企业官网建设流程全解析

GPT Academic Mermaid 图表生成实战：从对话与文档到九类可视化图表的完整流程解析

【免费下载链接】gpt_academic为GPT/GLM等LLM大语言模型提供实用化交互接口，特别优化论文阅读/润色/写作体验，模块化设计，支持自定义快捷按钮&函数插件，支持Python和C++等项目剖析&自译解功能，PDF/LaTex论文翻译&总结功能，支持并行问询多种LLM模型，支持chatglm3等本地模型。接入通义千问, deepseekcoder, 讯飞星火, 文心一言, llama2, rwkv, claude2, moss等。项目地址: https://gitcode.com/GitHub_Trending/gp/gpt_academic

本篇指南围绕 GPT Academic 的「生成多种 Mermaid 图表」插件展开，讲清楚它如何从当前对话历史或上传的 PDF/Word/Markdown 文档中提取结构化信息，由 LLM 自动判断并渲染出流程图、序列图、思维导图等九种图表类型。读完后，您将掌握该功能的两种输入方式、图表类型手动指定的参数配置，以及插件内部「切分—摘要—选型—绘制」四步流水线在源码层面的具体实现与调优技巧。

一、功能定位：用文本描述的图表语言驱动可视化

Mermaid 是一种基于文本的图表绘制语言：用简洁的代码语法描述图表结构，再自动渲染为可视化图形。与传统绘图工具相比，它的「源代码」是纯文本，这带来两个关键优势——图表可以被 AI 轻松生成和迭代修改，也可以直接嵌入 Markdown 文档、README 或网页中。

GPT Academic 内置了 Mermaid 渲染引擎，AI 生成的 Mermaid 代码会直接在对话区渲染为可视化图表，无需安装任何额外工具即可预览。插件在 crazy_functional.py 中注册，归属「对话」分类，描述为「基于当前对话或文件生成多种Mermaid图表,图表类型由模型判断」，对应的插件类为 Mermaid_Figure_Gen.py 中的Mermaid_Gen。

二、支持的图表类型

系统支持九种常用图表类型，每种类型对应一条独立的 Prompt 模板（PROMPT_1至PROMPT_9），每种类型都有其独特的适用场景：

需要注意：默认情况下，系统会让 AI 根据内容特点自动选择最合适的图表类型，但思维导图被有意排除在自动选择之外（源码注释见 第 23 行：「没有思维导图!!!测试发现模型始终会优先选择思维导图」）。如需思维导图，必须在插件参数中手动指定。

三、基本使用

该功能可以从两个来源提取内容：当前的对话历史，或者您上传的文档文件。

3.1 从对话生成图表

当您与 AI 进行了一段有实质内容的讨论后（例如讨论了一个系统的工作原理、梳理了某个流程的步骤），可以直接基于这段对话生成图表。

操作方式：在函数插件区找到对话分类，点击生成多种 Mermaid 图表(从当前对话或路径(.pdf/.md/.docx)中生产图表）插件。系统会遍历对话历史，提取每个片段的核心内容形成摘要；接着 AI 根据摘要特点判断适合的图表类型；最后生成对应的 Mermaid 代码并渲染显示。

整个过程可能需要几十秒到几分钟不等，具体取决于对话长度和所选模型的响应速度，过程中对话区会实时显示进度和中间结果。

3.2 从文件生成图表

除了对话历史，还可以上传文档让系统分析并生成图表。目前支持以下格式（源码依据见 parse_word.py 中对.pdf、.md、.docx的逐一扫描）：

• PDF 文件（.pdf）：学术论文、技术文档
• Word 文件（.docx）：报告、规范文档（注意：旧版.doc格式不被支持，源码会在检测到.doc时返回异常提示，要求先转换为.docx，见 parse_word.py 第 35-37 行）
• Markdown 文件（.md）：README、技术博客

使用方式是将文件上传到系统，在输入框中输入文件路径，然后点击插件按钮。系统会先提取文件内容，再按照与对话生成相同的流程进行分析和图表绘制。

从源码结构看，文件解析由 extract_text_from_files 完成，它通过 get_files_from_everything 定位目标文件。这个工具函数还支持三种输入形态：

1. http开头的网络地址：会下载文件到本地日志目录下的临时文件夹后再解析；
2. 直接给定单个文件路径（路径以.pdf/.md/.docx结尾）；
3. 本地目录：通过glob递归搜索目录下所有匹配后缀的文件。

多文件处理：如果您输入的路径是一个目录，且包含多个符合条件的文件，系统会依次处理每个文件并分别生成图表（Mermaid_Figure_Gen.py 第 373-383 行 的for i in range(file_num)循环），对话区会以[i/n] 处理文件xxx的形式提示进度。这在需要批量可视化多篇文档时非常实用。

