news 2026/5/25 12:53:52

【工具】Drawnix 开源白板工具全面教程

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
【工具】Drawnix 开源白板工具全面教程

Drawnix 开源白板工具全面教程

Drawnix是一款开源、免费的一体化在线白板工具,集思维导图流程图自由绘画等多种功能于一体。其名称源于“绘画”(Draw)与“凤凰”(Phoenix),象征创意如同凤凰般浴火重生。

项目基于自研的Plait画图框架开发,采用插件化架构,定位为轻量、开箱即用、可扩展的白板解决方案。官方在线地址:https://drawnix.com
GitHub 开源仓库:https://github.com/plait-board/drawnix (MIT 协议)

一、核心理念与项目定位

Drawnix 的核心理念是做“技术与创意之火的守护者”,致力于提供一个免费、开源、一体化的绘图环境,打破工具壁垒,让创意自由流动。

核心定位

  • 三位一体:思维导图 + 流程图 + 自由画布,减少多工具切换的繁琐
  • 完全开源 & 数据自主:MIT 协议,用户可在线使用,也可 Docker 私有部署
  • 轻量 + 可扩展:追求极简易用,同时开放插件机制,支持深度定制与二次开发

二、架构与技术亮点

1. 整体架构

项目采用Nxmonorepo 工作区规范,主要分为两层:

  • apps/:面向用户的 Web 应用(drawnix.com)
  • packages/:核心功能包(drawnix、react-board、react-text 等)

2. 插件化架构(最核心设计)

所有绘图能力(画笔、思维导图节点、Mermaid 流程图、图片插入等)都以插件形式实现,并动态注册到核心系统中。

优势

  • 业务逻辑与框架核心完全解耦
  • 支持动态加载、按需组合
  • 便于开发者开发自定义工具/元素/功能插件
  • 可适配不同 UI 框架与富文本引擎(当前主要基于 React + Slate)

3. 状态管理与数据流

  • 基于React Hooks进行轻量状态管理
  • 用户操作 → 插件处理 → 更新中央状态 → 驱动 UI 重渲染
  • 支持自动保存到浏览器本地存储(IndexedDB/LocalStorage)

4. UI 组件设计

高度模块化,便于主题定制与复用:

  • 基础组件:颜色选择器、尺寸滑块、图标选择等
  • 工具栏:主工具栏、缩放栏、主题切换栏
  • 对话框:Markdown 转思维导图、Mermaid 代码编辑等

三、核心功能速览

功能主要特点典型使用场景
思维导图Tab 添加子节点、Enter 添加同级、支持 Markdown 一键转换知识管理、会议纪要、产品脑暴
流程图基础形状 + 连接线、支持Mermaid语法实时渲染与编辑系统架构图、算法流程、业务流程图
自由绘画画笔、形状、文本、图片插入、无限画布、缩放/拖拽草图速写、远程白板、界面原型
其他撤销/重做、复制粘贴、多主题、导出 PNG/JSON(.drawnix)日常记录、团队分享、版本备份

四、快速上手与操作技巧

  1. 在线体验
    直接访问 https://drawnix.com,无需注册即可开始创作,所有数据保存在浏览器中。

  2. 思维导图基本操作

    • 点击思维导图工具 → 点击画布创建根节点
    • 选中节点按Tab→ 创建子节点
    • Enter→ 创建同级节点
    • 右键节点或工具栏可调整样式、颜色、图标
    • 高级技巧:直接粘贴 Markdown 层级文本 → 使用转换对话框一键生成导图
  3. 流程图(Mermaid)

    • 选择 Mermaid 工具 → 输入代码(如 flowchart、sequenceDiagram 等)
    • 支持实时预览与后续拖拽调整布局
      示例代码:

    通过

    失败

    用户请求

    API网关

    鉴权

    业务逻辑

    401

    返回结果

  4. 自由绘画

    • 选择画笔工具 → 支持粗细/颜色/描边/填充
    • 支持插入图片、文本框、箭头、矩形/圆形等基础形状
    • 鼠标滚轮/触控缩放,无限画布自由移动
  5. 导出与备份

