OpenClaw 画流程图实战：从翻车到稳定输出的六阶段SOP

关键词：OpenClaw流程图、AI画drawio、泳道流程图、多Agent协作、Diff学习

---

前言

本文基于真实项目实践，详细记录使用 OpenClaw 绘制跨部门泳道流程图的完整迭代过程：从第一版翻车到沉淀出可复用的六阶段SOP和Skill。

包含：常见翻车原因分析、六阶段SOP详解、7条硬约束规则、Diff学习机制、完整案例演示。

---

一、为什么AI画流程图总翻车

1.1 典型翻车场景

用户输入：

帮我画一张流程图，包含客户下单、审批、交付这几个环节。

AI输出的常见问题：

• 客户节点出现在交付团队泳道内
• 判断节点的"是""否"出线从同一方向出发，路径重叠
• 存在孤岛节点（无入线也无出线）
• 回退线与正向线走相同路径，无法区分

1.2 根因分析

问题	根因	本质
节点落错泳道	AI没有坐标约束	缺少硬规则
连线交叉混乱	AI不理解空间布局	空间感知弱
输出不稳定	缺少自校验机制	没有质量门

核心结论：不是AI画图能力差，是用户没告诉它"什么算画对"。

1.3 正确用法 vs 翻车用法

翻车用法 ❌	正确用法 ✅
“帮我画一张流程图”	“画4角色泳道流程图，先出文本方案确认后再生成drawio”
“加一个审批节点”	“在P2阶段售前泳道加一个技术可行性判断菱形节点”
“连线乱了帮我整理”	“回退线从判断节点顶部出发走L形绕行，不与正向线重叠”
一步到位	需求澄清→文本方案→约束生成→自校验→微调→Diff学习

---

二、真实迭代过程

2.1 第一版：许愿式输入

安装 drawio Skill 后直接输入一大段流程描述。

结果：角色、泳道、活动全部错位，基本不可用。

2.2 第二版：补全结构化信息

梳理出阶段/子阶段/角色/活动后重新输入。

结果：略有改善，但连线错位，部分活动超出泳道边界。

2.3 第三版（转折点）：缩小范围

不追求一次画完，只画第一个阶段。

结果：质量明显提升。意识到问题在于缺少分步沟通确认的过程。

2.4 第四版：Diff学习机制

密集区域仍有框图重叠。AI对空间感知理解有限。

解决方案：在生成文件上手动调整，然后让龙虾对比两个版本：

用户：我修改好了，你学习一下

AI：[获取用户调整后的XML，与原始XML对比]
    发现以下差异：
    1. 密集区域节点间距从40px调整为80px → 规则更新
    2. 回退线出口方向从底部改为顶部 → 规则更新
    3. 泳道标题字号从11px改为14px → 规则更新
    已同步更新到 Skill 配置

这就是 Diff 学习：通过人工调整 + AI自动对比，将人的空间感知偏好传递给AI，沉淀为可复用规则。

---

三、六阶段SOP详解

Phase 1：需求澄清（AI主动提问）

AI不直接画图，先问7-10个问题：

## 需求澄清清单

1. 受众：管理层概览 or 执行操作手册？
2. 角色：涉及几个泳道？
3. 阶段：分几个大阶段？
4. 判断节点：关键决策点在哪？
5. 回退：有没有打回路径？
6. 异常：异常流程要画到什么程度？
7. 支撑系统：需要体现哪些IT系统？
8. 布局：水平展开 or 纵向？
9. 角色列：是否允许不同阶段重复出现？
10. 参考：有没有现有流程图参考？

Phase 2：文本方案确认（三张表）

不生成drawio，先出三张表让用户确认逻辑：

表1：泳道结构

| 泳道 | 代码 | 颜色 | 包含节点 |
|------|------|------|---------|
| 员工 | lane_user | 蓝#DCEEFB | n1, n8, n9 |
| 服务台 | lane_desk | 橙#FFE0B2 | n2, n3, n4, n5 |
| 技术工程师 | lane_eng | 绿#DCEDC8 | n6, n7 |
| 支撑系统 | lane_sys | 灰#F5F5F5 | ns1, ns2 |

