DeepSeek+Mermaid：把自然语言需求自动变成流程图和时序图

简介这套资料围绕DeepSeek与Mermaid的联合应用系统讲解如何利用大语言模型将自然语言指令自动转换为可视化图表适合具备一定编程基础的研发人员、项目经理、数据分析师覆盖需求分析、系统设计、编码实现和测试验证等典型场景。资料以docx文档形式提供共1个文件压缩包约40KB正文内容相当充实既梳理了DeepSeek从DeepSeek Coder到V2、V3、R1的发展脉络介绍MoE混合专家架构、MLA注意力机制与FP8混合精度训练等关键技术也讲解了Mermaid的基础语法包括流程图、时序图、甘特图等常用图表类型的写法。尤为实用的是文档通过一个电商平台开发项目的实战演练完整演示了从自然语言需求描述生成业务流程图、系统架构图再到测试用例图表的全过程读者可按步骤对照练习掌握两种工具结合的具体操作。这份材料还单独展示了DeepSeek在文本生成、代码编写等场景的典型应用以及Mermaid在软件架构、项目管理和学术教学中的使用方式帮助读者理解两者的适用边界与协作价值。内容按章节循序渐进读者既能学习原理也能直接参考实战代码。整体来看兼具原理讲解和实战示例能够显著提升图表制作与文档编写效率。已有393人学习浏览适合需要快速产出项目图表的研发与管理人员参考。 不知道你有没有经历过这种场景需求方过来说“这个流程你帮我画张图”等你打开网页版画图工具拖文本框、拉箭头、调对齐半小时就没了。更痛苦的是过两天需求改动整张图又得推倒重画。我之前一直被困在这套手工流程里直到我把DeepSeek和Mermaid放在一起用才真正体会到什么叫“说人话就把图出了”。DeepSeek负责把自然语言需求转成结构化的Mermaid语法Mermaid再把这些文本代码渲染成可视化图表。从“我想要一张用户注册的流程图”到一张能看的图整个过程通常不会超过十秒。它不是简单的画图辅助工具而是能做到需求到图表的自动化生成。这篇文章我就把自己的完整做法、脚本、以及踩过的坑都摊开讲产品、开发、运维、数据分析、项目经理只要你有画图需求这套组合都能用上。1. 为什么会是DeepSeekMermaid而不是继续用鼠标拖图1.1 Mermaid到底是干什么的先说Mermaid。它本质上是一个基于文本的图表渲染引擎你用类似Markdown的语法写一段文字它就能把它变成流程图、时序图、状态图、甘特图等。比如这一段flowchart LR A[需求] -- B[DeepSeek生成代码] B -- C[Mermaid渲染] C -- D[可视化图表]只要渲染环境支持Mermaid它会直接显示成一张从左到右的流程图需求 → DeepSeek生成代码 → Mermaid渲染 → 可视化图表。这种“代码即图”的思路最大优势是图表是可版本管理的、可复用的、可批量生成的改起来也快哪里不对改哪一行而不是重新拖一遍画布。1.2 DeepSeek在这套组合里补齐了什么Mermaid虽然语法简单但真让你背语法也不是不行问题是大多数人记不住那些边界情况。节点怎么写、分支条件怎么表达、时序图里的参与者怎么定义、甘特图的任务依赖怎么声明这些查一次两次还行频繁画图真的很烦。DeepSeek解决的就是“从自然语言到Mermaid代码”这一步。你只需要说清楚你想表达什么流程、谁参与、哪个分支什么条件DeepSeek就能把对应语法写出来。更重要的是后续要改图你不需要手工去翻代码直接跟模型说“这里加一个判断节点如果库存不足就走补货分支”它帮你改好。所以这套组合不是“两个工具叠加”而是一个完整的生产链路需求描述 → 大模型理解并结构化 → 生成文本图代码 → 渲染成图。可视化图表在这种模式下成了自动化生成的产物而不是手工劳动的成果。1.3 谁最适合用这套方案我用了这段时间后感觉以下几类人收益最大产品经理和项目经理画流程图、时序图、甘特图是高频需求以前改一版图要半天现在只要描述清楚变更点。后端和运维架构图、部署流程图、故障处理时序图用代码维护比用画布维护方便得多。数据分析师把数据处理链路画成流程图配合文档一起交付观众容易看懂。日常汇报场景临时要一张图直接用DeepSeek生成省去开画图工具的时间。不过也要说实话它不太适合追求高度视觉美感的场景。