一天多了 4,260 颗星,Archify 想让 Agent 交付能核验的架构图
摘要
GitHub Trending 上的 Archify 不把架构图当作一张漂亮图片:Agent 先写类型化 JSON,再由本地渲染器验证、交付成单文件 HTML。
今天 GitHub Trending 里增长最快的 AI 相关项目之一是 tt-a1i/archify:榜单显示它当天新增 4,260 stars。北京时间 2026 年 8 月 28 日 05:02 复查时,仓库累计 22,800 stars;前者是 GitHub 当日榜单信号,后者是同一时点的累计数,不能混成一个“日增”数字。GitHub Trending 与 仓库 API 分别给出了这两类数据。
archify 的钩子不只是“让 Agent 画图”。它把架构图当成一份需要通过检查的交付物:Agent 写类型化 JSON,中间经过布局与产物验证,最后才生成可离线打开的 HTML、SVG、PNG 或分享卡。对那些已经会让 Agent 读仓库、却不太敢直接相信它画出的系统图的人,这个边界很具体。
我会利用这个突然冲上榜单的 Skill,梳理它到底在约束什么,以及什么时候值得装进项目。期望对大家有所帮助。
不是先让模型自由画一张图
传统的“把代码库画成架构图”请求,最容易得到两种结果:一张信息量很大但无法追溯的 Mermaid,或一张看起来完整、节点关系却不一定成立的图片。archify 选择了另一条路径。它支持 Architecture、Workflow、Sequence、Data Flow 与 Lifecycle 五种图,但中间表示不是一段 HTML,而是带 schema 的 JSON IR。README 和 完整 SKILL.md 都把这条路径写得很明确:
flowchart LR
A[代码库或系统描述] --> B[Agent 编写 JSON IR]
B --> C[Schema 与布局验证]
C -->|通过| D[单文件 HTML/SVG]
C -->|失败| E[带规则码的诊断]
E --> B
这里的关键不在于 JSON 本身,而在于它把“看上去对”拆成几个可检查的问题。Skill 要求一个图先有明确主路径、最多约 12 个主节点;validate --json 会检查 schema、布局、路由和标签间距;deliver 只会用通过检查的候选文件替换目标产物,并返回 hash 与字节数收据。生成后仍可运行 visual-check 捕获不同桌面尺寸下的画面证据。交付规则 没有保证图中的业务事实自动正确,它保证的是:已经写进 JSON 的关系不会在渲染时悄悄变形。
这也解释了它为什么不把 Mermaid 解析和通用自动布局当成目标。README 明说,Mermaid 只是可接受的输入语言,最终仍要重新编写 Archify JSON;通用自动布局、托管分享和 WYSIWYG 编辑目前都在范围之外。项目范围 划得很窄,但换来的是可复现的产物边界。
这轮关注不只是旧仓库被翻出来
archify 创建于 2026 年 4 月 15 日,所以不能把今天的 22,800 累计 stars 当成“刚发布就爆发”。真正可观察的短期信号是 GitHub Today 的 +4,260;仓库 API 在上述观察时点显示它当天仍有推送,最近的提交集中在 DeepSeek Harness 集成验收、可复现 ZIP 与示例证明等细节上。提交历史 可以逐项核对。
它也不是一次性放出一个 README 后不再维护。最新稳定版 v2.15.0 发布于 8 月 17 日,加入了带来源约束的品牌标记和 sequence 图的列宽控制;当前开发版本 v2.16.0-dev.0 则继续补 Viewer 本地化。仓库的 CHANGELOG 还保留了每个版本的限制和修复原因。
所以更稳妥的说法不是“某个神奇制图模型突然出现了”,而是一个正在持续迭代的 Agent Skill,正好踩中了一项很实际的需求:当 AI 开始参与架构梳理和 PR 评审,团队需要的不只是图,还需要知道它从哪份结构化描述生成、哪里没通过检查、哪些结论仍须回到代码确认。
它把“可信”拆成了两层
