GenAI-DrawIO-Creator: A Framework for Automated Diagram Generation

📄 arXiv: 2601.05162v1 📥 PDF

作者: Jinze Yu, Dayuan Jiang

分类: cs.GR, cs.CV

发布日期: 2026-01-08

💡 一句话要点

GenAI-DrawIO-Creator：利用LLM自动生成draw.io图表的框架

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 图表生成 大型语言模型 draw.io XML 自动化 结构化视觉推理 Claude 3.7

📋 核心要点

  1. 现有图表创建和修改过程耗时费力，阻碍了复杂信息的有效沟通。
  2. GenAI-DrawIO-Creator利用LLM理解结构化视觉数据，并生成符合draw.io XML格式的图表。
  3. 实验表明，该框架能显著缩短图表创建时间，并保证图表结构的高度准确性。

📝 摘要（中文）

本文提出GenAI-DrawIO-Creator，一个利用大型语言模型（LLMs）自动生成和操作draw.io所使用的结构化XML格式图表的框架。该系统集成了Claude 3.7，使其能够推理结构化视觉数据并生成有效的图表表示。主要贡献包括：支持实时图表更新的高级系统设计、专门的提示工程和错误检查以确保输出格式良好的XML。原型系统能够从自然语言或代码生成准确的图表（如网络架构和流程图），甚至可以复制图像中的图表。模拟评估表明，该方法显著减少了图表创建时间，并生成具有高结构保真度的输出。研究结果突显了Claude 3.7在处理结构化视觉推理任务方面的潜力，并为AI辅助图表绘制应用的未来研究奠定了基础。

🔬 方法详解

问题定义：论文旨在解决手动创建和修改图表耗时费力的问题。现有方法缺乏自动化，需要人工干预，效率低下，难以应对复杂图表的快速迭代需求。

核心思路：论文的核心思路是利用大型语言模型（LLMs）的强大推理能力，将自然语言描述或代码转换为结构化的draw.io XML格式图表。通过让LLM理解图表的结构和语义，实现图表的自动生成和编辑。

技术框架：GenAI-DrawIO-Creator框架主要包含以下几个模块：1) 输入模块：接收自然语言描述、代码或图像作为输入。2) LLM推理模块：使用Claude 3.7对输入进行理解和推理，生成draw.io XML格式的图表描述。3) XML生成模块：将LLM生成的图表描述转换为有效的XML文件。4) 图表渲染模块：将XML文件渲染成可视化的图表。5) 错误检查模块：对生成的XML文件进行验证，确保其符合draw.io的规范。

关键创新：该论文的关键创新在于：1) 提出了一个完整的基于LLM的图表自动生成框架。2) 针对draw.io XML格式的特点，设计了专门的提示工程和错误检查机制，提高了图表生成的准确性和可靠性。3) 验证了Claude 3.7在结构化视觉推理任务中的潜力。与现有方法相比，该方法无需人工干预，能够快速生成和修改复杂图表。

关键设计：论文中关键的设计包括：1) 针对Claude 3.7的提示工程，包括如何描述图表的结构和语义，以及如何生成有效的XML代码。2) XML错误检查机制，包括语法检查和语义检查，确保生成的XML文件符合draw.io的规范。3) 实时图表更新机制，允许用户在图表生成后进行交互式编辑。

📊 实验亮点

论文通过模拟评估验证了GenAI-DrawIO-Creator的有效性。实验结果表明，该框架能够显著减少图表创建时间，并生成具有高结构保真度的输出。具体而言，该框架能够从自然语言描述或代码生成准确的图表，甚至可以复制图像中的图表。这些结果突显了Claude 3.7在处理结构化视觉推理任务方面的潜力。

🎯 应用场景

该研究成果可应用于多个领域，包括软件工程（自动生成系统架构图）、网络工程（自动生成网络拓扑图）、教育（辅助教学材料制作）等。通过自动化图表生成，可以显著提高工作效率，降低人工成本，并促进复杂信息的有效沟通。未来，该技术有望集成到各种绘图工具和协作平台中，实现更智能化的图表绘制体验。

📄 摘要（原文）

Diagrams are crucial for communicating complex information, yet creating and modifying them remains a labor-intensive task. We present GenAI-DrawIO-Creator, a novel framework that leverages Large Language Models (LLMs) to automate diagram generation and manipulation in the structured XML format used by draw.io. Our system integrates Claude 3.7 to reason about structured visual data and produce valid diagram representations. Key contributions include a high-level system design enabling real-time diagram updates, specialized prompt engineering and error-checking to ensure well-formed XML outputs. We demonstrate a working prototype capable of generating accurate diagrams (such as network architectures and flowcharts) from natural language or code, and even replicating diagrams from images. Simulated evaluations show that our approach significantly reduces diagram creation time and produces outputs with high structural fidelity. Our results highlight the promise of Claude 3.7 in handling structured visual reasoning tasks and lay the groundwork for future research in AI-assisted diagramming applications.