AI绘画工作流革新：一站式无限画布工具部署与实战指南-尧图网络科技

🚀 30+款热门AI模型一站整合，DeepSeek/GLM/Claude 随心用，限时 5 折。 👉 点击领海量免费额度

如果你正在用 AI 生成图片，大概率经历过这样的场景：为了一个满意的效果，你需要在 Midjourney、Stable Diffusion WebUI、ComfyUI 等不同工具间反复横跳，在 Discord、浏览器标签页、本地文件夹里来回切换。好不容易找到一张不错的参考图，想基于它微调风格，却发现提示词（Prompt）需要重新构思，参数要重新设置，生成的图片散落在各处，难以形成连贯的创作流。

这背后是一个被忽视的“创作流”问题：AI 绘画工具越来越强大，但创作过程本身却依然割裂。素材管理、提示词工程、多轮迭代、方案对比，这些环节的切换成本，正在消耗着创作者最宝贵的注意力和灵感。

今天要介绍的开源项目infinite-canvas（无限画布），正是为了解决这个问题而生。它不是一个单纯的 AI 生图工具，而是一个面向 AI 创作的“一站式工作台”。它的核心价值在于，将画布编排、AI 生图、参考图编辑、对话助手、提示词库和素材沉淀，全部整合在同一个可视化界面中。你可以把它理解为一个专为 AI 视觉创作设计的“Figma + Notion + AI 助手”综合体。

这篇文章将带你深入体验 infinite-canvas。我们不止会介绍它是什么，更重要的是剖析它如何重构 AI 创作的工作流，解决哪些具体痛点，以及它是否适合你。我会从环境部署、核心功能实操、与本地 Agent 的联动，到实际项目中的使用建议和避坑指南，提供一个完整的、可落地的技术实践指南。

1. 这篇文章真正要解决的问题

为什么我们需要一个“无限画布”式的 AI 创作工作台？这要从当前 AI 绘画工作流的几个典型痛点说起：

痛点一：创作流程的割裂感。构思阶段，你可能在笔记软件里写提示词；生成阶段，切换到生图工具；筛选和修改阶段，又要在文件管理器和图片查看器之间切换。这种上下文切换极大地打断了创作的心流状态。

痛点二：迭代与版本管理的缺失。当你对一张图不满意，调整提示词或参数重新生成后，新旧版本之间缺乏直观的关联。你很难回溯“我是从哪张图开始，经过哪些调整，才得到最终结果的？” 这对于探索性创作和方案对比极为不利。

痛点三：提示词与素材的孤岛。成功的提示词往往散落在聊天记录或文本文件中，与最终生成的图片分离。同样，收集的参考图、灵感素材也独立于创作环境之外。当你想复用某个成功的“配方”或风格时，需要花费额外精力去查找和重建上下文。

痛点四：缺乏结构化的创作规划。对于稍复杂的项目，比如设计一套 UI 组件、创作一个漫画分镜或规划一个游戏场景，你需要一个能容纳多元素、并能体现它们之间关系的空间。传统的生图工具是“单次任务”导向的，缺乏对项目级、多图关联创作的支持。

infinite-canvas 瞄准的正是这些痛点。它试图将 AI 创作从一个“离散的生成动作”，升级为一个“连续的可视化创作流程”。它的画布不仅是放置图片的地方，更是组织想法、关联迭代、沉淀知识的工作平面。

这篇文章适合以下读者：

AI 绘画爱好者与创作者：希望提升创作效率，管理复杂项目。
UI/UX 设计师、概念艺术家：需要利用 AI 进行快速原型设计和灵感探索。
产品经理与内容创作者：需要可视化地规划和呈现想法。
对 AI 应用开发感兴趣的开发者：希望学习如何将 AI 能力与前端交互深度结合的开源案例。

