企业官网建设流程全解析

简介：这份文档面向具备一定编程基础的研发人员、项目经理与数据分析师，聚焦如何借助DeepSeek大语言模型将自然语言指令转化为Mermaid代码，再由Mermaid渲染为流程图、序列图、甘特图等可视化图表，从而提升需求分析、系统设计、编码实现与测试验证各环节的制图效率。资源以单个docx文件交付，压缩包约40KB，内容围绕DeepSeek的发展历程、技术架构与多场景应用，Mermaid的基础语法与图表类型展开，并通过一个电商平台开发项目实战演示二者结合的具体流程。目前已有393人学习浏览。读者可从中获得从自然语言到图表的完整实现思路、可复用的Mermaid语法示例与项目级演练案例，便于在技术文档撰写、项目管理与系统设计中快速落地自动化制图。

1. 从手画架构图到一句话出图：DeepSeek+Mermaid 到底解决了什么

周五下午四点，产品经理在群里甩来一句「把刚才评审的订单状态机画成图，下班前发我」。你打开 draw.io，拖了六个矩形、连了八条箭头、对齐调了二十分钟，导出 PNG 发过去，对方回一句「这个分支改一下，再加个超时回滚」。于是你又拖了十分钟。这个场景几乎每个后端、数据、运维都经历过——图不是难画，是改起来要命。

DeepSeek 与 Mermaid 结合实现自动化图表生成，本质是把「画图」这件事从鼠标操作变成文本生成：你用自然语言描述结构，DeepSeek 负责把它翻译成 Mermaid 语法，Mermaid 负责把这段文本渲染成流程图、时序图、ER 图、思维导图。整条链路里没有图形编辑器，只有一段可版本管理的纯文本。改需求时你改的是文字，不是像素。

它适合三类人：一是经常要交付架构图、流程图却不想学绘图工具的后端和运维；二是写技术文档、需要图表跟着代码一起进 Git 的工程师；三是想把「文档配图」这一步塞进 CI 流水线、实现可视化图表自动化生成的团队。不适合追求精细排版、要出版级视觉效果的场景——Mermaid 的定位是「结构清晰」，不是「好看」。

2. DeepSeek 出 Mermaid 代码：提示词、参数与三种调用姿势

2.1 为什么让模型写 Mermaid 而不是直接生成图片

很多人第一反应是「让模型直接画图」。这条路走不通，原因是图像生成模型输出的是像素，不是结构。你没法 diff 两张 PNG 看出哪个节点被删了，也没法让 CI 去校验一张图的语法。Mermaid 的价值在于它是文本中间层：模型只需要产出符合语法的字符串，渲染交给确定性的解析器。这样整条链路可测试、可回滚、可进版本库。

DeepSeek 在这条链路里扮演的是「自然语言 → Mermaid DSL」的翻译器。它的强项是理解中文业务描述里的层级和分支关系，比如「订单创建后如果支付超时就走取消，否则进入待发货」这种带条件的句子，能比较稳地映射成flowchart里的判断节点。选它而不是别的模型，主要看两点：中文语义理解够用，以及 API 价格在批量生成场景下扛得住。

