Excalidraw 接入 Claude，画布工具开始支持 AI 助手协作

截至 2026 年 9 月 27 日，Excalidraw 生态正在出现一种更实用的 AI 交互方式：用户不再只是把一段文字交给模型，让模型输出 Mermaid 或一张静态图片，而是直接让 Claude 操作 Excalidraw 画布，创建节点、连接关系、调整布局，并根据反馈继续修改。

这件事的关键不只是“AI 会画图”，而是 Claude 开始拥有了一个可以持续读写的视觉工作区。对开发者、产品经理和架构师来说，画布不再只是最终交付物，而可以变成 AI 理解需求、表达方案和接受修改意见的中间介质。

发生了什么：Excalidraw 变成 Claude 的可操作画布

Excalidraw 是一款开源的手绘风格在线绘图工具，支持流程图、系统架构图、产品线框图、会议草图和自由布局等场景。它的优势不在于提供最复杂的视觉效果，而在于文件格式开放、元素结构清晰、编辑方式简单，并且已经被 VS Code、Obsidian 等工具接入。

这次更新的核心是让 Claude 通过 MCP 与 Excalidraw 建立连接。MCP，即 Model Context Protocol，是一种让 AI 模型以统一方式访问外部工具、文件和数据的开放协议；在这个场景里，它相当于给 Claude 配了一组“画布操作工具”。

根据公开演示和社区资料，Claude 可以围绕 Excalidraw 画布完成几类操作：

• 创建矩形、椭圆、文本、箭头和连线等图形元素；
• 根据自然语言描述生成流程图、架构图或页面线框；
• 读取当前画布状态，理解已有节点和连接关系；
• 修改节点标题、位置、颜色和层级关系；
• 删除错误元素，补充遗漏步骤；
• 在已有图形基础上继续迭代，而不是每次从空白画布重新生成。

这与“让 Claude 输出一段 Mermaid 代码”有本质区别。Mermaid 更像是让模型写一份图表源代码，渲染结果通常受布局引擎约束；Excalidraw 则提供了一个可以直接被模型操作的二维空间，模型生成的不是一段描述，而是画布上的一组可编辑对象。

这不是简单的图片生成，而是结构化编辑

Excalidraw 的 AI 集成价值在于生成结构化图形，而不是生成一张看起来像流程图的图片。

一张由图像模型生成的架构图，通常很难继续编辑：文字可能无法准确识别，连线可能没有真实拓扑关系，用户只能重新描摹或让模型再生成一张。Excalidraw 中的节点、文本和连线则是独立元素，用户可以点击、拖动、重命名、删除，也可以让 Claude 只修改其中一部分。

从技术上看，画布可以被理解为一组带有类型、坐标、尺寸、样式和关联关系的图形对象。Claude 不需要“看懂一张图片后凭感觉重画”，而是可以读取当前状态，再决定应该新增、更新还是删除哪些元素。这种方式更接近代码编辑器里的智能编程：模型不是提交一张截图，而是在一个有状态的项目里执行增量修改。

这也是 Excalidraw 比普通白板更适合接入 AI 的原因之一。白板工具往往把内容存成难以操作的内部状态，而 Excalidraw 的文件和元素模型相对透明，开发者更容易为它封装工具调用、校验结果和实现版本管理。

Claude 能做什么：从一句需求到一张可用架构图

Claude 与 Excalidraw 的组合最适合处理“结构已经在脑中，但手工画出来很慢”的工作。

例如，开发者可以描述：“画一个用户请求经过 CDN、网关、鉴权服务、订单服务和数据库的系统架构图，标出同步调用、异步消息和缓存层。”Claude 可以先生成一版基础图，再根据用户反馈补充消息队列、重试机制和故障转移路径。

产品经理也可以让 Claude 把一段需求整理成用户流程：“用户打开应用后完成登录、搜索商品、加入购物车、提交订单，异常情况包括库存不足和支付失败。”相比直接生成一张设计稿，流程图更容易检查业务逻辑是否完整。

在会议场景里，AI 还可以承担“记录员加整理员”的角色。用户先让 Claude 按照讨论内容建立几个主题节点，随后要求“把性能问题归到基础设施下面，把权限问题连接到后台服务，并把未决事项标成黄色”。这种交互的重点不是一次生成漂亮结果，而是让图随着讨论逐步成形。