2. 基础概念与核心原理

在深入实操之前，我们先厘清 infinite-canvas 的几个核心概念，这有助于理解它的设计哲学。

2.1 什么是“无限画布”（Infinite Canvas）？

这里的“画布”并非指 Photoshop 中固定尺寸的画布。它更接近于 Miro、Figma 或 Excalidraw 中的无限缩放、自由排布的工作平面。在这个平面上，你可以：

自由放置节点：图片、文本、形状、链接等都可以作为节点。
建立连接：用线条将相关节点连接起来，形成思维导图或流程图，直观展示创意之间的关联。
无限缩放与平移：既能宏观浏览整个项目全貌，也能放大聚焦于某个细节进行编辑。

在 infinite-canvas 中，这个画布成为了承载整个 AI 创作流程的容器。

2.2 核心功能模块如何协同工作？

infinite-canvas 将多个功能模块无缝集成在画布上下文中：

画布编排：作为底层基础，提供节点的增删改查、拖拽、缩放、连线、分组、图层管理等功能。
AI 创作集成：在画布上，你可以直接对任何节点（如图片、文本）调用 AI 能力。例如，选中一张参考图，右键选择“图生图”；选中一段描述文本，右键选择“文生图”。生成的结果会作为新节点自动插入画布，并与源节点保持连接关系，形成清晰的迭代链路。
画布助手（Canvas Assistant）：这是一个围绕当前画布上下文工作的 AI 对话助手。你可以选中一个或多个节点，然后向助手提问，例如“为这个角色设计一套不同颜色的服装”或“基于这个场景生成一个更奇幻的版本”。助手能理解你选中的内容，并将生成的结果直接放回画布。
提示词库（Prompt Library）：项目内置了从多个开源项目抓取的提示词库，并缓存在内存中。你可以在生成图片时从库中搜索和引用优质提示词，也可以将自己成功的提示词保存到本地库中，形成个人知识沉淀。
素材管理：所有在画布上生成的、上传的图片都会在项目内进行管理，避免散落各处。

2.3 技术架构与生态兼容性

技术栈：前端基于现代 Web 技术栈（Next.js, React, TypeScript, Tailwind CSS），保证了良好的开发体验和性能。后端逻辑主要在前端处理，通过浏览器直接连接 AI API。
关键设计：浏览器前台直连 AI API。这是一个重要特点，意味着你的 API Key 和生成请求是从你的浏览器直接发送到你配置的 AI 服务提供商，infinite-canvas 的服务端（如果部署了）不中转这些敏感数据和请求，提升了隐私性和可控性。
生态兼容：兼容 OpenAI API 格式。这是其强大之处。你不仅可以使用 OpenAI 的官方接口，还可以接入任何提供了 OpenAI 兼容接口的服务，例如：
- 各类开源模型部署（如使用text-generation-webui或OpenAI-Forward搭建的本地服务）。
- 第三方聚合平台（如chatgpt2api、grok2api、newapi等）。
- 云服务商提供的兼容接口。
Agent 扩展：通过Canvas Agent和MCP（Model Context Protocol）协议，可以与本地 AI 编码助手（如 Codex、Claude Code）联动，让 AI 助手能“看到”并操作你的画布，实现更高级的自动化创作。

理解了这些概念，我们就能明白，infinite-canvas 的本质是一个以可视化画布为交互中心，聚合了多种 AI 能力与创作工具的前端应用。接下来，我们开始动手部署和体验。

3. 环境准备与前置条件

在开始部署 infinite-canvas 之前，你需要准备好以下环境。项目提供了多种部署方式，我们将以最通用的本地 Docker 部署和Vercel 一键部署为例。

