drawio-azure

Draw.io Azure

在 draw.io 中生成准确的 Azure 架构图。此技能是一个轻量级前端；确定性引擎、验证器和规则位于 drawio-ai-kit 包中，通过 drawio-ai CLI 调用。

0. 预检 — 必须已安装 CLI

command -v drawio-ai >/dev/null 2>&1 || echo "Install the Kit first:  npm i -g github:sparklabx/drawio-ai-kit"

如果 drawio-ai 不在 PATH 中，请停止并告知用户运行 npm i -g github:sparklabx/drawio-ai-kit。切勿自行运行 npm i -g — 未经用户同意，绝不修改用户的全局环境。

1. 委托构建（当运行环境支持时优先采用）

如果你的运行环境可以启动能运行 shell 命令且能读取图像的自主子 Agent（例如 Claude Code 的 Task 工具、通用 Agent），就在子 Agent 中运行整个构建循环 — 规则、图标搜索以及每次渲染／修复迭代都不会占用本次对话的开销。如果不支持（或子 Agent 无法读取图像），请跳转到下方的内联路径 — 循环和规则相同。

启动前，先确定子 Agent 无法询问的内容：图表范围、输出目录（用户项目下的绝对路径）和文件名。自行运行上述预检。对于多图请求，请为每张图并行启动一个子 Agent，并使用不同的文件名。

模型路由 — 如果运行环境允许选择子 Agent 的模型，请根据任务复杂度进行路由：当请求符合规则中 Templates 表的模板时，使用快速／低成本层级（Claude Haiku 级 — 必须支持视觉）；此类复现过程机械化，验证器的建议字符串会指导每次修复。对于自由绘制或新颖的架构，使用你的默认强模型。如果低成本子 Agent 返回 VALIDATE 不通过或 ITERATIONS > 3，请在接管内联处理前，用强模型重新启动一次。多图请求：分别为每张图路由。

子 Agent 提示词（填写每个 <...>）：

Build an Azure architecture .drawio diagram with the drawio-ai CLI.
Request: <user's request + clarifications, verbatim>
Output: <ABS_PROJECT_DIR>/<NAME>.drawio — never write inside the Kit, never into cwd.
Follow exactly:
1. Set ROOT="$(drawio-ai root)". Read $ROOT/docs/api-cheatsheet.md — the full layout-engine
   API in one file; never read library source.
2. Run `drawio-ai workflow` and `drawio-ai principles --mode azure` — the source of
   truth. (Fallback if a command is blocked: read $ROOT/rules/*.md directly.)
3. Look up every icon with ONE batched `drawio-ai search "a, b, c"`; never recolor icons.
4. Scaffold, don't write: `drawio-ai scaffold --list`, pick the closest template, then
   `drawio-ai scaffold <name>.mjs -o <dir>/build.mjs` — the script arrives runnable
   (absolute imports, self-validating, self-rendering with an issues list). Edit only the
   deltas. If no template is close AND you'd change more than half of it, Write a new
   script instead (keep the scaffold's self-check tail). Layout engine only
   (group/frame/grid/icon/box + renderTree), NO hand-written coordinates.
5. Each `node build.mjs` run prints validate JSON AND the render's machine-readable
   `issues` list. Fix from THAT checklist — all issues in one Edit round — then re-run.
   Loop until issues is empty.
6. Only when issues is empty: Read the PNG once as final visual confirmation (list any
   remaining visual problems, fix ALL in one round). Target <= 2 PNG reads total. Then
   render once WITHOUT --check for the final deliverable PNG.
Do NOT invoke any drawio skill — this prompt already contains the full procedure.
Do not ask questions — make the standard choice and record it under ASSUMPTIONS.
Return EXACTLY this block, nothing else:
DRAWIO: <absolute path to .drawio>
PNG: <absolute path to .png>
VALIDATE: <verbatim final validate JSON>
ICONS: <comma-separated icon names used>
ITERATIONS: <number of render/fix cycles>
SUMMARY: <one sentence describing the diagram>
ASSUMPTIONS: <choices made without asking, or "none">

将 DRAWIO、PNG 和 SUMMARY 原样转交给用户；请勿在本次对话中重新读取 .drawio 或 PNG — 子 Agent 已完成视觉自检。如果 VALIDATE 不通过，请通过内联路径接管处理（返回路径中的 build .mjs 和 .drawio 均已保存在磁盘上）。

内联路径（不支持子 Agent）

1. 共享工作流

drawio-ai workflow

此内容会输出每张图都要遵循的构建 → 验证 → 渲染 → 写入项目路径循环。请阅读；它是流程的权威依据。

2. 领域规则

drawio-ai principles --mode azure

返回 Azure 规则、共享原则和目录类别。

3. 使用引擎构建，然后验证并渲染

确定 Kit 的安装目录，然后通过绝对路径 import 引擎（共享工作流展示了准确的模式）：

ROOT="$(drawio-ai root)"     # absolute path to the installed Kit

使用声明式布局引擎构建（不得手写坐标），然后： drawio-ai validate <file> → drawio-ai render <file> -o <file>.png（Read PNG 以完成视觉自检）→ 将 .drawio 写入用户项目下的绝对路径（绝不写入 Kit 或 cwd）。

领域说明

层级：Management Group → Subscription → Resource Group → VNet → Subnet。 Azure 资源部署到资源组中；VNet 的范围限定为订阅。 全局服务（Azure DNS、Azure Front Door、Entra ID）位于 VNet 之外。

自检（交付前）

• 使用布局引擎构建 — 未手写坐标。
• drawio-ai validate → 通过，无警告、无建议。
• drawio-ai suggest-layout → 推荐的原型与布局相符；无稀疏性（一图标框架）警告。
• 每个图标都来自 drawio-ai search（类别颜色保持不变）。
• drawio-ai render 视觉自检通过。
• 输出已写入用户项目，而非 Kit。