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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00