Desigma:撤销不该靠人保证,它该由命令自己算出来

一个创建于 2026 年 10 月 11 日、到今天刚满五周的 Rust 项目,已经有 1,237 个 star、124 个 fork,以及超过 1,600 个测试。

1,600 个测试这件事比 star 数更值得看。设计工具的测试很难写——你很难为一个“拖动后卡片看起来对不对”断言一个值。Desigma 能把测试做到这个规模,是因为它在两件事上做了非常规的选择:渲染结果逐字节可复现,以及每一次编辑都自带精确的逆操作。

第二个选择才是这篇文章要讲的东西。它看起来只是个数据结构决定,实际上撑住了三件通常要各写一套的事。

  • 仓库:deepfounder-ai/desigma(MIT OR Apache-2.0 双许可,Rust,15 个 crate)
  • 文档:docs/(协作协议、AI 生图、安装说明各一篇)
  • 下载:Releases(macOS .dmg、Windows 安装包、Linux .tar.gz,均未签名)

本文只讲一件事:Desigma 如何把“撤销”从一个人人都在实现的功能,变成整个编辑器唯一需要正确一次的编辑原语。功能清单(自动布局、变体、白板、Deck、动画预设、Figma 导入)在 README 上比我能写得更全,我不复述。

一、先把规模说清楚

数字 是什么
15 个 crate desigma-doc / engine / render / gpu / fig / mcp 等
1,600+ workspace 内的测试数,含驱动 UI 的合成输入测试
256 px 并行分块缓存的 tile 尺寸
5,000 层 官方称在此规模页面上平移与拖拽“仍在一帧预算内”
32 desigma-mcp 暴露的工具数

技术栈是 egui(界面)+ tiny-skia(CPU 光栅化)+ wgpu(可选 GPU 路径),不依赖 Electron 和 WebView。不过“不用 Electron”只是结果,不是它的论点,理由在第七节。

二、撤销在设计工具里为什么是硬问题

一个普通编辑器里,撤销一块文本就是恢复一段字符串。

设计工具不一样。用户拖动一个图层,同时被牵动的东西可能有:

  • 自动布局:父容器里其它元素的位置与尺寸会重排;
  • 组件实例:改主组件时所有实例同步更新,但每个实例保留自己的覆盖;
  • 变量与模式:切换主题模式会让一批绑定了变量的属性整体变更;
  • 动画:一个属性上有多个关键帧轨道;
  • 原型:连线和交互也可能被顺带改写。

所以“撤销一次拖动”的难点不是记住旧坐标,而是让这一堆联动结果整体回到原样,且不多不少。

最直觉的写法是给每个命令两个方法,一个正着做、一个反着做——通常落成一个带 execute 与 undo 的 trait。问题在于这两份实现是两段独立代码,它们必须对同一个状态得出同一个结果,而这个“必须”只能靠人保证。但仓库里不是这么写的。

三、仓库里的写法:apply 返回自己的逆

看 crates/desigma-doc/src/history.rs。Command 不是 trait,是 enum;apply 的返回值就是撤销它所需的那条命令:

撤销由谁计算:两条路的差别不在风格,在谁保证逆操作是对的

左边是常见的 trait 写法,两条路径各写一次;右边是仓库里的写法,只有一个入口。

pub enum Command {
    Insert { parent: NodeId, index: usize, nodes: Vec<Node> },
    Remove { id: NodeId },
    Reparent { id: NodeId, parent: NodeId, index: usize },
    Update { node: Box<Node> },
    Batch(Vec<Command>),
    // …还有 SetVariables / SetNodeMotion / SetTimeline 等
}

impl Command {
    pub fn apply(self, doc: &mut Document) -> Result<Command, DocError> { … }
}

文件头那句注释把设计意图写得很清楚:“Every edit goes through Command; applying returns its inverse.”

