把 AI 生图和画布编排放进同一个工作台（无限画布）

AI 生图工具大多按“发一条提示词、等一张图”来组织。改一处细节要重填整段提示词，上一轮生成的那张参考图，下次用还得从下载文件夹里翻出来。围绕一组视觉方案连续迭代时，这些动作会把创作切得很碎。

无限画布（infinite-canvas）是一套用 TypeScript 写的开源创作工作台，输入是画布上的提示词、参考图与节点连线，输出是 AI 生成的图片、视频和对话结果。

它把画布编排、AI 生图、参考图编辑、对话助手、提示词库和素材沉淀放进同一个界面。节点之间可以连线，生成结果直接落回画布，作为下一轮的输入。典型场景是围绕同一个视觉方向反复试：选定一个节点，改提示词或换参考图，生成结果接在它后面，整条探索路径留在画布上，不用去翻历史记录。仓库目前有 7488 star、1848 fork，开放 Issue 15 条。

基础用法

仓库地址是 https://github.com/basketikun/infinite-canvas ，采用 MIT 许可证，主要语言是 TypeScript，占比 98.5%。部署路径有三条，分别对应仓库里的 docker-compose.yml、render.yaml 和 vercel.json。

安装与依赖

项目用 TypeScript 写，前端基于 Vite 7 与 React Router 7。部署侧仓库里放了 Dockerfile 和 nginx.conf，官方镜像地址是 ghcr.io/basketikun/infinite-canvas:latest，另外提供了 Render 一键部署入口。

Issue 里出现过一段 Docker Compose 配置，可以直接作为起容器的起点：

services:
  infinite-canvas:
    image: ghcr.io/basketikun/infinite-canvas:latest
    container_name: infinite-canvas

docs/ 目录下有 quick-start、docker、render 三份文档，具体命令以那几份为准。仓库里没有在根 README 正文里展开写各条部署路径的完整命令。

最短能跑通的示例

用上面那段 Compose 起容器，容器里的服务监听 3000 端口。浏览器打开 localhost:3000 就能进到画布界面，这一点来自 Issue 里用户的实测描述。

进到界面只是第一步。真正让它干活，要在设置里填入一个 OpenAI 兼容接口的地址和 Key。项目支持 chatgpt2api、grok2api、flow2api、newapi 等渠道接入。填好之后点拉取模型列表，能返回模型名才算接通。

确认它跑起来了

有两个判断点。页面能正常打开画布，节点可以拖拽、缩放、连线；配置接口之后拉取模型列表返回了模型名，接着发一次文生图请求，结果节点出现在画布上。

拉取模型失败时，Issue 里有用户遇到过同类情况，报错信息是“读取模型失败”，原因大多出在中转站那一侧的配置。另外，官方在线的演示实例已经不可用，Issue 里有用户反馈打开链接显示服务被其所有者暂停。

主要功能

画布与创作

• 无限画布：支持多画布项目、节点拖拽缩放、连线、小地图、撤销重做、导入导出。画布是整个工作台的承载层，生成结果都以节点形式落在上面，连线的方向决定下一轮生成拿哪些节点当输入。
• AI 创作：浏览器前台直连你配置的 OpenAI 兼容接口，支持文生图、图生图、参考图编辑、文本问答，以及音频和视频生成。生成动作发生在浏览器里，不经过项目自己的服务端转发。
• 画布助手：围绕选中的节点和它的上游节点对话、生图，结果会插回画布。这个入口适合在已有素材基础上继续追问，不用手动复制粘贴图片。
• 提示词库：内置 7 个开源提示词来源，也支持自定义标准 JSON 来源，由浏览器前端直连并缓存到本地。

扩展与接入

• 本地 Agent 与 Codex App 插件：通过本机 Canvas Agent 连接 Codex / Claude Code，让 Agent 通过 MCP 操作当前画布；Codex app 插件安装后会自动注册 MCP 并尝试拉起本地 Agent。
• 插件系统：支持通过 URL 动态安装、启用、更新、卸载远程节点插件，并提供 TypeScript SDK，用来自行开发画布节点插件。
• 自定义接口调用：可以自定义生图、视频接口的调用方式，用来适配各类中转站与自建服务。接入非标准接口时，这一项是绕开兼容问题的入口。