3.1 基础环境要求

操作系统：Windows 10/11, macOS, 或 Linux 发行版（如 Ubuntu 20.04+）。本文演示以 macOS/Linux 命令行环境为主，Windows 用户可使用 WSL2 或 Git Bash 获得类似体验。
Node.js 环境（可选，用于本地开发）：如果你计划从源码运行或开发，需要 Node.js 18+ 和 Bun 或 npm/yarn。项目推荐使用 Bun。
Docker 环境（推荐）：这是最简单、最一致的部署方式。确保已安装 Docker 和 Docker Compose。
- 检查安装：在终端运行docker --version和docker-compose --version。
AI 模型 API 访问权限：这是项目运行的核心依赖。你需要准备一个可用的OpenAI 兼容 API。
- 选项A（付费，稳定）：OpenAI 官方 API Key（支持 GPT-4V, DALL-E 3 等）。
- 选项B（开源，自托管）：在本地或服务器部署一个提供 OpenAI 兼容接口的模型服务，如text-generation-webui(oobabooga) 或vLLM。你需要知道其 API 的 Base URL（例如http://localhost:5000/v1）和可选的 API Key。
- 选项C（第三方平台）：使用chatgpt2api等提供的转发服务（请注意相关服务条款和成本）。
Git：用于克隆代码仓库。

3.2 获取项目代码

打开终端，使用 Git 克隆项目仓库：

git clone git@github.com:basketikun/infinite-canvas.git # 或使用 HTTPS # git clone https://github.com/basketikun/infinite-canvas.git cd infinite-canvas

进入项目目录后，你会看到主要的项目结构。核心的前端应用代码位于web/目录下。

4. 核心流程拆解：两种主流部署方式

infinite-canvas 提供了灵活的部署选项。对于大多数想快速上手的用户，我推荐Docker 部署；对于希望零运维、快速体验的用户，可以选择Vercel 部署。

4.1 方式一：使用 Docker 快速部署（推荐）

这是最省心、环境最干净的方式。项目根目录已经提供了Dockerfile和docker-compose.yml。

步骤 1：构建 Docker 镜像在项目根目录（infinite-canvas/）下执行：

docker build -t infinite-canvas .

这个过程会基于Dockerfile安装所有依赖并构建前端应用，可能需要几分钟时间。

步骤 2：运行容器构建完成后，使用以下命令启动容器：

docker run --rm -p 3000:3000 infinite-canvas

--rm：容器停止后自动删除，避免积累无用容器。
-p 3000:3000：将宿主机的 3000 端口映射到容器的 3000 端口。

步骤 3：访问应用打开浏览器，访问http://localhost:3000。你应该能看到 infinite-canvas 的界面。

使用 Docker Compose（更优雅的管理）项目也提供了docker-compose.yml，可以更方便地管理服务。直接运行：

docker-compose up

这同样会在后台启动服务，并监听 3000 端口。使用docker-compose down来停止服务。

4.2 方式二：从源码运行（适合开发者）

如果你想了解内部机制或进行二次开发，可以从源码运行。

步骤 1：进入前端目录并安装依赖

cd web # 项目推荐使用 bun，如果你没有安装 bun，可以使用 npm 或 yarn bun install # 或 # npm install # 或 # yarn install

步骤 2：启动开发服务器

bun run dev # 或 # npm run dev # 或 # yarn dev

开发服务器通常会在http://localhost:3000启动，并支持热重载。

4.3 方式三：一键部署到 Vercel（最快捷）

对于不想管理服务器的用户，Vercel 是最佳选择。项目已配置好vercel.json。

访问 Vercel 官网并登录（支持 GitHub 账号登录）。
点击 “Add New…” -> “Project”。
从你的 GitHub 仓库列表中选择infinite-canvas项目。
在配置页面，框架预设（Framework Preset）会自动识别为 Next.js。根目录（Root Directory）保持为.或手动设置为web（根据vercel.json配置，它会自动构建web/目录）。
点击 “Deploy”。Vercel 会自动完成构建和部署，并为你分配一个*.vercel.app的域名。

重要提醒：部署到 Vercel 后，你的画布数据、素材和配置默认保存在浏览器的LocalStorage中。这意味着：

数据在本地：换设备或清除浏览器数据会丢失。
考虑私有化部署：如果需要在团队间共享或持久化存储，建议使用 Docker 部署在自己的服务器上，并关注项目后续是否增加后端存储支持。