表2：节点清单

| 节点ID | 名称 | 类型 | 泳道 | 阶段 |
|--------|------|------|------|------|
| n1 | 企业微信提交工单 | 矩形 | 员工 | P1 |
| n2 | 工单初判 | 矩形 | 服务台 | P2 |
| n3 | 服务台能否解决？ | 菱形 | 服务台 | P2 |
| n4 | 服务台直接处理 | 矩形 | 服务台 | P2 |
| n5 | 转派技术工程师 | 矩形 | 服务台 | P2 |
| n6 | 工程师处理工单 | 矩形 | 工程师 | P3 |
| n7 | 需要补充信息？ | 菱形 | 工程师 | P3 |
| n8 | 员工补充信息 | 矩形 | 员工 | P3 |
| n9 | 员工确认解决 | 矩形 | 员工 | P4 |
| n10 | 关闭工单 | 矩形 | 服务台 | P4 |

表3：连线关系

| 起点 | 终点 | 标签 | 备注 |
|------|------|------|------|
| n3 | n4 | 能解决 | 正向 |
| n3 | n5 | 解决不了 | 正向 |
| n7 | n8 | 需要补充信息 | 回退线 |
| n8 | n6 | 补充后重新处理 | 红色虚线 |
| n9 | n10 | 确认解决 | 正向 |

自检清单（自动执行）：

✅ 所有节点有泳道归属
✅ 菱形 n3、n7 都有 ≥2 条出线
✅ 无孤岛节点
✅ n8→n6 回退路径存在
✅ 支撑系统贯穿对应阶段

Phase 3：约束求解生成

确认后带硬约束生成drawio：

7条硬约束：

编号	规则	说明
C1	节点Y ∈ 泳道范围	不画错泳道
C2	阶段width = Σ子阶段width	阶段宽度精确
C3	连线指向有效节点	无悬空箭头
C4	节点X ∈ 阶段范围	不画错阶段
C5	无孤岛节点	每个节点有入线或出线
C6	判断节点≥2条出线	“是”"否"都要
C7	有起点和终点	不是开环

布局计算示例：

画布：1600×700px
阶段列宽：P1=240, P2=360, P3=400, P4=280（含边界走廊40px）
泳道高：员工/服务台/工程师=130px，支撑系统=100px
回退线 n8→n6：走底部走廊，红色虚线

Phase 4：自校验

生成后自动执行校验报告，硬约束不通过则自动修复后重新交付。

Phase 5：用户微调

用户在drawio中调整间距、线条走向等。通常3-5处修改。

Phase 6：Diff学习

# 龙虾获取修改前后两个版本的XML
# 自动对比差异，提取规则更新
# 写入 Skill 的 references/ 目录

学习到的规则会在下次同类任务中生效。

---

四、实战效果对比

维度	Visio手动画	OpenClaw + SOP
中等流程图耗时	6-8小时	10分钟生成 + 微调
修改一个逻辑节点	30-60分钟	5分钟（改文本方案）
“领导说换个角度”	推翻重画	调文本方案，重新生成
版本追溯	V1/V2全量文件	Diff学习，只看改了什么

---

五、常见问题

Q：节点很多怎么办？

超过30个节点建议分段画。按阶段拆，每段20-30个节点，最后在drawio中手动拼接。AI一次处理过多节点，排版质量会断崖式下降。

Q：回退线和正向线总是重叠？

回退线出口方向必须与正向线相反。正向从右侧出→回退从顶部或左侧出，走L形绕行。标签站在发起方视角命名（“驳回"而非"修正”）。

Q：改版时是改drawio还是改文本方案？

永远基于文本方案改。保存"口语描述+三张表"文件，改版时调整文本，重新生成drawio。比直接改drawio的XML快10倍。

Q：怎么获取这个Skill？

在公众号"一深思AI"后台发送"流程图"。

---

六、总结

AI画流程图的关键不在AI的画图能力，而在于：

1. 需求澄清：画图之前把逻辑想清楚
2. 文本先行：先用文字确认逻辑，再生成图形
3. 硬约束：给AI明确的规则，而不是让它"自由发挥"
4. Diff学习：人工调整后让AI对比学习，持续进化

这套方法论不仅适用于流程图，架构图、ER图、泳道图等所有需要AI生成可视化内容的场景都适用。

---