Mermaid的风格偏简洁结构化如果你需要那种渐变配色、圆角卡片、3D效果的商业级大屏视觉稿Mermaid不合适DeepSeek也救不了。它擅长的是“信息准确、结构清晰”的工程图而不是营销海报。2. 开工前准备渲染环境和DeepSeek接入两条路2.1 Mermaid渲染环境怎么选画Mermaid图之前你得有个地方能把它渲染出来。根据不同场景我常用的有四条路你来按需选。第一条网页版编辑器。直接在浏览器里打开Mermaid Live Editormermaid.live左边粘贴代码右边实时预览。这个是官方工具支持导出SVG和PNG也支持分享链接。适合偶尔画几张、不想折腾环境的人。第二条VS Code插件。在Visual Studio Code里安装“Markdown Preview Mermaid Support”扩展然后建一个.md文件把Mermaid代码放到代码块里打开预览就能看到渲染结果。适合开发和写技术文档的人写完图直接进文档效率很高。第三条Typora、Obsidian这类Markdown笔记软件。它们原生支持Mermaid粘贴代码即可渲染。适合需要把图表沉淀到笔记、过程文档里的场景。第四条Mermaid命令行工具也就是mermaid-cli。这个是我们后面做自动化要用的核心。它是基于Node.js的命令行执行后直接把.mmd文件渲染成.svg或.png。适合批量生成、服务端集成的场景。命令行工具安装方式很简单要求本机有Node.js环境npm install -g mermaid-js/mermaid-cli安装后把Mermaid代码保存成test.mmd然后执行mmdc -i test.mmd -o test.svg就能得到test.svg。如果想把背景设置成白色加个参数mmdc -i test.mmd -o test.png -b white我个人建议不管有没有命令行基础都把这四个路径都了解一遍。Live Editor用来快速验证VS Code和笔记软件用来日常写文档命令行用来做最后一公里的自动化。2.2 DeepSeek接入先聊网页版再考虑APIDeepSeek的接入方式无非两种。第一种是官方网页对话。打开对话界面直接输入你的需求。适合做一次性图表、探索性修改以及前期验证模型输出质量。第二种是API调用。去DeepSeek开放平台注册账号创建API Key然后通过接口把需求发给模型拿回Mermaid代码。这条路是自动化的前提脚本、定时任务、集成到现有系统都用它。申请API Key不难创建好后保存好别泄露出去。如果你只是想试试水建议先走网页版。确认这套方案能解决你的实际需求后再申请API Key做自动化。直接上API容易把简单问题复杂化毕竟是先有稳定的流程才值得做成自动化。3. 实战用DeepSeek从零生成第一张流程图的完整过程3.1 把需求说清楚这一步比模型更关键用DeepSeek生成Mermaid决定成败的常常不是模型而是你给的描述质量。我发现很多人直接丢一句话“画个注册流程”模型只能生成一个非常基础的版本然后来回改好几轮。比较好的做法是给足信息包括以下几点目标你想表达什么核心流程用户注册、订单流转、故障排查起点和终点流程从哪里开始到哪里结束。主要参与者用户、前端、后端、数据库、第三方服务等。关键分支什么条件下走哪条路。异常路径失败、重试、超时这些场景要不要画。比如我不想笼统地说“画个注册流程”而是说画一个用户注册的流程图起点是用户进入注册页终点是注册成功跳转登录页。需要包含邮箱验证码校验、密码强度校验密码不达标的情况下提示用户重新输入验证码错误可以点击重发。这样模型生成的东西明显更有骨架。3.2 实际生成效果一段过程记录我把上面的需求发给DeepSeek它返回了类似这样的Mermaid代码flowchart TD A[进入注册页] -- B[填写注册信息] B -- C{密码强度校验} C -- 不达标 -- D[提示密码至少8位] D -- B C -- 达标 -- E[输入邮箱验证码] E -- F{验证码校验} F -- 错误 -- G[提示验证码错误] G -- H[重新发送验证码] H -- E F -- 正确 -- I[创建账号] I -- J[注册成功] J -- K[跳转登录页]稍微扫一眼结构是完整的。