告别“差不多先生”：archify为AI架构图设计加入验收流水线

我们都经历过这样的时刻：向AI（如Claude、GPT）描述了一个系统，它很快为我们画出了一张架构图。但细看之下，总觉“差了点意思”——组件名称拼写不一致、图例缺失、箭头连接不符合直觉，甚至缺少必要的依赖关系标注。这张图无法直接放入技术文档，更不用说作为团队沟通的基准了。

AI的能力毋庸置疑，但在生成精确、一致且符合特定团队规范的架构图时，它仍然缺乏一种关键的“闭环”反馈机制。这正是 archify 这个开源项目试图解决的问题：它不是要替代AI绘画，而是为AI生成的产物，注入一条标准化的验收流水线。

问题的核心：AI创作的“离线”困境

目前，主流AI模型生成图表主要依赖文本提示（prompt）。生成结果的质量高度依赖提示的精确度，且过程通常是“一次性”的。用户得到结果后，只能手动检查和修改，再重新提交给AI修正。这个过程繁琐、低效，且依赖人的主观判断，无法保证产出始终符合预设的工程标准。

例如，我们可能规定所有数据库组件必须以 DB 开头，所有外部服务必须用特定颜色标记。AI在初次生成时很可能忽略这些细节。手动指出这些错误，再让AI修改，往往需要数轮对话，且AI可能无法完全理解修改意图，导致“越改越乱”。

archify的解决方案：定义-验证-修正循环

archify的核心思想是将“验收”步骤自动化和规范化。它引入了一套可配置的规则库，定义了一张合格的架构图应该满足哪些条件。其工作流形成了一个清晰的闭环：

定义规范（Define）：用户或团队在YAML文件中编写规则。规则可以涵盖多个层面：
- 命名规范：例如，所有消息队列的ID必须匹配特定正则表达式 MQ_.*。
- 结构完整性：检查是否存在图例（Legend），关键组件（如 API Gateway）是否被包含。
- 视觉规范：验证颜色编码是否一致，箭头方向是否合理（例如，数据流不应从消费者指向生产者）。
- 连接逻辑：确保数据库只与服务层组件连接，不与前端组件直连。
AI生成与提交：开发者使用AI（如Claude）生成初始架构图，并将其保存为项目仓库中的文件（如 Mermaid .mmd 或 Draw.io .drawio）。随后，像提交代码一样，提交一个拉取请求（PR）。
自动化验证（Verify）：archify作为CI/CD流水线的一部分，在PR中自动运行。它根据定义的规则，对架构图文件进行静态分析。检查结果将生成一份详细的报告。
反馈与修正（Fix）：如果检查失败，archify会以 PR评论 的形式，将具体的错误信息和违反的规则反馈给AI（或开发者）。AI可以基于这些结构化的反馈，在下一次迭代中精准地修正架构图，而不是模糊地“改进一下”。这个循环可以持续进行，直到所有规则检查通过。

这个过程将架构图的绘制从一个主观的“艺术创作”，转变为一个可测试、可迭代的工程任务。

实际效果：从模糊草图到标准蓝图

让我们通过一个简化的例子感受其威力。假设团队规范要求：所有 Postgres 数据库必须有一个对应的备份服务 Postgres-Backup。

第一次AI生成：可能只画出了 Postgres，而遗漏了备份服务。
archify检查：规则引擎检测到 Missing required component: Postgres-Backup。
反馈给AI：“根据团队规范，图中缺少与Postgres关联的Postgres-Backup组件，请添加并连接它。”
第二次AI生成：AI根据明确的指令，补充了 Postgres-Backup 组件及其连接关系。

最终，我们得到的是一张经过验证、符合规范的架构图，可以自信地用于文档、设计评审或新人onboarding。

超越AI：架构规范的固化与传承

archify的价值不仅在于“调教”AI。更深层次的意义在于，它迫使团队将隐性的架构知识（比如“我们的系统通常这样连接”、“这类组件需要这样命名”）显性化、代码化，沉淀为可执行的规则。这本身就是一次宝贵的架构梳理过程。

这些规则成为了团队的“架构宪法”，确保无论是由人还是由AI绘制的架构图，都能保持一致的质量底线。这对于维护大型系统的架构一致性、降低沟通成本至关重要。如果你想了解更多关于如何系统化地管理开发流程，可以阅读 SDD 文档驱动开发实战：从 proposal 到 tasks 再到 AI 编码的完整工作流，它探讨了如何将规范嵌入开发的每个环节。

结语与展望

当前，archify主要支持对基于文本的图表描述语言（如Mermaid）进行验证，这天然地适合Git工作流。随着多模态AI的发展，直接生成并修改图像文件的能力将会增强，但基于规则的验收机制这一核心思想依然至关重要。

它为我们描绘了人机协作的一种更高级的模式：人类定义标准和规则，AI负责快速生成和迭代，自动化流水线确保质量。在这种模式下，AI不再是不可控的“黑箱”，而是我们高效、可靠的执行伙伴。

对于希望提升AI辅助开发输出质量、规范团队设计流程的团队而言，archify提供了一个极具启发性的思路和实用的起点。它正将AI在工程领域的应用，从“生成内容”推向“生成合格的工程产物”这一新的阶段。