43.7k star 的 archify：让 AI 画的架构图第一次“敢信”，但别指望它替你判断对错
你让 AI 画过架构图吗？第一次试完，大概都骂过一句：Mermaid 那玩意儿是给人看的吗——节点挤成一团、连线交叉乱飞，手动调半天还是丑，更气人的是，它跟你刚写完的代码经常对不上。
这周 GitHub 上最火的一个项目，干的就是这件事。archify，4 月 15 号建仓，当时只有几千星；到 8 月 27 号作者醒来发现自己冲上 GitHub Trending 全球第一，单周涨了 1.48 万 star；今天（9 月 3 日）我再查，已经 43,795 星、2807 fork——两周翻了快 5 倍。B 站上讲解视频两天几十万播放。
但我要先泼一句：这工具真正的价值，根本不是"AI 终于会画好看的图了"。 那只是一层壳。它真正回答的问题，是 Agent 时代最扎心的那个——AI 生成的东西，凭什么信？
先看清：它凭什么不是"另一个 Mermaid"
很多人第一反应是"不就是个画图工具"。差远了。
Mermaid 是通用图表 DSL——你手写文本，它渲染。archify 是装进 Claude Code / Coder / Cursor / Codex / OpenCode 里的一个 Agent Skill——你用大白话描述系统，它自己理解、自己画、自己交付，你在对话里就能改。
装它只要一条命令：
|
|
然后直接跟你的 Agent 说：
|
|
它吐出来的不是一张静态图，而是一个自包含的 HTML 文件——双击能开，支持节点搜索、调用路径追踪、深浅主题切换，还能导出 4 倍分辨率的 PNG/SVG/WebP。五种图：架构图、工作流图、时序图、数据流图、生命周期图。
但画得好看只是结果，不是卖点。卖点在它的设计分工上。
它最狠的一招：把"信不信"从模型手里抢过来
让 AI 直接画 Mermaid 的问题，是让同一个模型同时干两件事：理解系统结构，外加审美布局。前者它擅长，后者它极不稳定——所以你拿到的是"节点挤成一团、连线乱飞"。
archify 把这件事拆开了：
- AI 只负责一件事：把你的描述理解成一份有类型约束的 JSON 中间表示（Typed JSON IR）。这是"语义"，交给模型。
- 坐标、配色、布线、间距：全部交给一个确定性渲染引擎，本地 Node 跑，不经过任何随机性。
这么一拆，拿到一个关键属性：确定性输出。同样的描述，每次画的图都一样，不存在"两次生成两个样"的抽奖感。
但这只是第一层。真正狠的是它中间压的那套校验关卡。每次生成新图，都先产出候选版本，跑五道校验——schema 校验、布局校验、HTML/SVG 渲染校验、路由校验、标签避让校验——全部通过，才原子性替换掉上一张好图。校验不通过，它不甩一堆报错栈，而是返回一份机器可读的"修复回执"：哪条关系、哪个坐标、违反了哪条规则、可以从哪几个动作里修。Agent 拿着回执定向改，不用瞎试。
这句话值得记住：它把"图画得对不对"，从"人眼审美"变成了"机器可判定的问题"。 校验本身，第一次被工程化了。
这张图是我用 archify 的本地渲染器真实生成的一张管线示意图——AI 只产语义、校验和渲染走确定性引擎、交付是原子的，一眼看全它的设计分工：
架构图从此像代码一样有了一份"编译期"。我拿它的本地渲染器跑了一遍，把自己画的 JSON 故意画错一处连线，它立刻报出 [clean-flow/endpoint-side-direction] 这样的规则码，告诉我哪条线、哪个坐标、怎么改——连纠错都是机器闭环的。
但冷水必须泼：可校验 ≠ 正确
这是我查了一圈资料，发现大部分安利视频都不会讲的部分。
archify 的 schema 校验、五道关卡、原子交付，保证的只是产物结构合法、渲染不碰撞、交付不损坏。但有一个前提它管不着：如果 LLM 一开始就把你的系统理解错了，JSON IR 本身就是错的，再精密的校验器也救不回来。
有小红书博主专门做了个边界实验：固定同一个官方 commit 写两份架构，一份只画仓库里真实存在的 6 个组件，另一份故意塞进一个根本不存在的"AI 语义审计器"，还把它的来源指向仓库里真实存在的文件。结果呢？两张图都通过了 9/9 检查，都显示 evidence verified。