对教育和技术沟通而言，画布也提供了比纯文本更短的解释路径。一个复杂的调用链、数据库关系或部署流程，往往需要几页文档才能说清楚；一张结构清晰的图可以让参与者快速形成共同语境，再由文本补充边界条件。

与 Mermaid、Miro、FigJam 相比，Excalidraw 的位置在哪里

Excalidraw 并不是所有绘图任务的最佳选择，它的优势主要集中在“快速生成、快速讨论、快速修改”。

| 工具或方案 | AI 生成方式 | 输出形态 | 适合场景 | 主要限制 | |---|---|---|---|---| | Excalidraw + Claude | 模型直接操作画布元素 | 可编辑的结构化图形 | 架构草图、流程梳理、线框和头脑风暴 | 精细排版和企业级视觉规范较弱 | | Mermaid + Claude | 模型生成图表描述文本 | 代码驱动的图表 | 文档、Git 仓库、技术方案和版本审阅 | 复杂布局和自由调整不够灵活 | | Miro / FigJam | AI 辅助白板和协作 | 在线白板对象 | 多人会议、调研和团队协作 | 自动化能力、数据结构和开发者工作流取决于平台 | | Figma + AI | 生成设计稿和界面组件 | 高保真设计文件 | UI 设计、组件系统和交付 | 交互门槛更高，架构草图不一定高效 | | 图片生成模型 | 直接生成视觉图像 | 不透明的位图或渲染结果 | 展示、灵感和视觉探索 | 后续编辑、结构校验和版本管理困难 |

如果目标是把图放进 README 或技术文档，Mermaid 仍然有明显优势，因为它可以直接跟代码一起提交和审阅。如果目标是高保真 UI 交付，Figma 依然更合适。Excalidraw 的位置更像是两者之间的“思考层”：它比 Mermaid 自由，比 Figma 轻量，又比图片生成模型更容易继续修改。

真正的变化：AI 从问答窗口进入工作对象

这次集成更值得关注的地方，是它改变了 AI 的工作对象。

过去的 AI 工具大多停留在“用户提问，模型回答”的对话模式。用户问一个架构问题，模型给出文字；用户要求一张图，模型给出代码或图片；如果结果不满意，用户需要重新描述需求，或者自己打开设计工具完成剩余工作。

MCP 让模型可以直接进入工具内部。Claude 不只是告诉用户“应该画一个网关节点”，而是可以把这个节点放到画布中，再把它与上下游服务连接起来。对用户而言，工具操作的中间步骤被隐藏了，交互重点从“怎么使用绘图软件”转向“我要表达什么结构”。

这也解释了为什么近期越来越多的 AI 工具开始接入编辑器、知识库、表格和设计软件。模型输出文字的成本已经很低，真正稀缺的是把输出转化为可继续工作的对象。一个能被编辑、审阅、追踪和复用的图，比一张只能截图分享的图片更有生产力。

但它还不是自动架构师

Claude 操作 Excalidraw 的最大风险，不是画不出来，而是画得像真的一样。

模型可以快速生成一张视觉上完整的系统架构图，但这并不意味着架构本身正确。它可能漏掉鉴权边界，把同步调用误画成异步消息，忽略数据一致性问题，或者在节点之间创建看似合理但实际不存在的依赖关系。图形越整齐，错误越容易被忽略。

因此，AI 生成的架构图应该被视为讨论草稿，而不是经过验证的设计文档。涉及生产系统时，开发者仍然需要检查至少四个方面：

1. 拓扑是否真实：每条连线是否对应实际调用、数据流或控制流；
2. 边界是否明确：服务、数据库、第三方系统和用户端是否处于正确的信任边界；
3. 异常是否覆盖：超时、重试、幂等、降级和故障转移是否被表达；
4. 版本是否可追踪：图的修改是否能与代码、需求或会议结论对应起来。

