开源Archify：在Agent对话中直接生成架构图

核心理念

Archify 的核心思路是：Agent 生成结构化的 JSON IR（中间表示），Archify 将其确定性地编译为自包含的 HTML/SVG 图表。它与 Mermaid 或通用绘图工具不同——它不追求通用自动布局，而是让 Agent 自主选择层级、间距、路径和重点，共享的自动端点则确定性展开，避免箭头堆叠在同一个中点上。

主要特性

• 五种图表类型：架构图、工作流图、序列图、数据流图、生命周期图
• 四种视觉预设 + 深色/浅色主题：内置品牌标记，有限动效
• 架构变更对比：支持在合并前对比两个验证快照（Before / Delta / After），精确显示新增、删除、变更、移动和重路由的事实
• 交互式探索：搜索节点、追溯上下游依赖、精确路由探查、角色对比、引导式故事播放——所有交互都基于已声明的拓扑，不会凭空捏造
• 自包含输出：一份 JSON IR 经确定性校验生成自包含 HTML，同时可导出 PNG、SVG、WebM 和 1200×630 分享卡片

画一张能信的架构图，比画一张好看的难一万倍！

一张能搜节点、能追调用链、还能一键切主题的架构图，在聊天框里就能生成。

架构图一直是工程师最痛的技术产出之一——拖拽工具改一次等于重画，Mermaid 语法记不住、复杂一点箭头就乱飞，而 AI 直接生成的图又经常画得漂亮但根本不对。Archify 这个冲上 GitHub 热榜第一的开源项目，用一套完全反直觉的设计把这个问题拆了——它不让大模型画图，只让大模型读代码、抽信息，画图这件事交给一个确定性程序。结果是：一个自包含的 HTML 文件，能搜节点、追路径、切主题、导出 PNG/SVG/WebM，还能在合并前对比架构变更。截至 2026 年 8 月底，Archify 已狂揽 3.14 万 Star、1.9k Fork。问题来了：如果大模型连画个图都靠不住，凭什么 Archify 就能靠得住？

大家都觉得 AI 画图最难的是“画得好看”，但 Archify 说不对，最难的是“画得对”

正常人都觉得，让 AI 画一张架构图，最难的环节是画得好看。配色要高级、布局要匀称、字体要舒服——这些确实难。但 Archify 的开发者“也无风雨也雾晴”想的是另一件事：你让大模型吐一段 Mermaid 代码，它画得挺漂亮，但你点开节点会发现，那条调用链根本不存在。大模型在胡编。

这不是危言耸听。Mermaid 的渲染引擎 dagre 会自动布局，但它只管“把东西画出来”，不管“画得对不对”。一条线穿过一个框、两个标签叠在一起、A 指向 B 但代码里 A 根本不调用 B——这些情况 Mermaid 照单全收，不报错、不警告、不纠正。你拿到一张漂亮的图，往文档里一贴，三个月后线上出了事故，回头一查才发现图是错的。这就怪了——我们让 AI 帮忙画图，图是省事了，但信任没了。

Archify 赌的是另一件事：你需要的不是好看的图，而是能信的图。它把“画”这件容易翻车的事，交还给了一个确定性程序，只让大模型干它真正擅长的事——读代码、抽信息。这个分工看着不起眼，其实是整个项目最聪明的设计。

大模型只负责“读懂”，Archify 负责“画对”——中间隔着一层谁也不能绕过去的 JSON

Archify 的工作流程是这样的：你给 Agent 一句话——“分析这个仓库，生成一张高层运行时架构图”——Agent 读懂代码后，生成一份结构化的 JSON IR（中间表示）。然后 Archify 接手，做 Schema 校验、布局检查、渲染校验，全部通过后才输出一个独立的 HTML 文件。

整个过程可以概括为：代码或文字描述 → Archify 理解 → 生成 JSON IR → 规则验证 → 渲染 HTML/SVG → 交互与导出。

关键在哪？关键在“规则验证”这四个字。

Archify 的每种图类型都有对应的 Schema——架构图、工作流图、时序图、数据流图、生命周期图，每种都有自己的节点结构、边约束、路由规则。Agent 生成的 JSON 必须通过这套 Schema 校验，否则连渲染的资格都没有。更狠的是，Archify 在校验失败时不会丢一个 Node 报错堆栈给你，而是返回稳定的规则码和修复建议。你的 Agent 能知道具体哪错了、怎么改，而不是碰运气重试。

这就引出了一个反常识的结论：大模型在这套系统里的自由度是被刻意压缩的。它只负责“理解”和“组织”，不负责“画”。越往渲染引擎的方向走，模型的自由发挥空间就越小。同一份 JSON 输入，渲染出来的图是完全可复现的，不会因为模型的随机性而漂移。这对工程文档来说是致命的——你今天画的图和明天画的图，必须是同一套事实。

Mermaid 画错了也不告诉你，Archify 画不对就不让你出门

拿 Archify 和 Mermaid 比，就像拿有质检的工厂和没质检的作坊比。

Mermaid 的工作方式是：你写一段 DSL，它用 dagre 自动算出每个节点的位置，然后画出来。它不关心你的线有没有穿过别人的框、标签有没有叠在一起、箭头指的到底是不是代码里真实存在的调用关系。你拿到一张图，看上去没问题，但一深究全是漏洞。