5. 首次配置与核心功能实操

成功部署并打开应用后，我们来进行最关键的一步：配置 AI API，并体验核心工作流。

5.1 配置 AI API 连接

这是使用所有 AI 生成功能的前提。

在应用界面右上角，找到并点击设置（齿轮图标）。
在设置面板中，找到AI 服务配置或API 配置相关区域。
你需要填写两个核心信息：
- Base URL：你的 OpenAI 兼容 API 的地址。
  - 例如 OpenAI 官方：https://api.openai.com/v1
  - 例如本地部署的 text-generation-webui：http://localhost:5000/v1
  - 例如第三方转发服务：https://api.chatgpt2api.com/v1
- API Key：对应服务的 API 密钥。如果是本地部署且未设置鉴权，此处可能留空或填写任意字符（请以具体服务要求为准）。
点击保存或测试连接。如果配置正确，通常界面会有成功提示。

针对 “New API” 的自动配置：如果你使用的服务商提供了特定的配置链接格式（如某些聚合平台），infinite-canvas 支持一种便捷的自动配置方式。在系统设置 -> 聊天方式 -> 添加聊天设置中，填入格式如下的链接：

https://canvas.best?apiKey=YOUR_API_KEY&baseUrl=YOUR_BASE_URL

然后访问此链接，它会跳转到你的部署地址并自动弹出配置弹窗填充信息。如果你自己部署了，可以将https://canvas.best替换成你自己的部署地址。

5.2 核心功能体验：一个完整的创作流程

让我们通过一个简单的场景——“设计一个赛博朋克风格的咖啡杯图标”——来串联核心功能。

步骤 1：创建画布与初始构思

进入应用，默认会有一个空白画布。你可以在画布中央单击右键，选择“添加文本节点”。
在文本节点中输入你的初步想法：“一个赛博朋克风格的咖啡杯图标，带有霓虹灯线条和科技感材质”。

步骤 2：使用画布助手进行文生图

选中你刚创建的文本节点。
在画布右侧或底部，找到画布助手（Canvas Assistant）的对话输入框。
输入指令：“根据这个描述生成一张概念图。”或者直接点击助手提供的快捷操作按钮（如“生成图片”）。
画布助手会理解你选中的文本内容作为上下文，调用你配置的 AI 绘图模型（如 DALL-E 3 或 Stable Diffusion 的对应接口）。
生成的结果图片会自动作为一个新节点插入画布，并且通常会用一条线连接到源文本节点。这直观地记录了“从想法到初稿”的链路。

步骤 3：基于参考图进行迭代（图生图）

对第一版生成的图片不满意？你可以直接右键点击这个图片节点。
在右键菜单中，选择“图生图”（或类似选项）。
系统会打开一个侧边栏或弹窗，允许你上传另一张参考图，或直接以当前图片为参考，并修改提示词。例如，你可以补充提示词：“增加一些蒸汽朋克的齿轮元素，背景改为暗色调城市夜景。”
再次生成，新的图片节点会与上一版图片节点连接，形成迭代分支。

步骤 4：使用提示词库优化

在生成图片的配置界面，寻找提示词库（Prompt Library）的入口（可能是一个搜索图标或标签页）。
你可以搜索关键词，如cyberpunk,icon,product design，查找社区共享的优质提示词。
点击某个提示词，可以将其内容插入到你的提示词输入框中，作为灵感参考或直接使用。

步骤 5：组织与呈现

你可以自由拖拽所有节点，将它们排列成清晰的逻辑结构。例如，将核心创意文本放在中间，不同迭代版本的图片呈放射状排列在四周。
使用连线功能，明确标注出“最终选定稿”、“废弃方案”、“风格A”、“风格B”等关系。
利用画布的缩放和平移，你可以构建一个从宏观概念到细节迭代的完整视觉故事板。