起点终点明确主流程清楚两个关键分支“密码不达标重填”“验证码错误重发”也都体现出来了。这种代码直接复制到Mermaid Live Editor或VS Code里就能出图。这里我想多说一句你不需要完全看懂语法但最好能认出几个基本符号。方括号[文字]是普通节点花括号{文字}是判断节点--表示箭头走向-- 文字 --表示带标签的箭头。认识这四个你就足够和DeepSeek协同工作了。3.3 迭代改图用自然语言操作而不是动代码画图这件事很少一次成型。以前用鼠标改图最烦的就是调整箭头线和布局。现在用DeepSeek改图你只需要说人话。比如我觉得上面那张图的密码校验分支还不够细想加上“连续输错三次锁定账号”的逻辑。我可以直接对DeepSeek说在上面这张流程图里验证码连续输错三次后不让用户继续重发验证码改成锁定账号需要联系客服解锁。模型会基于上下文生成新的代码。它知道要在验证码失败分支里加一个计数判断三次之内走重发三次以后走到锁定节点。这种工作方式本质上把“画图”变成了“对话”。你操作的粒度是业务逻辑而不是图元和连线。改图时间从原来的半小时级别压缩到一分钟级别。3.4 顺手把常见的Mermaid图表类型都试一遍流程图只是Mermaid的入门级能力。实际工作中你还经常需要用其他类型。结合DeepSeek我常用的类型大概有下面这些图表类型语法关键字典型场景流程图flowchart业务逻辑、审批流程、部署流程时序图sequenceDiagram接口调用、分布式事务、系统间交互状态图stateDiagram-v2订单状态机、任务生命周期甘特图gantt项目排期、研发计划类图classDiagram系统设计、领域模型ER图erDiagram数据库表关系、数据建模饼图pie占比统计时间线timeline里程碑、历史版本演进这里给个时序图的例子。我说“画一个订单超时未支付自动关闭的时序图涉及用户、订单服务、支付服务、定时任务”DeepSeek会生成类似这样的代码sequenceDiagram participant 用户 participant 订单服务 participant 支付服务 participant 定时任务 用户-订单服务: 提交订单 订单服务-用户: 返回待支付订单 定时任务-订单服务: 扫描超时订单 订单服务-支付服务: 查询支付状态 支付服务--订单服务: 未支付 订单服务-订单服务: 关闭订单 订单服务--用户: 通知订单已关闭这种图放在技术方案文档里非常清晰。关键是生成它不需要背一行语法全部靠自然语言描述。4. 进阶自动化用脚本把“需求文字”直接变成图表文件4.1 自动化的核心思路如果你只是偶尔出图网页版完全够用。但如果你想把这套流程变成一条流水线比如每天从需求文档生成图表、批量生成系统模块图、集成到自己的文档生成工具里那就要走API路线。自动化的核心是三步把用户需求一段文字传给DeepSeek API。拿回Mermaid代码保存成.mmd文件。调用mermaid-cli把.mmd渲染成.svg或.png。这三步串起来就实现了从自然语言到可视化图表的全自动。4.2 一个可以直接抄的Python脚本我自己日常用的是Python写的一个脚本逻辑很简单。下面给出核心代码你按需改一下API Key就可以跑。import os import re import subprocess import tempfile import requests DEEPSEEK_API_KEY os.environ.get(DEEPSEEK_API_KEY, 你的key) BASE_URL https://api.deepseek.com/chat/completions SYSTEM_PROMPT 你是一个Mermaid图表专家。 请根据用户需求生成对应的Mermaid语法代码。 要求 1. 自动判断最合适的图表类型并在第一行用注释说明格式为 %% 类型: flowchart 或 sequenceDiagram 等 2. 只输出Mermaid代码本身不要用markdown代码块包裹不要输出任何解释文字 3. 