Kroki.io项目中的diagramsnet支持现状与自托管方案
Kroki作为一个流行的图表渲染服务,提供了多种图表类型的支持。近期有用户尝试使用Kroki的diagramsnet功能来渲染简单的圆形图表时遇到了503错误,这揭示了Kroki.io在线服务与自托管版本在功能支持上的差异。
Kroki.io在线服务的限制
当用户尝试通过Kroki.io的API端点渲染diagramsnet图表时,服务返回了"Error 503: Connection refused"的错误。这实际上是因为Kroki.io的在线版本目前尚未部署diagramsnet渲染器。diagramsnet(原draw.io)作为一款功能强大的图表工具,其渲染过程需要消耗较多的CPU和内存资源,在公共托管环境中运行会产生较高的运营成本。
自托管解决方案
虽然在线服务暂不支持,但Kroki项目已经提供了完整的diagramsnet支持方案。通过Docker Compose可以轻松搭建包含diagramsnet功能的完整Kroki服务栈:
version: "3"
services:
kroki:
image: yuzutech/kroki
depends_on:
- mermaid
- bpmn
- excalidraw
- diagramsnet
environment:
- KROKI_MERMAID_HOST=mermaid
- KROKI_BPMN_HOST=bpmn
- KROKI_EXCALIDRAW_HOST=excalidraw
- KROKI_DIAGRAMSNET_HOST=diagramsnet
ports:
- "8000:8000"
diagramsnet:
image: yuzutech/kroki-diagramsnet
expose:
- "8005"
# 其他服务配置...
这种自托管方式不仅解决了diagramsnet的支持问题,还提供了完整的图表渲染能力。部署后,用户可以通过本地端口8000访问Kroki服务,并成功渲染出SVG格式的圆形图表。
技术实现分析
diagramsnet的渲染器运行在独立的容器中,通过8005端口提供服务。Kroki主服务通过环境变量配置与各渲染器的连接方式,实现了模块化的架构设计。这种设计使得:
- 各图表渲染器可以独立更新和扩展
- 资源使用可以按需分配
- 故障隔离性更好,单个渲染器问题不会影响整体服务
总结与建议
对于需要diagramsnet支持的用户,目前推荐采用自托管方案。虽然Kroki.io的在线服务暂不包含此功能,但开源项目已经提供了完善的技术实现。自托管方式不仅能够获得完整功能,还能根据实际需求调整资源配置,是技术团队更灵活的选择。
随着项目发展,未来Kroki.io可能会在资源允许的情况下增加对diagramsnet的在线支持,但在此之前,自托管方案已经能够很好地满足专业用户的需求。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00