Dezelfde prompt, hetzelfde diagram

Prateek Rai heeft tldraw-canvas-kit uitgebracht, een collectie van 19 "Agent Skills" waarmee lokale AI-assistenten zoals Claude Code of Cursor de offline tldraw desktop-app kunnen aansturen en elke keer identieke technische diagrammen kunnen produceren. De kit werkt zonder cloudverbinding of telemetrie, wat betekent dat teams hun visuele assets volledig on-premises kunnen houden.

Waarom een lokale, deterministische diagramtool belangrijk is

Engineeringteams besteden uren aan het verplaatsen van stroomdiagrammen, klassediagrammen en architectuurkaarten tussen presentaties, documentatiesites en designtools. Elke kopieer-en-plakstap introduceert subtiele wijzigingen: lijnstijlen veranderen, ID's worden opnieuw gegenereerd en lay-outs verschuiven. Wanneer een diagram door een LLM wordt opnieuw gegenereerd, is het resultaat vaak een andere indeling, zelfs als de tekstuele prompt ongewijzigd blijft. Voor organisaties die audit-waardige documentatie of reproduceerbare design-artefacten nodig hebben, is die variabiliteit een risico.

Prateek heeft tldraw-canvas-kit gebouwd om twee knelpunten aan te pakken: (1) een tool die volledig op de machine van de gebruiker draait, en (2) een garantie dat dezelfde prompt hetzelfde diagram oplevert. Door een lokale HTTP API beschikbaar te stellen die de AI-agent kan aanroepen, elimineert de kit netwerklatentie, het risico op data-exfiltratie en de noodzaak voor een SaaS-abonnement.

Hoe de kit werkt

  • Offline core – De tldraw desktop-app draait een lokale server die JSON-gecodeerde commando's accepteert. Er worden geen externe oproepen gedaan en er verlaat geen gebruiksgegevens de machine.
  • Agent Skills – Elke skill codeert een vaste structuurspecificatie: lay-outberekeningen, stencilkeuzes en stabiele ID's. Wanneer een agent een skill aanroept, ontvangt deze een deterministische set tekeninstructies.
  • Idempotente updates – Als een skill wordt uitgevoerd op een bestaand diagram, worden vormen ter plaatse bijgewerkt, worden verouderde elementen verwijderd en worden randen opnieuw verankerd. Het resultaat is een canvas dat kan worden ververst zonder dat er dubbele objecten ontstaan.
  • Bestandsformaat – Diagrammen worden opgeslagen als gewone .tldraw-bestanden. Omdat de lay-outlogica in het bestand zelf zit, bevat het delen van een deck automatisch de navigatieregels die nodig zijn om de weergave te reproduceren.

De kit ondersteunt dertien diagramcategorieën, variërend van sequence- en stroomdiagrammen tot ER-diagrammen, state machines, swimlanes, use-case-, component-, package-, deployment-, architectuurdiagrammen, mindmaps en code-base maps. Gebruikers beschrijven simpelweg het gewenste diagram; de skill handelt de onderliggende structuur af.

Lessen die zijn geleerd tijdens de ontwikkeling

  1. Pijlstyling staat standaard op een handgetekende look – Zelfs wanneer een strakke lijn wordt gevraagd, maakt de API aanvankelijk een pijl in schetsstijl aan. De skill moet een vervolgcommando geven om de stijl te wijzigen.
  2. Pijlen kunnen ongemerkt vormen kruisen – De API geeft geen foutmeldingen als een verbinder door een node loopt. Visuele inspectie van gegenereerde screenshots is nodig om dergelijke botsingen op te merken.
  3. Tekstafbreking van randlabels mislukt bij korte pijlen – Labels kunnen slecht afbreken als de verbinder te kort is, dus de skill moet een minimale lengte afdwingen of de plaatsing van het label aanpassen.

Deze eigenaardigheden illustreren waarom de skills zijn gebouwd op het werkelijke gedrag van de API in plaats van op aannames daarover.

De kit installeren en gebruiken

npx skills add prateek11rai/tldraw-canvas-kit

Het commando werkt op macOS en Linux. Na installatie kan een AI-agent op dezelfde werkstation lokale documenten opvragen, code genereren en tekencommando's sturen naar de draaiende tldraw-server. Het resultaat is een reproduceerbaar diagram dat verder kan worden bewerkt of kan worden geëxporteerd naar presentaties zonder de host te verlaten.

Wie profiteert ervan en wat de afwegingen zijn

  • Security-gerichte teams – Bedrijven met strikte regels voor gegevensbeheer kunnen alle design-artefacten achter hun firewalls houden.
  • Documentatie-engineers – Degenen die diagrammen moeten insluiten in repositories met versiebeheer, krijgen een deterministische source of truth.
  • Individuele bijdragers – Ontwikkelaars die het zat zijn om na elke LLM-run handmatig lay-outs aan te passen, kunnen dit proces automatiseren.

De belangrijkste beperking is de afhankelijkheid van een lokaal draaiende tldraw-instantie. Organisaties die al afhankelijk zijn van cloudgebaseerde diagramservices, zullen de desktop-app moeten adopteren en hun workflows moeten aanpassen. Daarnaast dekt de huidige set skills geen aangepaste stencilbibliotheken; gebruikers moeten werken met de vooraf gedefinieerde vormen.

Wat volgt er

Prateek is van plan de skill library uit te breiden op basis van feedback van de community en ondersteuning voor Windows toe te voegen, om zo de potentiële gebruikersbasis te vergroten. Hij hoopt ook dat externe agents de kit zullen integreren, wat een marktplaats van gespecialiseerde diagramgeneratoren creëert die allemaal dezelfde deterministische kern delen.

Kernpunt

tldraw-canvas-kit bewijst dat AI-gestuurde diagramcreatie niet noodzakelijkerwijs een cloud-only, probabilistisch proces hoeft te zijn. Door de tekenlogica te verankeren in een lokale API en stabiele identifiers af te dwingen, stelt het ingenieurs in staat om herhaalbare, audit-ready visuals te genereren zonder in te leveren op privacy of controle.