    • 导出 PNG(适合分享/报告插入)
    • 导出 .drawnix JSON(可重新导入继续编辑)
    • 重要文件建议定期手动导出备份

五、部署方式

  1. 在线使用(推荐新手)
    https://drawnix.com

  2. 本地开发启动

    gitclone https://github.com/plait-board/drawnix.gitcddrawnixnpminstallnpmstart

    访问 http://localhost:7200

  3. Docker 私有部署(推荐团队/数据敏感场景)
    社区提供多种镜像方式,例如:

    dockerrun-d--namedrawnix-p7200:80 pubuzhixing/drawnix:latest

    访问 http://你的服务器IP:7200

六、优势 · 局限 · 最佳实践

优势

  • 完全免费 + 开源 + 可自托管,数据 100% 自主可控
  • 三种核心场景一体化,切换成本极低
  • Markdown / Mermaid 文本 → 图形的快速转换极大提升效率
  • 插件架构未来扩展空间巨大

当前局限

  • 相比 Miro / XMind 等商业工具,高级美化、模板、动画等功能较弱
  • 元素极多(>500 个节点)时,低配设备可能出现卡顿
  • 在线版依赖浏览器缓存,换设备/清缓存需提前导出

最佳实践建议

  • 优先用 Markdown/Mermaid 快速搭骨架,再进行图形化调整
  • 为不同类型节点建立颜色/图标规范,提高可读性
  • 重要画板定期导出 .drawnix文件备份
  • 团队使用时建议私有部署 + 内网穿透(如 frp、ngrok),兼顾安全与便利

七、总结

Drawnix 是一款轻量、全能、理念先进的开源白板工具,尤其适合追求高性价比、数据自主权的用户群体:

  • 学生、教师 → 笔记整理、课程设计
  • 产品/程序员 → 需求梳理、架构图、快速原型
  • 小团队 → 远程头脑风暴、轻量协作

如果你需要一个简单好用、不被商业化绑架、同时又具备一定扩展能力的白板工具,Drawnix 值得一试。

项目仍在快速发展中,建议关注 GitHub 仓库获取最新功能与修复。
祝你在 Drawnix 上创作愉快,灵感如凤凰般不断重生!🔥

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/5/20 16:22:50

【Java毕设源码分享】基于springboot+vue的“课件通”中小学教学课件共享平台的设计与实现(程序+文档+代码讲解+一条龙定制)

博主介绍:✌️码农一枚 ,专注于大学生项目实战开发、讲解和毕业🚢文撰写修改等。全栈领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、小程序技术领域和毕业项目实战 ✌️技术范围:&am…

作者头像 李华
网站建设 2026/5/24 11:00:20

基于TensorFlow的股票价格预测模型构建

基于TensorFlow的股票价格预测模型构建 在量化交易的世界里,一个微小的预测优势可能就意味着巨大的收益差异。尽管“市场有效假说”长期主导金融理论,现实中的高频交易员、对冲基金和算法团队却从未停止寻找那0.5%的可预测性——尤其是在短期价格波动中隐…

作者头像 李华
网站建设 2026/5/20 23:20:44

揭秘Open-AutoGLM 2.0下载难题:3步完成安装并避坑所有常见错误

第一章:Open-AutoGLM 2.0安装前的环境准备与核心挑战在部署 Open-AutoGLM 2.0 前,必须确保系统环境满足其运行依赖。该框架对底层计算资源、Python 版本及第三方库有严格要求,任何配置偏差都可能导致后续训练失败或推理异常。系统与硬件要求 …

作者头像 李华
网站建设 2026/5/19 20:14:26

你还在手动操作手机?Open-AutoGLM已实现全流程自动控制!

第一章:你还在手动操作手机?Open-AutoGLM已实现全流程自动控制!在移动自动化测试与智能交互领域,传统手动操作已无法满足高效、精准的需求。Open-AutoGLM 作为新一代开源自动化框架,基于大语言模型驱动,实现…

作者头像 李华
网站建设 2026/5/20 11:15:36

为什么你的AutoGLM任务总失败?:直击Open-AutoGLM 2.0的4个设计硬伤

第一章:AutoGLM任务失败的根源性认知在实际应用中,AutoGLM作为自动化生成语言模型任务调度系统,其运行稳定性常受多种隐性因素干扰。任务失败并非单一模块异常所致,而是多维度系统性问题的外在表现。深入剖析其根源,有…

作者头像 李华
网站建设 2026/5/21 22:05:48

多GPU并行训练实战:TensorFlow MirroredStrategy详解

多GPU并行训练实战:TensorFlow MirroredStrategy详解 在现代深度学习项目中,模型的规模和数据量正以前所未有的速度增长。一个典型的图像分类任务可能需要数天才能在单块GPU上完成训练——这显然无法满足企业对快速迭代与高效研发的需求。面对这一挑战&a…

作者头像 李华