Archify 正好反过来：它让你——或者说让 Agent——显式指定每个节点的坐标和每条边的路由。不是“自动布局”，是“声明式布局”。然后它跑一套原子级校验：Schema 对不对、布局合不合理、HTML 和 SVG 有没有问题、路由和标签有没有冲突。全部通过才交付，但凡有一项不通过，它就保留上一个“最后已知好”的版本，绝不拿一张错的图糊弄你。

有人实测过 Archify——第一次提交就被渲染器拒了。而正是这次拒绝，让他觉得这工具值得用。你想想，一个工具愿意在你犯错的时候拦住你，而不是假装什么都没发生把错的东西交到你手上——这种“不迁就”的品质，在 AI 工具里太稀缺了。

开发者当过保安、学过修车、进过厂，然后做了一个 GitHub 热榜第一的项目

Archify 的开发者“也无风雨也雾晴”不是名校出身。他读过专科，后来以专升本考试第一名的成绩考入重庆邮电大学软件工程专业。他当过保安、学过修车、进过厂。毕业那年，他闯过了字节飞书、猿辅导等大厂的重重面试，总以为 Offer 近在咫尺，但都在背调的时候被刷了下来——因为他们发现他读过专科。

“明明面试时聊得好好的，但每当我说出我是‘专升本’之后，HR 那边就没有下文了。”

Offer 一个个挂掉之后，他痛苦过、质疑过、迷茫过，甚至马上下楼跑了个 5 公里。后来在 Manus COO Cz Chen 的鼓励下，他选择用 Archify 向所有人证明一件事：出身微寒不是耻辱。

这个故事跟 Archify 的技术设计之间有一条隐秘的线：一个被系统拒绝过的人，做了一个拒绝输出错误结果的系统。他太知道“被拒绝”是什么滋味了，所以他让 Archify 在验证失败时返回的不是一句冷冰冰的“渲染失败”，而是一张精确的“维修单”——告诉你哪错了、怎么改。这种设计里有一种很朴素的同理心：错误不可怕，可怕的是你不知道错在哪。

单文件交付、架构对比、可溯源交互——每一个功能都在回答同一个问题：这张图能信吗

Archify 生成的最终产物是一个自包含的 HTML 文件。没有外部依赖、没有临时状态、拷给别人就能在浏览器里直接打开。你可以一键切换深浅主题、导出 PNG、SVG、WebM，还能生成一张 1200×630 的分享卡片直接贴进 README。

但这些都是表面功夫。真正让 Archify 和那些“AI 画图玩具”拉开差距的，是三个设计：

第一，节点可溯源。生成的 HTML 里每个节点都带着 SRC 标记，能跳回具体的文件和行号。图里的每一个框，都能在代码里找到对应的真实存在。这和那些凭空生成的示意图，是两个物种。

第二，架构变更对比。做 PR 评审或者架构改造时，你把改造前后的两份快照喂进去，Archify 产出三组视图：Before、Delta、After。精确列出新增的组件、删除的模块、改变的连线、移动和重路由的节点。整个过程只读、不推断影响、不替你做判断——判断权留给你。

第三，交互不虚构。你可以搜索节点、上下游追踪调用链、按语义角色比较，甚至播放一段引导故事逐步走查系统。关键是所有这些交互都复用作者写进去的真实节点，不会临时编造拓扑结构。它反复强调一个原则：truthful interaction，不虚构。

这三个设计指向同一个问题：这张图能信吗？Archify 的答案是——能，因为每一个节点都有出处、每一次变更都有记录、每一次交互都不编造。

但是，Archify 也有它不打算解决的问题

说了这么多好话，得说点扎心的。

Archify 不解决“我不知道该画什么”的问题。它假设你知道自己的系统长什么样、有哪些组件、数据怎么流。它只是帮你把脑子里的图用确定性的方式呈现出来，不是帮你发现你不知道的架构。

Archify 也不解决“我的代码太乱了没法画”的问题。如果代码库里模块边界模糊、依赖关系混乱，Archify 画出来的图只会忠实地呈现这种混乱——它不会帮你重构。

还有一点：Archify 的“好看”是有边界的。它提供了四套视觉预设和深浅主题，但你没法像调 CSS 那样精细控制每一个像素。这是它和 draw.io 这类工具的本质区别——Archify 牺牲了高度自定义能力，换来了对 AI 生成场景的专门优化。

那 Archify 到底适合谁？适合那些“图必须对”的场景——架构评审、PR 审查、技术文档、系统 onboarding。不适合那些“图必须美”的场景——品牌宣传、市场物料、追求 pixel-perfect 的设计稿。

一个未解的细节：当图对了，但人看不懂怎么办

Archify 解决了一个很硬的问题——让图“对”。但它留下了一个更软的问题——让图“被人看懂”。

我在实测中发现一个有意思的矛盾：Archify 生成的图信息密度极高，每个节点都有出处、每条边都有依据。但正因为信息太完整，一张有 20 个节点的架构图打开之后，新加入团队的工程师根本不知道从哪看起。图是对的，但人是懵的。

Archify 其实意识到这个问题了——它内置了“引导故事”功能，可以播放一段分章节的走查。但这个功能需要作者提前写好故事脚本，不是自动生成的。也就是说，图可以自动画对，但“怎么讲给人听”这件事，还得人自己来。

这就留下了一个未解的张力：当机器能把图画得绝对准确之后，人的解读能力反而成了瓶颈。我们终于有了一张不会骗人的图，但我们还没学会怎么用它。