依赖方面需要注意：解析 PDF 需要pymupdf（缺少时报错pip install --upgrade pymupdf）；解析 Word 需要python-docx、pywin32（缺少时报错pip install --upgrade python-docx pywin32），安装指引均直接硬编码在 Mermaid_Figure_Gen.py 第 335-358 行 的异常分支中。

四、内部流水线：切分、摘要、选型、绘制四步

插件的核心逻辑集中在 解析历史输入 函数中，可分为四步。理解这条流水线有助于解释为什么长内容处理较慢、以及在哪里可以人工干预。

第 0 步：按 token 限制切分输入

无论来源是对话还是文件，文本都会先被切分。第 188 行 设定TOKEN_LIMIT_PER_FRAGMENT = 2500，即每个片段控制在 2500 token 以内，切分函数为 breakdown_text_to_satisfy_token_limit。该函数采用五级降级策略寻找切分点：

1. 优先以双空行（\n\n，段落边界）切分；
2. 失败则退化为单换行（\n）切分；
3. 再失败则以英文句号为切分点；
4. 再失败则以中文句号为切分点；
5. 最后才允许「暴力切分」（任意位置截断）。

为保证切分效率，maintain_storage 还会把超出 10 万字符的部分暂存、低于 5 万字符时再取回，避免对超长文本反复做 token 计数；整个切分还运行在带 60 秒超时保护的子进程中（第 113 行）。

第 1 步：滚动式迭代摘要

对切分后的每个片段txt[i]，插件向模型发起一次请求：用不超过4096 // 片段数个字（MAX_WORD_TOTAL = 4096，见 第 201 行）的中文复述该片段内容。

这里有一个值得注意的实现细节：每次请求都把上一片段的摘要作为history传入（第 214-217 行），形成「滚动摘要」链——后一片段的摘要是在已知前文主旨的语境下产生的，最后再用\n.join 合并所有片段摘要（第 224 行），作为后续选型和绘图的输入results_txt。对话区会以[i/n] Read this section...的形式展示每一步的进度。

第 2 步：图表类型选择（可被插件参数短路）

• 若插件参数plugin_kwargs已被用户指定为"1"~"9"之一，则跳过本步，直接进入第 3 步——这既省去一次 API 调用，也保证得到期望的图表形式；
• 否则使用 SELECT_PROMPT 让模型从 1~8 号类型中「仅输出单个不带任何标点符号的数字」。该 Prompt 只列出 1~8 项、刻意不含思维导图，与自动模式排除思维导图的策略一致；
• 类型判断带最多 3 次重试（第 244-264 行），若返回值不在合法数字集合内就再次询问；3 次仍失败则兜底为"1"（流程图）（第 265-266 行）。对话区会提前提示「如连续3次判断失败将会使用流程图进行绘制」。

第 3 步：按选定类型绘制图表

第 268-285 行 将类型编号映射到PROMPT_1~PROMPT_9，把合并后的摘要填入{subject}占位符，让模型输出 Mermaid 代码。每个 Prompt 模板都内嵌了该类型的语法示例（few-shot），并统一强调「需要使用双引号将内容括起来」，这对中文节点的正确渲染很关键。

一个值得留意的工程细节：实体关系图（ER 图）的模板因为示例中自带{}花括号（Mermaid 的实体字段块），无法用str.format处理，所以单独用replace("{subject}", results_txt)注入（第 281 行 及注释）。

最终结果追加到history并刷新界面，Mermaid 代码块由前端渲染为图表。

五、手动指定图表类型

如果您已明确想要什么类型的图表，可以使用插件的参数功能。点击插件按钮后，系统会弹出配置面板，其中「绘制的 Mermaid 图表类型」下拉菜单（Type_of_Mermaid，由 define_arg_selection_menu 基于 ArgProperty 定义）提供以下选项：

参数映射机制：execute 方法 通过options.index(plugin_kwargs['Type_of_Mermaid'])把下拉菜单中的中文选项按下标转换成数字字符串（"0"~"9"）传给Mermaid_Figure_Gen。其中「由 LLM 决定」对应下标"0"，不属于"1"~"9"的合法编号，因此自然触发第 2 步的模型判断流程；选中具体类型则直接短路到绘制步骤。

关于思维导图：在自动判断模式下，AI 往往会认为「思维导图」最能概括各种内容，导致其他图表类型很少被选中。因此自动模式故意排除了思维导图选项（源码注释：「由于不管提供文本是什么,模型大概率认为'思维导图'最合适,因此思维导图仅能通过参数调用」，见 第 243 行）。如果您确实需要思维导图，请手动在下拉菜单中选择它。

六、图表类型详解

不同类型的图表适用于不同的场景，选择恰当的图表类型能让信息传达更加高效。

6.1 流程图

流程图是最通用的图表类型，适合描述任何具有步骤或分支的过程。当您讨论的内容涉及「先做什么，再做什么」、「如果满足条件则执行 A，否则执行 B」这类逻辑时，流程图是理想的选择：