参数与配置

常用参数

仓库节选里没有列出命令行参数，主要的可调项都在网页端界面里：

• 接口地址与 Key：接入 OpenAI 兼容渠道时填写，支持 chatgpt2api、grok2api、flow2api、newapi 等。多人使用时每条浏览器各自配一份。
• 服务端口：容器内服务监听 3000。
• 生图参数：界面上有尺寸与质量两组选项，尺寸对应比例（如 1:1、3:2、16:9），质量对应 low / medium / high / auto。这两个参数直接决定请求里的字段，高分辨率场景要看清楚它们的语义。

配置文件

仓库根目录有 docker-compose.yml、docker-compose.local.yml、render.yaml、vercel.json 和 nginx.conf。这些文件里各字段的含义与取值，仓库节选里没有说明，需要看 docs/ 下的 docker 与 render 文档。

另外根目录还有 VERSION、CHANGELOG.md、SECURITY.md 和 skills-lock.json。安全问题的提交方式写在 SECURITY.md 里。

实际使用中的坑

下面几条来自仓库的 Issue 列表，状态都是已解决，写出来是让你知道哪些地方容易卡住。

• 高分辨率出图的参数语义。接入 gpt-image-2、sub2api 一类接口时，界面上的“尺寸”实际表达的是比例，“质量”是 low / medium / high / auto，两者都不直接对应高分辨率请求。有用户反映生成结果一直停在 1K 左右（1024×1536）。这条被明确讨论过并给出调整方案。
• 内网地址访问。用 localhost:3000 时大部分功能正常，换成 192.168.x.x:3000 后很多操作点了没反应，用户怀疑代码里把监听地址限制死了。如果你打算把画布挂在局域网里给别人用，这一条值得先确认。
• Docker 部署的数据持久化。在 NAS 上用 Docker Compose 部署时，有用户提出把用户数据持久化到容器挂载目录，否则容器重建后数据不好找回。
• 升级后容器起不来。有用户更新到 v0.2.1 之后容器以 code 1 反复重启，日志里能看到 GIN-debug 的输出。

还有一条来自 README 本身的提醒：项目目前处于开发阶段，不保证历史数据兼容，各种本地存储格式都可能直接调整。如果你需要稳定维护自己的分支，README 的建议是自行 fork 后独立开发；二次开发与 PR 要保留原作者信息和前端页面标识。

几个同类怎么选

下面三个项目放在一起看，各自的落点不同。Toonflow 同样面向 AI 内容创作工作台，Bilibili-thread-ripper 只解决素材获取那一步。

如果你的目标直接是成片短剧，Toonflow 那条从剧本到视频的流水线是本项目没有的，无限画布停在图片、视频素材和节点编排这一层，后续剪辑还得自己接。如果只是想把 B 站素材拉到本地，专用下载工具更省事，起一套容器加接口配置没有必要。想清楚产物是哪一层的文件，比对比功能列表更有用。

适合谁

它适合已经在用 OpenAI 兼容渠道、需要围绕同一组视觉方案反复迭代出图的创作者；适合想把多个生图和生视频渠道收进一个界面，并且不介意自己维护容器的团队；也适合需要让 Codex / Claude Code 通过 MCP 直接操作画布工作流的开发者。

它不适合想要开箱即用、不接受自己配接口和部署的人。也不适合需要项目保证数据格式长期稳定、准备把生产素材长期沉淀在里面的人，README 已经写明存储格式可能调整。

焚评：这个项目的量化评分

本项目的选题来自 焚.com（一个按公开公式给 GitHub 项目打分的站）。焚评当前总分 9.1 分（满分 10）。下表是各维度的得分：

评分口径、权重与计算方式见焚.com 的评分方法页；数据随 GitHub 指标刷新，具体数值以焚.com 当前页面为准。本文正文为诀.com 独立撰写，评分数据由焚.com 授权引用。