所以对 archify 的定位，得有个清醒的判断：
它是一道很强的交付门禁，不是自动事实审计器。“来源存在"不等于"这段来源支持这个节点的含义”。有源码证据，图也可能画错——它把错误变得可查，但判断"是不是真的"，这活儿永远留给人。
这恰恰是它最聪明的地方，也是最容易被误用的地方。把它当"一键出大图"来用的人会失望，拿它当"人和 Agent 对账的介质"用的人才会真香。
它真正的杀手锏：对账，不是画图
评论区最高赞的一句话点破了它：「AI coding 时代独立开发者最大的问题，是产品一复杂就记不住架构细节，AI 写的文档又臭又长——这个东西用来做人和 agent 对账真的神器。」
对，对账，不是画图。archify 两个能力撑起这个用法：
一是源码证据。 架构图上的节点可以标记成 SRC n，点开直接跳到对应的 Git 文件和行号，钉死在某个 commit 上。图不再是"画了个大概"，而是能回到代码去核对。
二是 Before / Delta / After 对比。 给它两个版本的架构快照，它能输出"新增了 1 个组件、删除了 1 条连线、移动了哪个模块"这种精确变更——架构图第一次能像 git diff 一样被评审。 它对比快照时同时算字节哈希和语义哈希，只改缩进不会进 diff。
这一下，把"架构评审"从"开会看 PPT"变成了 PR 里的一个环节。你重构了一个模块，跑一下 compare，新增、删除、移动标得清清楚楚，可以直接贴在 PR 评论里给 reviewer 看。
该装谁？该绕谁？一张对照
我也把它的边界摸清楚了，帮你划条线：
适合装的人：
- 已经在用 Claude Code / Codex / Cursor 干活的——安装成本几乎为零，一条命令。
- 需要快速吃透陌生代码库的——让 AI 直接分析仓库出图，配路径追踪（选中两个节点按 R，最短路径逐节点高亮），比硬读代码高效。
- 经常做架构评审、写技术文档、给团队讲系统的——输出风格统一，省掉"每人画一个风格"的沟通成本。
先别装的人：
- 完全不用 AI 编程助手的——它是 Skill，离开 Agent 环境跑不起来。
- 需要像素级微调、手动拖节点的——它没有 GUI 编辑器，官方明确不做 WYSIWYG。
- 想画泳道图、甘特图、ER 图、饼图的——五种图是它的全部，这些请回 Mermaid / PlantUML。
- 想一键出一张"全系统上帝视角大图"的——它写死主节点至多 12 个，50 节点的图本来也没人看得懂，按模块拆成多张小图才是正路。
还有一条针对性地提醒：如果你接的是不带视觉能力的纯文本模型（比如 deepseek-v4-flash 这类），体验会不太顺——节点详情偏小、额度消耗偏大，有网友实测吐槽过，开发者说正在修。搭配带视觉的模型用最舒服。
把 archify 和另外三条主流路子放一起看，差异一目了然——别的方案画完就是张"静态图"，archify 从中间表示到校验到交付，全程可核对、可追踪：
最后：明天就能试的一件事
archify 现在 43.7k star 还在猛涨，但别急着把它塞进团队规范，先自己在项目里试一周。
给你一个直接能上手的动作：
打开你手头那个复杂点的代码库，让 Agent「用 archify 分析这个仓库，画运行时架构图」，把生成的 HTML 提交进 repo 当"活的架构文档"。每次大改动后，跑
compare对比改动前后的架构快照，把 Before / Delta / After 贴进 PR 评论。
一周后你会发现两件事：第一，架构图再也不会过期了——它跟着代码走；第二，你终于敢在评审时指着图说"这行代码不该在这"，因为图能回到代码里对账了。
就算你不装它，这套思路也值得抄：AI 产物可以不靠"看着像"来验收，校验本身可以被工程化。 这可能是 archify 这一周暴涨，真正想教会我们的事。
数据来源：GitHub API（2026-09-03 实时，43,795 star / 2,807 fork / MIT / 2026-04-15 建仓）、archify 官方 README、smzdm/量子位/小红书实测报道。文中 archify 管线图为工具本地渲染器真实输出。