节点文字统一使用中文如果文字中包含括号改用全角括号避免破坏语法 def generate_mermaid(requirement: str) - str: payload { model: deepseek-chat, messages: [ {role: system, content: SYSTEM_PROMPT}, {role: user, content: requirement}, ], temperature: 0.3, stream: False, } resp requests.post( BASE_URL, headers{ Authorization: fBearer {DEEPSEEK_API_KEY}, Content-Type: application/json, }, jsonpayload, timeout60, ) resp.raise_for_status() text resp.json()[choices][0][message][content] return extract_mermaid(text) def extract_mermaid(text: str) - str: # 如果模型还是用了markdown代码块这里统一剥离 match re.search(rmermaid\s*(.*?), text, re.S) if match: return match.group(1).strip() return text.strip() def render_mermaid(mermaid_code: str, output_name: str chart) - str: with tempfile.NamedTemporaryFile(w, suffix.mmd, deleteFalse) as f: f.write(mermaid_code) mmd_path f.name png_path os.path.join(os.getcwd(), f{output_name}.png) subprocess.run( [ mmdc, -i, mmd_path, -o, png_path, -b, white, -s, 2, ], checkTrue, ) return png_path if __name__ __main__: req input(请输入图表需求) code generate_mermaid(req) print(生成的Mermaid代码) print(code) path render_mermaid(code) print(图片已生成, path)这个脚本我实际用了很久稳定性和实用性都经过验证。几个注意点temperature设成0.3图表代码是结构化内容温度太高容易输出花活语法太低又过于死板。0.3左右我用下来比较稳。系统提示词必须写清楚“不要用代码块包裹”模型如果返回markdown代码块虽然能处理但后面如果直接拼接字符串会出错。我在提示词里强调输出纯代码同时代码里也加了剥离代码块的逻辑双保险。mmdc命令注意路径和权限mermaid-cli是基于puppeteer的第一次执行可能下载浏览器内核服务器上如果下载受限会遇到问题本地Windows/Mac环境一般顺畅。4.3 批量和定时场景怎么玩单个脚本跑通后你可以轻松扩展成批量任务。比如我有一个目录叫requirements/里面放了一堆需求文档我写个循环读取每个文件丢给DeepSeek生成对应的图表。import glob for req_file in glob.glob(requirements/*.txt): name req_file.split(/)[-1].replace(.txt, ) with open(req_file, r, encodingutf-8) as f: req f.read() code generate_mermaid(req) with open(foutput/{name}.mmd, w, encodingutf-8) as f: f.write(code) render_mermaid(code, output_namename)这样只要养好需求文件一眨眼整套流程的图表就批量生成完了。对于有持续文档更新需求的团队可以把这段逻辑接到定时任务里每天凌晨重新渲染一次保证图表和数据源同步。