于是整个撤销栈只有几十行:

pub fn exec(&mut self, doc: &mut Document, cmd: Command) -> Result<(), DocError> {
    let inv = cmd.apply(doc)?;
    self.undo.push(inv);
    self.redo.clear();
    Ok(())
}

栈里存的不是“操作记录”,而是能把它抵消掉的那条命令。undo() 做的事就是弹出栈顶再 apply 一次——不需要知道原操作是什么,也不需要为原操作额外保存快照。

这个设计的好处不是代码短,而是逆操作没有第二份实现可以和第一份不一致。Update 的逆就是“把旧节点还回去”,这个逻辑写在 apply 里面,和正向逻辑共处一个 match 分支,改一个必然看到另一个。

四、一条命令的一生

一次改名编辑,两次 apply:命令在栈里存的是它自己的逆

名字从 Rectangle 改成 Renamed 再撤销:每一步都是同一个 apply,只是喂进去的命令不同。

Command::Update 处理方式值得一提,它是“把整个节点换掉”:

Command::Update { mut node } => {
    let cur = doc.get_mut(node.id).ok_or(DocError::NotFound(node.id))?;
    node.parent = cur.parent;
    node.children = std::mem::take(&mut cur.children);
    let old = std::mem::replace(cur, *node);
    Command::Update { node: Box::new(Node { children: Vec::new(), ..old }) }
}

执行时把旧节点换出来、新节点换进去,返回的逆命令里装的就是那个旧节点。一次 mem::replace 同时完成“应用”和“制造逆操作”两件事,这也是它快的原因——不需要遍历属性逐项比对差异。

五、一个原语,三处分叉

这才是这套设计真正的产出。因为“每次编辑都能精确回退”是一个可以被复用的性质,另外两件事就不用各自发明一套:

一个原语,三处分叉:它们共享的不是代码,是同一个撤销栈

第一处是编辑器本身。Ctrl+Z 弹栈再 apply,这部分和所有编辑器一样。

第二处是协作。Desigma 的实时协作是 P2P 的:通过 iroh 的 QUIC 连接,端到端加密,直连不通时走公共中继(仍然加密);没有账号也没有服务器,由打开文件的那台机器充当 host。合并规则是按属性的:两个人分别改同一图层的颜色和位置,两边都能留下;往同一容器里插入,两条都保留;删除优先于编辑。

最值得注意的一条是:你的撤销只撤销你自己的编辑。(从代码结构推断,这更接近“每位参与者各持一份 History,只有本地操作会入栈”,而不是把远端操作也塞进同一个栈。)

第三处是 MCP。desigma-mcp 暴露 32 个工具,覆盖导入、检查图层与 token、生成代码、编辑(图层 / 页面 / 组件 / 实例 / 动画)与保存。开启编辑器的 agent bridge(desigma --bridge,或偏好设置里那一项)之后,“同一批工具会编辑屏幕上打开的那份文档,并共享它的 Undo”。

这句话的分量值得拆开:Agent 的一次改动,对人来说就是一步 Ctrl+Z。它不是新做的功能,是“命令持有自己的逆”这个前提让这件事免费成立。如果没有这个前提,agent 想做可回退的编辑,就得在应用层再造一套事务。

六、边界:什么时候“换整块”更划算

这套设计也不是没有取舍。看 enum 就能发现有两类命令:

类型 例子 逆操作怎么来
结构化 Insert / Remove / Reparent / Update 精确反向,只动被改的那部分
整体替换(Set*) SetVariables / SetNodeMotion / SetTimeline / SetStyles 把旧的那一整块塞回去

后者是明确的妥协:变量集合、动画轨道这类状态形状复杂,算精细差分得不偿失,直接把旧快照换回来更省事。源码注释里写得很直白——动画编辑全部编译成 SetNodeMotion,“so undo is a snapshot swap”。