5.3 代码示例：理解项目结构（针对开发者）

对于开发者，了解项目结构有助于定制化开发。以下是web目录的核心结构概览：

web/ ├── app/ # Next.js 13+ App Router 核心目录 │ ├── api/ # API routes (用于提示词库缓存等) │ ├── canvas/ # 画布相关页面 │ ├── globals.css # 全局样式 │ └── layout.tsx # 根布局组件 ├── components/ # 可复用的 React 组件 │ ├── canvas/ # 画布相关组件（节点、连线、小地图等） │ ├── ai/ # AI生成相关组件（配置面板、生成历史等） │ └── ui/ # 基础UI组件 ├── lib/ # 工具函数和核心逻辑 │ ├── stores/ # Zustand 状态管理 │ ├── api/ # 前端 API 调用封装 │ └── utils/ # 通用工具函数 ├── public/ # 静态资源 └── package.json

一个关键的状态管理示例（位于lib/stores/useCanvasStore.ts简化概念）：

// 概念性代码，展示画布状态管理的思路 import { create } from 'zustand'; interface Node { id: string; type: 'text' | 'image' | 'shape'; content: string; x: number; y: number; } interface CanvasState { nodes: Node[]; selectedNodeId: string | null; addNode: (node: Omit<Node, 'id'>) => void; updateNode: (id: string, updates: Partial<Node>) => void; deleteNode: (id: string) => void; setSelectedNode: (id: string | null) => void; // ... 其他画布操作 } export const useCanvasStore = create<CanvasState>((set) => ({ nodes: [], selectedNodeId: null, addNode: (node) => set((state) => ({ nodes: [...state.nodes, { ...node, id: Date.now().toString() }] })), updateNode: (id, updates) => set((state) => ({ nodes: state.nodes.map((n) => (n.id === id ? { ...n, ...updates } : n)), })), deleteNode: (id) => set((state) => ({ nodes: state.nodes.filter((n) => n.id !== id), })), setSelectedNode: (id) => set({ selectedNodeId: id }), }));

这个 Store 管理了画布上所有节点的状态，为画布助手提供了“当前选中节点”的上下文，使得 AI 能针对特定节点进行操作。

6. 运行结果与效果验证

部署并配置成功后，如何验证所有功能运行正常？请按以下清单检查：

基础访问：浏览器打开http://localhost:3000（或你的部署域名），页面正常加载，无 JavaScript 错误（打开浏览器开发者工具 Console 面板查看）。
画布交互：
- 在画布空白处点击拖拽，可以平移视图。
- 使用鼠标滚轮，可以缩放画布。
- 右键菜单可以创建文本、图片等节点。
- 创建节点后，可以拖拽移动、缩放节点。
AI 配置验证：
- 进入设置，正确填入 Base URL 和 API Key 后保存。
- 尝试创建一个文本节点，选中后使用画布助手发送一条简单文本消息（如“你好”）。如果配置的 AI 聊天模型可用，你应该能收到回复。这验证了基础的 API 连通性。
文生图功能验证：
- 创建一个文本节点，输入“a cute cat”。
- 选中该节点，在画布助手输入框输入“generate an image”或点击相关按钮。
- 观察网络请求（开发者工具 Network 面板）。应能看到向你的 Base URL 发送的POST /v1/images/generations或类似请求。
- 如果成功，画布上会出现一个新的图片节点，显示生成的猫咪图片。
数据持久化验证：
- 创建几个节点并简单排版。
- 刷新浏览器页面。
- 画布状态（节点位置、内容）应该被保留（因为默认存储在浏览器 LocalStorage）。
提示词库验证：
- 在文生图或对话界面，找到提示词库入口。
- 应能显示分类或列表，点击提示词可以插入到输入框。