2.2 三种调用姿势：网页版、API、本地部署

网页版最快，适合临时出图。打开对话，把下面的提示词模板贴进去即可。缺点是每次要手动复制，没法进流水线。

API 调用是自动化的主力。下面是 Python 最小可跑示例，用 OpenAI 兼容协议调 DeepSeek：

from openai import OpenAI client = OpenAI( api_key="你的_DEEPSEEK_API_KEY", # 从控制台获取，不要硬编码进仓库 base_url="https://api.deepseek.com" # DeepSeek 的兼容端点 ) SYSTEM_PROMPT = """你是一个 Mermaid 图表生成器。 规则： 1. 只输出 Mermaid 代码，不要任何解释文字，不要 markdown 代码围栏。 2. 节点文字用中文，节点 ID 用英文短横线命名。 3. 默认使用 flowchart TD，除非我明确要求时序图或 ER 图。 4. 遇到条件分支必须用菱形判断节点。""" def gen_mermaid(desc: str) -> str: resp = client.chat.completions.create( model="deepseek-chat", # 对话模型，适合结构化输出 messages=[ {"role": "system", "content": SYSTEM_PROMPT}, {"role": "user", "content": desc}, ], temperature=0.2, # 低温度，减少语法乱造 max_tokens=1500, ) return resp.choices[0].message.content.strip() if __name__ == "__main__": code = gen_mermaid("画一个订单状态机：创建→待支付→已支付→待发货→已发货→已完成，待支付超时30分钟转取消，已支付可退款转已退款") print(code)

逻辑说明：base_url指向 DeepSeek 的兼容端点，用官方 SDK 就能调，不用另装包。temperature=0.2是关键参数——Mermaid 是强语法格式，温度高了模型会自创节点写法导致渲染失败。max_tokens给 1500 足够覆盖大多数流程图，复杂 ER 图可以调到 3000。

参数说明：model选deepseek-chat而不是推理模型，因为结构化翻译不需要长链推理，对话模型更快更便宜。如果你要生成带大量注释的复杂图，可以换推理模型，但延迟会明显上升。

本地部署适合数据不能出内网的场景。用 vLLM 起一个 OpenAI 兼容服务，把base_url换成http://localhost:8000/v1即可，代码一行不用改。Jetson Orin 这类边缘设备也能跑量化版本，但吞吐有限，适合低频出图。

2.3 提示词里必须钉死的四条约束

模型默认输出会带一堆「好的，以下是代码」和 markdown 围栏，直接喂给渲染器就报错。上面SYSTEM_PROMPT里的四条约束是血泪经验：只输出代码、中文节点、英文 ID、默认方向。其中「节点 ID 用英文」这条最容易被忽略——Mermaid 允许中文 ID，但一旦节点名里有空格或特殊符号，解析器就会翻车，用英文 ID 加中文标签是最稳的写法。

3. 把 Mermaid 接进工作流：VS Code、Typora 与 CI 渲染

3.1 本地预览：VS Code 插件与 Typora 的版本坑

拿到 Mermaid 代码后第一件事是看它能不能渲染。VS Code 里装 Mermaid 预览插件，新建.mmd文件粘贴代码，Ctrl+Shift+P调出预览即可。这一步能挡掉八成语法错误。

Typora 用户要注意版本问题：Typora 内置的 Mermaid 版本偏旧，新版语法（比如mindmap、部分flowchart特性）会渲染失败。遇到「代码没错但显示不出来」，先怀疑渲染器版本，而不是代码。解决办法是升级 Typora，或者改用支持指定 Mermaid 版本的预览工具。离线场景可以用 Mermaid 离线编辑器，把代码粘进去本地渲染，不依赖网络。

3.2 用命令行批量渲染成 SVG/PNG

文档要交付时通常需要图片。用@mermaid-js/mermaid-cli批量转：

# 安装（需要 Node 环境） npm install -g @mermaid-js/mermaid-cli # 单个文件转 SVG mmdc -i order.mmd -o order.svg -t neutral -b transparent # 批量：把 docs 下所有 .mmd 转成 png，宽度 1600 for f in docs/*.mmd; do mmdc -i "$f" -o "${f%.mmd}.png" -w 1600 -b white done

逻辑说明：-i输入、-o输出，扩展名决定格式。-t neutral指定主题，-b transparent出透明背景，方便贴进 PPT。-w控制输出宽度，太窄会导致节点文字换行错乱。

参数说明：批量脚本里${f%.mmd}是 shell 的字符串截断，把后缀去掉再拼.png。如果 CI 里跑，记得先npm install装依赖，并给容器装 Chromium——mermaid-cli 底层用无头浏览器渲染，缺浏览器会直接报错。

3.3 塞进 CI：让文档配图跟着代码一起更新

把.mmd源文件和代码放同一个仓库，CI 里加一步渲染，产物推到文档站点。这样每次改状态机代码，顺手改.mmd，流水线自动出新图，彻底告别「图过期了没人知道」。关键是把.mmd当源码管理，.svg当构建产物，不要反过来。