Batch 的反向逻辑同样干脆:逐条 apply,收集返回的逆命令,然后 reverse 一下,就是整批的逆。

还有一个细节说明作者踩过坑:History 里有个 for_each_command_mut,用来遍历撤销栈与重做栈(包括 Batch 内部)去改写已存命令里引用的节点。因为文档变化后,栈里那些“旧节点快照”可能已经和当前文档不一致,需要被修正。这类问题正是快照式撤销的典型后遗症。

七、确定性:为什么用 CPU 渲染反而是个前提

如果你只把 tiny-skia 当成“另一个渲染库”,就会漏掉它在这套架构里的位置。README 的原话是:desigma-render 在 CPU 上用 tiny-skia 绘制,因此输出可以逐字节复现;而且分块拼起来的结果与整页渲染一致。

确定性的用处:让“两个截图一样吗”变成一个可以被断言的布尔值

确定性不是为了洁癖,是为了让“这次改动有没有动到别的地方”变成 CI 能回答的问题。

这条性质直接支撑了 desigma-diff:它比对截图时会做抗锯齿检测与 SSIM,并生成一份 HTML 报告。也就是说,“视觉回归”在这个项目里是可用的——一张基线图与一张新图之间的差异能被判定,而不是靠人眼看。

而这正是第二节那个“撤销有没有回到原样”的另一半:撤销的断言靠单元测试(比较文档结构),渲染的断言靠截图比对(比较像素)。两者都要求系统本身不给结果注入随机性。

代价也在同一处:CPU 光栅化要自己还性能债。于是有了空间索引与 256 px 的并行分块缓存——官方说的是五千层页面上平移和拖拽“仍在一帧预算内”。注意这条承诺是分块缓存背书的结果,不是 CPU 渲染天然如此。

顺带一提 wgpu 那条路的位置:它是可选加速,并且带 CPU fallback。它不承担“可重复”这个承诺,所以确定性测试仍然跑在 CPU 路径上。

八、它并不打算成为 Figma 的复刻

这点容易被误读。“Figma 替代品”是社区给的说法,项目自己的表述克制得多:文件兼容与熟悉的工作流是开发指南,复刻 Figma 的编辑器外观不是目标。

它真正想覆盖的是“设计文件能去哪里”:

方向 支持的东西
读入 .fig(zip 容器 + kiwi schema,deflate 或 zstd)、Figma REST JSON、Pencil .pen、SVG、原生 .desigma
写出 .desigma、Figma REST JSON、PNG / JPG / SVG / PDF、动画 GIF / WebM(AV1)/ PNG 序列
交付 Dev mode:量测、盒模型,以及 CSS / Tailwind / SwiftUI / Jetpack Compose / React 代码

几个我需要点名的诚实之处:

  • .fig 格式没有公开规范。他们的解码器依据社区逆向工程,并且明确提醒:真实文件上会有缺口。
  • 导入不回写。.fig 与 .pen 都是单向往 .desigma,保存不会写回原格式。
  • PDF 是栅格的。Deck 的 Slide PDF / Deck PDF 都存在,但每页是高分辨率位图,文字不可选——README 自己把 PDF 导出也列进了早期缺口清单里。

九、局限

按重要性排:

  1. 它自己说了不是专业日常工具。README 的原话是 “not yet a replacement for professional daily work”,最大的缺口是协作、插件、PDF 导出、真实 .fig 文件覆盖度,以及没有代码签名的发布包。
  2. 发布包未签名。Windows 会弹 SmartScreen(要 More info → Run anyway),macOS 要走“仍要打开”或 xattr -dr com.apple.quarantine。这不是小事,很多人在第一步就放弃。
  3. Set* 类命令是快照式撤销。变量、动画、样式这类整体状态靠换整块回退,意味着栈里的旧快照需要 for_each_command_mut 定期修正——快照式设计的后遗症,代码里已经能看到应对它的补丁。
  4. 协作仍标注 beta。P2P 意味着 host 关掉文件会话就结束,字体也还没同步过去;能拿到一份副本,但不是真正的多端持久化。
  5. 插件能力被刻意收窄。只支持 document:insert-svg 与 storage:local 两种权限,下载上限 16 个资源 / 单文件 2 MiB / 总计 8 MiB。这是安全上的克制,也意味着短时间不可能有 Figma 那样的插件生态。
  6. AI 生图用的是你自己的 OpenRouter key,费用自负,key 存系统钥匙串(Windows 凭据管理器 / macOS 钥匙串 / Linux Secret Service)。它不是内置能力,是一条外接管道。
  7. 15 个 crate 的学习成本不低。想读懂它的渲染与布局,得在 doc / engine / render 三层之间来回跳。