Archify 的 README 里有一句很值得注意:交互只能重用已写入的节点和关系,不应凭空补出系统拓扑。比如从某个节点追踪上下游、查看指定路径、比较角色,都是基于作者给定的关系;如果要把节点连到源代码,Skill 要求把证据固定到公开 Git commit 与文件行号。证据约束 是可选项,而且不会默认开启。
这形成两层不同的“可信”:
| 层次 | Archify 能做什么 | 仍需人核实什么 |
|---|---|---|
| 产物可信 | 用 schema、布局、路线与最终 HTML 检查,避免交付损坏或遮挡的图 | 图是否足够清晰、范围是否合适 |
| 事实可信 | 可把已核验的代码位置固定到特定 commit | 节点、边、部署边界是否真的反映系统 |
不要把第一层误读成第二层。一个 JSON 文件即使通过全部验证,也只说明它是一张合格的图,不说明 Agent 对业务架构的理解天然正确。对于陌生仓库,先限定“8 到 12 个核心组件、一条主路径、外部依赖和信任边界”,再让人审核 JSON 与证据链接,通常比要求它“画出完整系统”更有用。
适合什么人先试
如果你的实际需要是开会时快速白板、自由拖拽或多人在线协作,Archify 的约束会显得重,现成绘图工具反而更快。它适合的是已经有代码库、规格或明确流程,并且希望把一次架构说明留成可版本化文件的开发者:例如 PR 前比较“Before / Delta / After”,或把缓存未命中、认证、重试这样的单一路径讲清楚。
安装命令是 npx skills add tt-a1i/archify -g,也可以用 npx skills use tt-a1i/archify@archify --agent codex 临时试用。官方安装说明 覆盖 Codex、Claude Code、Cursor 与 OpenCode。动手前应先读完整 Skill:它会要求 Agent 在本地写 JSON、HTML 及验证副产物;preview 会启动仅绑定 127.0.0.1 的本地预览;而任何“证据驱动”的图都应由你确认引用的 commit 和行号。
真正有价值的地方,也许不是得到一张更漂亮的架构图。是把 Agent 最容易含糊带过的那一步单独拿出来:先说明图的事实从哪里来,再让渲染器负责把它交付得清楚、稳定、可复查。
相关文章
2026年7月19日
grill-me:让 AI 反过来拷问你
我们让 AI 写东西,常常是它还没搞明白你要什么就动手,结果返工。Matt Pocock 那个 17 万星 skills 仓库里最受欢迎的 grill-me 把这件事掉了个头 - 让 AI 在动手之前,先一个问题一个问题地把你拷问一遍。这篇聊聊它是什么、原理、怎么装,再拿我自己两次真实使用走一遍。
2026年8月27日
34.7k stars 的科研 Skill,开始长成一个本地研究工作台
Scientific Agent Skills 登上 GitHub Trending 的背后,是 163 个科研流程与一款本地 AI co-scientist 的组合。它把 Agent 从“回答问题”推进到可检查的研究过程。
2026年7月28日
我开源了让 AI 做好视频的 Skill - 视频,封面,文案,博客,统统搞定
HyperFrames 官方 Skill 把画面和渲染都办好了,可一个人做内容,交付的从来不只是一个 mp4。我把封面、文案、博客、推文,还有自己录音这条路,编排成了一个架在官方之上的 Skill,也在这里分享给同样一个人做内容的你。
最近一封 · Sample
GLM-5.3-Flash 实测为何出现两种答案
“GLM-5.3-Flash 的官方 Agent benchmark 很强,社区评价却并不一致。完整 DeepSWE、LiveCodeBench、前端生成和并行 Agent 记录,指向了不同的能力边界。”
—— william
来信
里面装的是
- 新文章 — 写完一篇就寄一封,不攒货
- 这周读到的、看到的、好用的工具
- 正在折腾的实验,附带翻车记录
约莫 1–2 周一封 · 随时退订
合作伙伴
CompeteMap — 英国及爱尔兰学生竞赛一站式搜索
数学、编程、科学、写作等各类竞赛信息汇总,支持按年龄和科目筛选,再也不错过报名截止日。