如果以上步骤均成功，恭喜你，infinite-canvas 已经在你的环境中正常运行。

7. 常见问题与排查思路

在部署和使用过程中，你可能会遇到一些问题。下表列出了常见问题及其解决方法：

问题现象	可能原因	排查方式	解决方案
访问`localhost:3000`失败	1. 容器未启动或端口被占用。 2. 防火墙阻止。	1. 运行`docker ps`查看容器状态。 2. 运行`lsof -i:3000`(macOS/Linux) 或`netstat -ano \| findstr :3000`(Windows) 检查端口占用。	1. 确保`docker run`或`docker-compose up`命令执行成功。 2. 更换端口，如`-p 8080:3000`，然后访问`localhost:8080`。
页面加载但白屏或JS错误	1. 前端构建失败。 2. 浏览器缓存问题。 3. 依赖安装不完整。	1. 查看 Docker 构建日志或浏览器 Console 错误信息。 2. 检查`web`目录下`node_modules`是否完整。	1. 尝试清除浏览器缓存或使用无痕模式。 2. 对于 Docker，重建镜像：`docker build --no-cache -t infinite-canvas .` 3. 对于源码运行，删除`node_modules`和`package-lock.json`/`yarn.lock`，重新`bun install`。
AI 生成图片失败，提示 API 错误	1. Base URL 或 API Key 配置错误。 2. 后端服务不支持图片生成（如只部署了聊天模型）。 3. 额度不足或模型不可用。	1. 在设置页面检查配置。 2. 使用`curl`或 Postman 直接测试你的 API 端点：`curl -X POST YOUR_BASE_URL/images/generations -H “Authorization: Bearer YOUR_KEY” -H “Content-Type: application/json” -d ‘{“model”: “dall-e-3”, “prompt”: “test”, “n”:1, “size”:”1024x1024"}’`	1. 确保 Base URL 指向正确的`/v1`端点。 2. 确认你的 API 服务支持图像生成模型（如 DALL-E, Stable Diffusion 的对应接口）。 3. 检查账户余额或模型访问权限。
画布助手不响应或无法理解上下文	1. 选中的节点类型不被助手支持。 2. 助手调用的模型配置有误。 3. 提示词构造逻辑问题。	1. 查看浏览器 Network 面板，确认请求是否发出及响应内容。 2. 尝试先与助手进行简单的纯文本对话，测试基础功能。	1. 确保选中了有效的文本或图片节点再调用助手。 2. 检查设置中“聊天方式”或“助手模型”的配置，确保指向一个可用的聊天模型（如 GPT-4）。 3. 查阅项目 Issue 或文档，看是否有已知的上下文处理限制。
提示词库为空或加载失败	1. 用于抓取提示词的 Next.js API route 运行失败。 2. 网络问题导致无法访问 GitHub 等源。	1. 查看浏览器 Console 和 Network 面板中关于`/api/prompts`等请求的报错。 2. 检查 Docker 容器或服务器日志。	1. 如果是本地开发，检查`app/api/`下的路由是否正常。 2. 提示词库是锦上添花的功能，不影响核心生图。可以暂时忽略，或手动管理自己的提示词。
数据在浏览器刷新后丢失	数据默认仅保存在浏览器 LocalStorage 中。	检查浏览器 Application 面板下的 LocalStorage。	这是当前设计的局限。如需持久化，需要关注项目后续更新，或考虑自行开发后端存储集成。目前重要项目建议定期使用画布的“导出”功能备份。
Docker 构建速度慢或失败	1. 网络问题导致依赖下载超时。 2. Dockerfile 中某些步骤失败。	查看 Docker 构建命令的完整输出日志，找到失败的具体行。	1. 为 Docker 配置镜像加速器。 2. 尝试在`Dockerfile`所在目录先执行`docker build --no-cache --progress=plain .`获取更详细日志。 3. 可以尝试先在本机`web/`目录下执行`bun install`和`bun run build`，再调整 Dockerfile 直接复制构建产物。

