做架构图最烦什么？不是画不出来，是画到一半发现Mermaid语法报错，渲染全崩。一位开发者最近开源的DiagramFlowAI，用谷歌最小的Gemma 4模型解决了这个问题——而且完全本地运行，连网都不用。

这个桌面应用的核心矛盾抓得很准：工程师画内部系统架构时，认证流程、数据管道、安全边界这些信息，上传到云端LLM等于踩合规红线。DiagramFlowAI的做法是，用flutter_gemma和LiteRT把Gemma 4 E2B/E4B塞进本地，下载完模型就断网，零API密钥、零遥测。

打开网易新闻 查看精彩图片

有意思的是，作者刻意避开了31B Dense和26B MoE这些"显眼包"大模型，专挑最小的E2B（20亿参数）和E4B（40亿参数）。理由很实际：4-6GB内存就能跑，集成显卡也流畅；用户点下载直接用，不用填密钥、绑信用卡；冷启动快，M系列Mac和现代PC上几秒响应。

真正让这个小模型能用的，是Gemma 4的"Thinking Mode"。flutter_gemma SDK把模型的内部推理过程拆成独立的ThinkingResponse数据流，用户界面能实时显示模型在"想什么"。

这对生成Mermaid语法至关重要。Mermaid的语法极其脆弱—— stray colon、没加引号的字符串、漏掉的end标签，任何一个都能让整个图崩掉。没有思考模式时，4B参数模型直接输出语法，错误率感人；开启Thinking Mode后，模型会先内部推演结构，再输出最终代码，复杂流程图的准确率大幅提升。

作者还做了个细节：E2B和E4B之间留了切换开关。E2B更快，E4B在复杂语法上更准，让用户自己选。

这个案例的启示挺直接的：边缘端AI不是"大模型的降级版"，而是特定场景的最优解。当隐私是硬约束、用户体验要无缝、硬件要普适时，小模型+推理可见性，可能比盲目堆参数更管用。