5. 踩坑实录DeepSeek生成Mermaid时最常见的五类问题5.1 节点标签里的圆括号会让渲染直接崩溃这是我踩过最深的一个坑。Mermaid语法里圆括号、方括号这些是结构字符。如果你给节点起名字时直接用半角括号比如flowchart TD A[用户点击提交(带参数)] -- B[校验]渲染器会把(带参数)当作语法结构去解析然后报unexpected token错误。解决办法有两个。一是让DeepSeek在节点文字中使用全角括号就是中文输入法下的这个不会被解析为语法二是可以用引号把节点内容包起来像这样flowchart TD A[用户点击提交(带参数)] -- B[校验]我现在的提示词里直接写死了“如果文字包含括号用全角括号”从源头消灭问题。5.2 模型偶尔用markdown代码块包代码脚本解析要兼容使用API时即便我在系统提示词里明确说了“不要用代码块包裹”DeepSeek偶尔还是会返回带 mermaid 的格式。如果你的下游是直接把你接收到的文本当成Mermaid代码去渲染那就会把前后缀也当成内容导致整张图渲染失败。处理方式很简单。要么你和我一样在代码里做一次正则剥离要么在更大的模型能力迭代后再去掉这层兼容。我建议保留兼容逻辑因为这是典型的“模型行为不可控”情况做好兜底不亏。5.3 中文字符输出成方框问题多在渲染端而不是生成端有段时间我发现明明用DeepSeek生成的是中文节点渲染成SVG后文字全变成方框“口口口”。一开始以为是模型的问题排查后才发现是渲染环境缺少中文字体。如果你用的是网页版Mermaid Live Editor一般不会遇到这个问题因为它走的浏览器字体渲染。但用mermaid-cli这种基于puppeteer的命令行工具时如果系统缺少CJK字体中文很容易变成方框。解决方法是给服务器装中文字体比如Linux发行版执行sudo apt install fonts-noto-cjk装完重新跑一次渲染问题基本消失。5.4 复杂图一版生成不了分而治之比多次重试更有效DeepSeek对简单结构图和中等复杂度图表的生成能力很强但如果你要求它一次搞定一张包含几十个节点、大量分支、跨模块依赖的大图它有时会顾此失彼节点重复、连线错乱、逻辑跳跃都可能出现。我的策略是大图拆小图画完再合并。比如要画一个完整的订单系统架构图先分别让DeepSeek生成用户端流程、订单服务流程、支付服务流程、库存扣减流程确认每张子图正确之后再让模型基于这些片段拼成一张总图。这不仅降低单次生成出错的概率也方便后期单独修改某条链路。5.5 生成的图不符合预期时先自己动手微调再让AI改最后这条算是使用心态的问题。AI生成代码不是100%准确有时候分支条件确实写错了或者某个节点放错位置。很多人这时候直接喊“再生成一版”结果模型又给你出一个新错误。我建议先检查代码对Mermaid语法有一点基本认知能看懂哪里连错了。小问题比如条件标签写错、箭头方向错了自己手动改两行代码比重新生成快得多。只有重大结构调整才值得让AI重新生成。这种“人工改细节AI管骨架”的分工方式是我用下来效率和成功率最高的。6. 从手动对话到自动管线的最后一块拼图如果你已经跟着前面章节跑通了命令行的mermaid-cli再回头看DeepSeek网页版的对话式操作其实会理解这套方案的本质图表生成本来就是个可以从业务描述映射到代码、再从代码映射到图像的过程天然适合自动化。DeepSeek负责了第一跳映射Mermaid负责第二跳映射两层链路串联起来人的工作就只剩写好需求描述。其中还有一个我后来才意识到的好用处因为Mermaid代码本质是纯文本所以它能被纳入和代码一样的版本管理体系。进入Git之后图表的历史版本对比、回滚、评审都成为可能。以前用鼠标画的图改版以后旧版基本找不回来现在哪怕改得乱七八糟一条git diff就能看清上次和这次的变化。我在实际使用中还有一个习惯把已经调通的常用图表存成模板片段需求稍有变化时直接把模板丢给DeepSeek让它改而不是每次从零开始。比如常用的“用户登录流程图”模板、“消息推送时序图”模板我都存了一份后续生成效率和稳定性都提高了一个量级。你要是打算长期用这套方案积累模板这件事越早做越好。本文还有配套的精品资源点击获取