6.2 序列图

序列图专门用于展示多个参与者之间的交互顺序，特别适合描述 API 调用流程、通信协议，或者系统组件之间的消息传递。图中的垂直轴代表时间顺序，水平方向展示不同的参与者：

6.3 类图

类图来源于 UML（统一建模语言），用于描述类的结构和类之间的关系。在软件架构设计、面向对象分析，或者解释代码结构时非常有用。

6.4 饼图

饼图用于展示各部分占整体的比例，适合呈现统计数据、市场份额、时间分配等具有「占比」概念的信息。

6.5 甘特图

甘特图以时间轴的形式展示项目进度，每个任务用水平条表示，条的长度代表任务持续时间。它是项目管理中规划和跟踪进度的经典工具。

6.6 状态图

状态图描述了一个对象在其生命周期中可能经历的各种状态，以及触发状态转换的事件。订单状态、用户账号状态、连接状态等都适合用状态图来表达。

6.7 实体关系图

实体关系图（ER 图）是数据库设计的基础，它展示了数据实体及其之间的关系。当您讨论数据模型、表结构设计时，ER 图能清晰地呈现整体架构。

6.8 思维导图

思维导图以放射状结构展示概念之间的关联，从中心主题向外延伸出分支。它特别适合知识梳理、头脑风暴，或者文章大纲的可视化。

七、使用技巧

内容要有结构性：AI 生成图表的质量很大程度上取决于原始内容的结构性。如果您的对话或文档中已经包含了明确的步骤、分类、关系描述，生成的图表会更加准确。相反，如果内容是散乱的，AI 需要更多推断，结果的准确性也会下降——这与第 1 步摘要链依赖片段内结构信息的事实一致。

先提炼再生成：对于很长的对话或文档，可以先让 AI 帮您总结要点，确认总结内容无误后，再基于总结生成图表。这种两步法通常能得到更精炼的图表。

适时调整和迭代：生成的图表可能不是一次就完美的。您可以查看 Mermaid 源代码，复制到在线编辑器中手动调整，或者用自然语言告诉 AI「请把 XX 节点的名称改为 YY」来微调结果。

复杂图表的处理：当内容非常复杂时，生成的图表可能节点过多导致渲染困难。这时建议将内容拆分为多个主题，分别生成图表，或者选择更简洁的图表类型（如思维导图）来概括核心脉络。插件在收尾提示中也给出了相同建议（「过大的图表可能需要复制到在线编辑器中进行渲染」，见 第 286 行）。

八、常见问题

图表渲染不完整或显示异常？这通常是因为生成的图表过于复杂，超出了页面渲染的限制。您可以：

1. 展开对话中的代码块，复制 Mermaid 源代码；
2. 访问 mermaid.live 等在线编辑器；
3. 粘贴代码进行查看和调整。

在线编辑器通常能处理更复杂的图表，还支持导出为 PNG/SVG 图片。

AI 选择的图表类型不合适？在自动判断模式下，AI 可能会选择一个不太符合您预期的图表类型。解决方法很简单：重新调用插件时，在配置面板的下拉菜单中手动指定您想要的图表类型即可。

生成的图表内容不准确？图表内容的准确性取决于 AI 对原始内容的理解。如果发现有偏差，您可以：

• 在原始内容中补充更明确的结构描述；
• 在对话中直接指出需要修正的地方，让 AI 重新生成；
• 手动编辑 Mermaid 代码进行调整。

为什么自动模式不会选择思维导图？实验发现，AI 在判断图表类型时对思维导图有明显的偏好——几乎任何内容它都认为思维导图是「最合适的」。为了让其他图表类型有机会被选中，自动模式故意排除了思维导图（SELECT_PROMPT只列出 1~8 号类型）。如果您确实需要思维导图，请在配置面板中手动选择。

支持中文内容吗？完全支持。您可以用中文进行对话或上传中文文档，生成的图表节点文字也会是中文。Mermaid 语法本身对中文有良好的支持，只需确保文字内容用引号包裹即可正确渲染——这正是九条 Prompt 模板反复强调「需要使用双引号将内容括起来」的原因。

九、相关文档

• 基础功能 — 了解 GPT Academic 内置的基础功能按钮
• 源码分析 — 分析代码项目，生成结构图
• 虚空终端 — 用自然语言指挥 AI 生成图表
• 对话保存与载入 — 保存包含图表的对话记录

【免费下载链接】gpt_academic为GPT/GLM等LLM大语言模型提供实用化交互接口，特别优化论文阅读/润色/写作体验，模块化设计，支持自定义快捷按钮&函数插件，支持Python和C++等项目剖析&自译解功能，PDF/LaTex论文翻译&总结功能，支持并行问询多种LLM模型，支持chatglm3等本地模型。接入通义千问, deepseekcoder, 讯飞星火, 文心一言, llama2, rwkv, claude2, moss等。项目地址: https://gitcode.com/GitHub_Trending/gp/gpt_academic