AI 负责降低绘图成本，人负责确认系统事实。把两者混为一谈，会让画布变成一台高效率的错误放大器。

本地文件和 MCP，让开发者工作流更顺手

Excalidraw 的本地文件能力，是它与开发者工作流结合时最有价值的部分之一。

社区方案可以围绕 .excalidraw 文件运行，让 Claude 读取和修改指定目录中的绘图文件。对熟悉 Git、VS Code 或本地项目目录的开发者来说，这种方式很自然：架构图可以和源代码、README、设计文档放在同一个仓库里，也可以通过提交记录查看每次修改。

这类工作流的好处包括：

• 图形文件可以跟随项目一起归档，而不是散落在个人白板账户中；
• 修改可以通过 Git diff、提交记录或代码评审流程追踪；
• AI 可以基于现有文件做增量修改，不必每次从零生成；
• 团队成员可以在本地编辑，再把结果同步到项目协作流程；
• 绘图工具不再是孤立应用，而成为开发环境的一部分。

不过，本地文件方案也带来新的权限问题。用户需要明确哪些目录可以被 Claude 读取，哪些文件允许修改，以及生成结果是否需要人工确认。对于团队环境，最好把画布文件放进独立目录，并通过版本控制保留历史版本，避免模型一次操作覆盖重要设计稿。

现在适不适合用：适合草图，不适合盲目交付

如果你每天需要画系统架构、产品流程或技术方案，Excalidraw 加 Claude 已经值得试用；如果你期待它自动完成最终视觉设计，目前不应该抱太高预期。

最推荐的使用方式是把它放在工作流的前半段：先让 Claude 根据自然语言生成第一版，再由人检查结构，最后手动调整关键布局和样式。这样既能节省大量拖拽节点、复制文本和整理连线的时间，也不会把最终判断交给模型。

一个比较稳妥的流程可以是：

1. 先用自然语言描述目标、参与者、主要步骤和约束条件；
2. 让 Claude 生成一版结构图，并要求它列出自己的假设；
3. 检查节点、连线、边界和异常流程；
4. 让 Claude 根据明确的修改意见进行局部调整；
5. 将确认后的图与代码仓库或项目文档关联；
6. 在架构发生变化时，让 AI 基于旧图做增量更新，而不是重新生成。

这种方法比“让 AI 一键画完然后直接发给客户”可靠得多。它把 AI 定位成一个执行力很强的绘图助手，而不是无需监督的架构师。

OpenAI Hub 观察：画布可能成为下一类 AI 工作台

Excalidraw 接入 Claude 的意义，最终可能超过一款绘图工具的功能更新。

文本编辑器、表格、白板、设计文件和代码仓库，都是人类组织复杂信息的工具。过去 AI 主要停留在这些工具之外，通过复制粘贴与它们交互；现在，借助 MCP 这样的工具连接协议，模型开始直接进入这些工作空间，读取上下文并修改真实对象。

对于 Excalidraw 来说，选择一个开放、结构化、容易读写的画布作为 AI 载体，是相当务实的路线。它没有试图把自己包装成全能设计平台，而是先解决一个明确问题：让用户用自然语言快速把想法变成可编辑的图。

我们的判断是，这项能力对开发者和深度用户有实际价值，尤其适合架构草图、流程梳理和早期方案讨论；但它距离“自动完成专业图表”仍有距离。未来真正拉开差距的，不会只是模型能否画出更多节点，而是能否理解项目上下文、引用真实代码和文档、识别架构冲突，并在修改前给出可验证的理由。

换句话说，AI 画布的竞争才刚开始。Excalidraw 先把画布开放给 Claude，下一步要看的，是它能否让这些图真正参与软件开发和团队决策，而不只是成为一张更快生成的漂亮草图。

参考来源

• Excalidraw GitHub 仓库：Excalidraw 开源项目代码、文件结构与产品能力说明。
• cmd8/excalidraw-mcp：社区维护的 Excalidraw MCP 实现，可用于理解 AI 读写画布元素的技术路径。
• Excalidraw 官方 GitHub 组织：Excalidraw 相关开源项目与生态组件集合。

本文根据 2026 年 9 月公开演示、社区讨论及开源项目资料整理。不同 Claude 客户端、MCP 实现和 Excalidraw 集成方案的具体功能可能存在差异，实际使用前应以对应项目的最新文档为准。