasaran penjana rajah khusus yang semuanya berkongsi teras deterministik yang sama.

Rumusan

tldraw-canvas-kit membuktikan bahawa penghasilan rajah dipacu AI tidak semestinya menjadi proses yang hanya berasaskan awan atau bersifat probabilistik. Dengan menetapkan logik lukisan dalam API tempatan dan menguatkuasakan pengenal pasti yang stabil, ia membolehkan jurutera menghasilkan visual yang boleh diulang dan sedia-audit tanpa mengorbankan privasi atau kawalan.