十、我的判断

Desigma 值得学的不是“用 Rust 写个 Figma”这个叙事,而是它把两个通常被当成“实现细节”的东西提成了一等约束:

  • 每次编辑都能精确回退 → 于是撤销、协作的按人撤销、Agent 的共享撤销栈,三件事共用一个原语;
  • 渲染输出可复现 → 于是“改坏了没有”可以被 CI 而不是人眼回答。

这两条都属于同一类工程品味:先让系统的行为可断言,再往上堆功能。1,600 个测试是这个选择的证据,不是勤奋的证据。

如果要继续验证这条路,我会盯三件可检验的事:

  1. Set* 快照命令会不会成为瓶颈。变量密集的文件里,每次编辑都换整块,栈的深度与内存会不会失控——这决定了这套设计的适用上限。
  2. 确定性在 wgpu 路径上怎么处理。如果将来 GPU 成为默认渲染路径,“逐字节可复现”要么被放弃,要么需要在 GPU 上重建确定性(固定批次、禁用无序原子)。这是个真正的技术分叉点。
  3. MCP 的工具粒度会不会收敛成“事务”。现在是 32 个工具,每个都可能改动文档;当 agent 连续调用十几个工具时,人希望的是“这一步是 agent 干的一件事”,而不是十几次撤销。

第三点是我最在意的,也是它和我最近在读的那条线的接口:NNsight / pyvene 那套东西之所以有用,是因为它把“模型内部发生了什么”变成了可读、可改、可归因的量。归根结底是同一个动作:先让一个变化可以被精确定位、精确回退,你才有资格谈理解它。

一个设计工具愿意为了“可归因”付出 CPU 渲染和 1,600 个测试的代价,这件事本身比它现在缺多少功能更值得注意。

项目与资料

git clone https://github.com/deepfounder-ai/desigma
cd desigma
cargo run --release -p desigma-app               # 编辑器,带一份演示文档
cargo run --release -p desigma-app -- file.fig   # 直接打开一个 Figma 文件
cargo test --workspace                           # 那 1,600+ 个测试
# 无头截图,适合接进 CI
desigma --fixture showcase --select Home --size 1600x1000 --scale 2 --screenshot hero.png
desigma-diff compare reference.png actual.png --out diff.png

数据来源与口径:star / fork / 创建时间取 GitHub API(2026-11-17);crate 清单、1,600+ 测试、256 px tile、5,000 层、32 个 MCP 工具、41 个动画预设、19 种混合模式、iroh 协作细节、格式矩阵、未签名发布与早期缺口清单均来自 README;Command 是 enum、apply 返回逆命令、Batch 反向、for_each_command_mut、SetNodeMotion 的注释原文与 exec 的写法均来自 crates/desigma-doc/src/history.rs 源码。常见教程会把命令写成带 execute / undo 的 trait,本文以仓库实现为准;另有流传的架构图里画着一个 “Layout Engine” 组件,crate 表里并无此项,布局能力分布在 desigma-doc(模型)与 desigma-engine(布局与文本测量)中。“确定性是视觉回归的前提”“协作的按人撤销更像每人一份 History”是我的推断,已在正文标注。




Enjoy Reading This Article?

Here are some more articles you might like to read next: