Infographic

GitHub
4.7k 343 非常简单 1 次阅读 今天MIT图像语言模型开发框架Agent
AI 解读 由 AI 自动生成,仅供参考

Infographic 是 AntV 推出的新一代声明式信息图可视化引擎,旨在利用 AI 技术将文字描述瞬间转化为生动的视觉图表。它主要解决了传统信息图制作流程繁琐、设计门槛高以及数据叙事效率低的问题,让用户无需具备专业设计技能,也能快速生成高质量的专业图表。

这款工具特别适合前端开发者、数据分析师、内容创作者以及希望自动化生成报表的产品团队。其核心亮点在于"AI 友好”的设计架构:语法经过专门优化,能够精准理解简洁的提示词,支持 AI 流式输出与实时渲染。内置约 200 种专业模板、数据组件和布局方案,配合手绘、渐变等多种主题系统,可灵活满足多样化场景需求。此外,Infographic 默认输出高保真 SVG 格式,并内置可视化编辑器,方便用户对 AI 生成的初稿进行二次微调。无论是通过代码集成还是结合 AI Agent 使用,Infographic 都能让数据讲故事变得更加简单高效。

使用场景

某互联网公司的数据运营团队需要每周将复杂的业务周报转化为直观的信息图,向非技术背景的管理层汇报关键指标与增长趋势。

没有 Infographic 时

  • 设计门槛高:团队成员缺乏专业设计能力,依赖设计师排期,导致从数据整理到出图往往耗时数天。
  • 修改成本大:一旦数据源更新或文案调整,需重新在绘图软件中手动对齐元素,极易出现排版错乱。
  • 风格不统一:不同成员制作的图表配色、字体各异,难以维持公司品牌视觉的一致性。
  • 交互性缺失:输出的静态图片无法在 Web 端进行二次编辑或响应式适配,复用性差。

使用 Infographic 后

  • AI 极速生成:利用其 AI 友好特性,只需输入简短提示词或结构化数据,即可调用内置的 200+ 模板秒级渲染出专业信息图。
  • 声明式热更新:基于声明式语法,数据变动仅需修改配置代码,Infographic 自动重绘并保持布局完美对齐。
  • 主题一键切换:通过内置主题系统,轻松应用手绘风或渐变预设,确保所有周报视觉风格高度统一且符合品牌规范。
  • 在线协同编辑:借助内置编辑器与高质量 SVG 输出,生成的图表可直接嵌入网页,支持后续灵活调整与交互扩展。

Infographic 将枯燥的数据文本转化为生动的视觉故事,让数据汇报从“耗时耗力的手工活”变成了“分钟级的自动化流程”。

运行环境要求

操作系统
  • 未说明
GPU

未说明

内存

未说明

依赖
notes该工具是一个基于 JavaScript/TypeScript 的前端可视化库,主要通过 npm 安装使用。它专注于在浏览器环境中渲染信息图,支持 AI 流式输出和 SVG 高质量导出。无需特定的 GPU、Python 环境或大型模型下载。提供多种技能插件以集成到 Claude Code、Codex 等 AI 代理中,并拥有广泛的生态系统插件支持(如 React、Vue、Obsidian、VSCode 等)。
python未说明
@antv/infographic
Infographic hero image

快速开始

简体中文 | English

Infographic,让文字栩栩如生!

🦋 一个信息图生成与渲染框架,让文字栩栩如生!

antvis%2FInfographic | Trendshift

npm version build status Visitors license

AntV Infographic 是 AntV 的新一代 声明式信息图可视化引擎。它采用精心设计的信息图语法,能够快速、灵活地渲染高质量的信息图,使信息展示更加高效,数据叙事更加简单。

✨ 特性

  • 🤖 AI友好:配置和语法专为 AI 生成优化,提供简洁的提示词,并支持 AI 流式输出与渲染
  • 📦 开箱即用:内置约 200 种信息图模板、数据项组件和布局,可在几分钟内构建专业级信息图
  • 🎨 主题系统:手绘风格、渐变、图案等多种预设主题,同时支持深度定制
  • 🧑🏻‍💻 内置编辑器:配备信息图编辑器,便于对 AI 生成的内容进行进一步编辑
  • 📐 高质量 SVG 输出:默认使用 SVG 渲染,确保视觉保真度和易编辑性

🚀 安装

npm install @antv/infographic

📝 快速开始

import { Infographic } from '@antv/infographic';

const infographic = new Infographic({
  container: '#container',
  width: '100%',
  height: '100%',
  editable: true,
});

infographic.render(`
infographic list-row-simple-horizontal-arrow
data
  lists
    - label Step 1
      desc Start
    - label Step 2
      desc In Progress
    - label Step 3
      desc Complete
`);

渲染结果如下:

AntV Infographic DEMO

流式渲染

借助高度容错的信息图语法,您可以实时流式接收 AI 输出,并逐步渲染信息图。

let buffer = '';
for (const chunk of chunks) {
  buffer += chunk;
  infographic.render(buffer);
}
AntV Infographic 流式渲染

🔧 技能集成

AntV Infographic 提供了与 AI 代理集成的技能:

  • infographic-creator:创建可渲染信息图的 HTML 文件
  • infographic-syntax-creator:根据描述生成信息图语法
  • infographic-structure-creator:生成自定义结构设计
  • infographic-item-creator:生成自定义项目设计
  • infographic-template-updater:(面向开发者)更新模板库

Claude Code

Claude 市场现已开放。您可以通过市场安装,或继续使用手动安装。

/plugin marketplace add https://github.com/antvis/Infographic.git
/plugin install antv-infographic-skills@antv-infographic

手动安装:

set -e

VERSION=0.2.4 # 替换为最新标签,例如 0.2.14
BASE_URL=https://github.com/antvis/Infographic/releases/download
mkdir -p .claude/skills

curl -L --fail -o skills.zip "$BASE_URL/$VERSION/skills.zip"
unzip -q -o skills.zip -d .claude/skills
rm -f skills.zip

Codex

进入 codex

# 将 <SKILL> 替换为技能名称,例如 infographic-creator
# https://github.com/antvis/Infographic/tree/main/skills/<SKILL>
$skill-installer install https://github.com/antvis/Infographic/tree/main/skills/infographic-creator

🌐 生态系统

由 AntV Infographic 驱动的社区项目和产品:

💡 您是否有使用 AntV Infographic 的项目?欢迎在 Issue #99 中分享!

💬 社区与交流

  • 请在 GitHub 上提交您的问题或建议
  • 加入 GitHub Discussions,与社区成员交流
  • 欢迎贡献!让我们一起改进 AntV Infographic!

如果您有任何建议,欢迎随时通过 GitHub 与我们沟通!请为我们点亮星标 ⭐,以示支持。

📄 许可证

本项目采用 MIT 开源许可证。详情请参阅 LICENSE 文件。

版本历史

0.2.162026/03/05
0.2.152026/02/27
0.2.142026/02/11
0.2.132026/01/29
0.2.122026/01/21
0.2.112026/01/19
0.2.102026/01/16
0.2.92026/01/15
0.2.82026/01/14
0.2.72026/01/07
0.2.62026/01/06
0.2.52026/01/05
0.2.42026/01/05
0.2.32025/12/31
0.2.22025/12/30
0.2.12025/12/26
0.2.02025/12/24
0.1.42025/12/19
0.1.32025/12/15
0.1.22025/11/27

常见问题

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|昨天
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|昨天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

142.7k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.9k|★★☆☆☆|今天
开发框架图像Agent

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|今天
插件开发框架

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备

90.1k|★★★☆☆|今天
语言模型图像Agent