4. 避坑与排查：Mermaid 生成最常见的五类翻车

4.1 现象：渲染报「Parse error」，但代码看着没问题

原因：九成是节点文字里带了 Mermaid 的保留字符，比如括号、引号、冒号。A[订单(已支付)]里的圆括号会被当成语法。

解决：给含特殊字符的标签加引号，写成A["订单(已支付)"]。养成习惯——只要标签里有非中文非字母的符号，一律加双引号。

4.2 现象：模型输出带 markdown 围栏，程序解析失败

原因：模型没严格遵守「只输出代码」，把结果包在```mermaid里了。

解决：两层防护。提示词里明确禁止；代码里再做一次清洗，用正则剥掉围栏：

import re def clean(code: str) -> str: code = re.sub(r"^```(?:mermaid)?\s*", "", code.strip()) code = re.sub(r"\s*```$", "", code) return code.strip()

逻辑说明：第一个正则去掉开头的围栏和可能的mermaid标识，第二个去掉结尾围栏。参数上re.sub默认替换所有匹配，这里配合^$锚点只处理首尾，不会误伤中间内容。

4.3 现象：节点太多，图挤成一团看不清

原因：Mermaid 自动布局在节点超过 20 个时会失控，连线交叉严重。

解决：拆图。一张图只讲一个维度，状态机一张、部署拓扑一张。或者在flowchart里用subgraph分组，把相关节点圈在一起，布局会明显改善。别指望一张图讲完整个系统。

4.4 现象：中文节点显示成方块或乱码

原因：渲染环境缺中文字体，尤其是 Docker 容器里。

解决：容器里装中文字体包（如fonts-noto-cjk），或者渲染时指定字体。本地一般不会遇到，CI 里是高频坑。

4.5 现象：API 调用偶发超时或返回空

原因：DeepSeek API 在高峰期有波动，或者max_tokens设太小被截断。

解决：加重试逻辑，指数退避；max_tokens给足余量。如果返回内容为空，先打印原始响应看是不是被截断，而不是直接怀疑提示词。

5. 进阶：让图表生成真正自动化的三个技巧

第一个技巧是模板化提示词。把常见图类型（状态机、时序图、ER 图）各写一套 system prompt 存成文件，调用时按类型加载。这样输出稳定性比每次现写提示词高一个档次。ER 图尤其明显——不约束的话模型经常把关系基数写反。

第二个技巧是语法自校验。生成后不要直接渲染，先用 mermaid-cli 的解析能力做一次 dry run，失败就把错误信息回喂给模型让它自我修正，最多重试两次。这个「生成-校验-修正」闭环能把成功率从七成拉到九成五以上。

import subprocess, tempfile, os def validate(mermaid_code: str) -> bool: with tempfile.NamedTemporaryFile("w", suffix=".mmd", delete=False, encoding="utf-8") as f: f.write(mermaid_code) path = f.name try: # -o 输出到临时文件，只关心退出码 subprocess.run(["mmdc", "-i", path, "-o", path + ".svg"], check=True, capture_output=True, timeout=30) return True except subprocess.CalledProcessError: return False finally: for p in (path, path + ".svg"): if os.path.exists(p): os.remove(p)

逻辑说明：把代码写进临时.mmd，调mmdc渲染，退出码非零即语法错误。timeout=30防止复杂图卡死。finally里清理临时文件，避免堆积。参数上check=True让非零退出码抛异常，正好用来判断成败。

第三个技巧是把图当代码评审。.mmd文件进 PR，reviewer 能直接看出「这个分支被删了」「这个状态没连上」，比看图片 diff 靠谱得多。我现在的习惯是：任何涉及状态流转、服务依赖的改动，PR 里必须带.mmd的 diff，否则打回。坚持半年后，团队里再没人问「最新架构图在哪」——因为图就在代码旁边，永远是最新的。

希望帮到你。

本文还有配套的精品资源，点击获取