DiagramPreview
基礎解析本地预览无需 AI可导出开发文档

package.json 依賴圖

粘贴 package.json,生成依赖关系图,用于文档、评审或清理。

範例
Detected JSON

This input may work better in the matching tool. Open JSON tool

依赖图就緒
粘贴 package.json,生成依赖关系图,用于文档、评审或清理。

下一步可以繼續

把目前預覽結果帶到相關工具,繼續轉換、排查或匯出。

設計規範產生器

產生 Markdown 設計規範、檢查交接缺漏,並以流程圖補充說明。

開啟
AI 圖表生成器

用自然語言提示詞生成 Mermaid 圖表。

開啟
Mermaid AI 修復器

用 AI 修復 Mermaid 語法並提升圖表可讀性。

開啟

使用方法

  1. 1把源文本粘贴到编辑器。
  2. 2需要起步模板时加载示例。
  3. 3检查生成的可视化结果,必要时导出。

常見場景

开发文档代码评审AI 生成内容校验

常見問題

这个工具会用 AI 吗?

不会。它在浏览器本地解析并可视化输入内容。

可视化 package.json 中的 dependencies、devDependencies、peerDependencies 和 optionalDependencies。

粘贴 package.json,生成依赖关系图,用于文档、评审或清理。

这适合开发者把 AI 生成或手写的文本粘贴进来,在发布文档前快速做可视化检查。

Demo:映射 package.json 依赖分组

依赖图能解释 Node 或前端项目为什么安装这么多包。

  • 先用一个小而完整的示例确认结构,再粘贴完整生产内容。
  • 检查预览是否清楚展示 ownership、结构、标签和风险字段。
  • 保留源码和导出结果,方便后续 reviewer 复现。
{"dependencies":{"next":"15.5.19","react":"19.0.0"},"devDependencies":{"typescript":"^5.0.0"}}

package.json 依賴圖 Review 清单

依赖 review 可提前发现运行时膨胀、重复包和误放的 build tool。

  • 分享示例前移除 secret、token、客户数据和私有基础设施值。
  • 每次修改输入后,都把渲染结果和原始源码对照。
  • 当预览简化复杂运行时行为时,应把假设写出来。
输入 -> 预览 -> 检查风险字段 -> 修改源码 -> 导出或分享

package.json 依賴圖 檢查清單

當你需要在文件、PR、事故復盤或交接材料發布前檢查原始內容時,可以使用 package.json 依賴圖。可视化 package.json 中的 dependencies、devDependencies、peerDependencies 和 optionalDependencies。

匯出前建議檢查標籤是否可讀、關係是否和原始內容一致、範例是否包含敏感資訊,以及修改輸入後預覽是否仍然成立。

限制與排查

如果預覽失敗,先把輸入縮小到最小完整範例,確認格式語法,再逐段加回內容。

請把預覽結果視為 review 介面,而不是正式事實來源。進入文件或維運流程前仍需要人工確認。

可測試的範例輸入

  • Next app: { "name": "diagrampreview", "dependencies": { "next": "^15.5.19", "react": "^19.2.7", "mermaid": "^11.15.0", "next-intl": "^4.13.0" }, "devDependencies": { "typescript": "^6.0.3", ...
  • Library: { "name": "diagram-utils", "dependencies": { "js-yaml": "^4.2.0", "marked": "^18.0.5" }, "peerDependencies": { "react": ">=18" } }
  • Monorepo: { "name": "workspace", "dependencies": { "turbo": "latest" }, "devDependencies": { "eslint": "^9.0.0", "prettier": "^3.0.0", "typescript": "^6.0.0" } }

工具完成度

基礎解析

基礎解析

此工具偏向快速結構檢查,適合預覽、排查與定位問題;關鍵輸出進入正式流程前仍需人工複核。

分級不是品質分數,而是說明目前工具更適合穩定匯出、深度除錯、快速解析,或 AI 輔助生成。