8. 最佳实践与工程建议

将 infinite-canvas 有效融入你的工作流，需要注意以下实践和建议：

8.1 项目规划与画布组织

一画布一项目：为每个独立的创作项目（如“游戏角色设计”、“官网 Banner 图探索”、“插画系列”）创建单独的画布。利用画布的“项目”或“多画布”功能进行管理。
建立视觉叙事流：利用画布的空间关系讲故事。将初始灵感（文本/参考图）放在左侧，将不同的探索分支（不同风格、不同迭代）向右或向下排列，最终将选定的方案放在显眼位置。使用连线、箭头和文本标注说明决策点。
善用分组与图层：对于复杂构图，将相关的节点分组。虽然当前版本可能没有显式的图层管理，但通过空间排列（前景在上，背景在下）和分组，也能实现类似效果。

8.2 AI 生成策略

提示词工程在画布内完成：不要在其他地方写好提示词再粘贴过来。直接在画布的文本节点中构思和修改提示词。将成功的提示词节点作为“配方”保存，并连接到其生成的优秀图片节点上。
迭代链路可视化：每次使用“图生图”或基于某个节点生成新内容时，系统会自动创建连线。不要删除这些连线，它们是宝贵的创作过程记录，方便你回溯和比较不同路径的效果。
结合多模型优势：如果你能访问多个 AI API（例如，一个擅长理解复杂指令的 GPT-4 用于对话和优化提示词，一个特定的 SD 模型用于生成特定风格），可以在 infinite-canvas 的设置中配置多个“聊天方式”，在不同任务中切换使用。

8.3 数据管理与备份

定期导出备份：目前数据主要存储在浏览器中。养成习惯，定期使用画布的导出（Export）功能，将整个画布状态保存为 JSON 文件。
关注存储演进：开源项目在快速迭代。关注项目的 Releases 和 Issues，看是否有添加数据库（如 SQLite、PostgreSQL）或云存储支持的规划。对于团队使用，私有化部署并连接持久化数据库是未来方向。
素材管理：生成的图片虽然缓存在浏览器 IndexedDB 或 LocalStorage，但空间有限。对于最终确定的优质素材，建议使用画布提供的下载功能，保存到本地文件系统进行归档。

8.4 安全与成本控制

API Key 安全：由于是前端直连，你的 API Key 会存储在浏览器中。切勿在公开或不受信任的电脑上使用，也避免将部署了此工具的公网服务暴露给不信任的人。理想情况是在本地或内网使用。
生成成本意识：AI 生图，尤其是高质量模型，可能产生费用。在画布上肆意批量生成前，先在小尺寸或低步数下测试效果。利用画布的“预览”或“快速生成”功能（如果支持）进行低成本探索。

8.5 扩展与集成

探索 Canvas Agent：如果你是开发者，可以尝试设置本地的 Canvas Agent。这需要安装相应的 Codex 插件并配置 MCP 服务器。这能让你的 AI 编程助手直接“看到”画布内容，并执行诸如“将所有这些图标节点排列整齐”、“为这个系列的所有图片生成描述文本”等自动化操作，潜力巨大。
二次开发：项目采用 AGPL-3.0 协议，这意味着如果你修改并部署了它的服务，需要开源你的修改。你可以 Fork 项目，定制 UI、添加新的节点类型、集成内部 AI 服务或特定的工作流，打造属于自己团队的专业创作平台。

infinite-canvas 代表了一种趋势：AI 工具正从单一功能点，向整合的、以工作流为中心的“创作环境”演进。它可能还不是一个完美的产品，但其设计理念——将碎片化的创作动作整合到一个连贯的可视化空间——为 AI 时代的创意工作者提供了一个极具启发性的范式。

对于开发者而言，它的开源代码也是一个宝贵的学习案例，展示了如何用现代 Web 技术栈（Next.js, React, Zustand）构建复杂的、状态驱动的交互式应用，并深度集成多种 AI 能力。你可以用它来管理你的下一个设计项目，也可以借鉴其思路，构建属于你自己的“无限画布”。