面向 AI 原生团队的 Architecture Intelligence

过去六个月，一些事情发生了根本性变化。AI 智能体从编写函数进化到了编写整个服务。Claude Code、Cursor、Codex —— 它们不再是助手，而是团队成员。它们创建 PR、审查代码、交付功能。

但有一件事让我夜不能寐：这些智能体完全不知道架构是什么样子的。

一个智能体可以在十分钟内编写出一个完全整洁的 Go 服务。但它不知道团队三个月前决定所有服务间通信都要通过 Kafka 路由。它不知道支付服务被禁止直接访问数据库。它不知道上个季度 Python 在技术雷达上已被移至"暂缓"状态。

结果呢？以机器速度进行的架构漂移。

我们创建 Archyl 就是为了解决这个问题。今天，我们发布了自上线以来最大的更新：Architecture Intelligence —— 一个将 Archyl 打造为 AI 原生开发神经系统的完整生态。

问题：智能体编码快，但编码盲

当一个人类开发者加入团队时，他们会花几天时间阅读文档、提问、构建系统的心智模型。他们学习规则 —— 书面的和不成文的。他们理解边界。

AI 智能体跳过了这一切。它们接收任务、编写代码、创建 PR。如果在审查中没人发现架构违规，它就会被部署上线。将此乘以十个智能体在三个团队的十个服务上同时工作，你精心设计的架构会在几周内被侵蚀殆尽。

我们亲眼见证过这种情况。一个在一月份拥有完美 C4 模型的团队，到三月份漂移分数达到了 40%。不是因为他们不再关心 —— 而是因为他们的智能体不知道架构的存在。

解决方案：架构即基础设施

架构文档不应该是你维护的东西，而应该是自我维护的东西 —— 并且每个智能体在编写一行代码之前都会查阅的东西。

这就是我们构建的。以下是今天发布的内容。

10 个智能体技能

最初的 archyl-developer 技能为智能体提供了 200 多个 MCP 工具的访问权限。但它是一个没有工作流的工具箱。今天，我们新增九个专业技能，覆盖完整的开发生命周期：

编码之前

archyl-preflight —— 在实现任何功能之前运行。它将你计划的方案与 C4 模型、合规规则、技术雷达和 API 契约进行对照检查。在编写一行代码之前，你就能得到清晰的 PASS / WARN / FAIL 判定。

> 我打算给 user service 添加 Redis 缓存。这样可以吗？

Preflight 检查：WARNING
- Redis 在技术雷达上已获批准 ✓
- User service 存在于 C4 模型中 ✓
- ⚠ 没有已记录的缓存容器 —— 建议创建一个
- ⚠ "处理器中禁止直接访问数据库"规则适用 —— 确保通过服务层访问缓存

部署之后

archyl-postship —— 部署后运行。它分析你刚刚构建的内容，更新 C4 模型，为架构决策创建 ADR，并为架构师审查提交 Change Request。文档作为工作的副产品自动更新。

审查期间

archyl-review —— 架构审查机器人。它将你的 PR diff 与已记录的架构进行对照检查，提供结构化反馈：合规违规、边界越界、未经批准的技术、缺失的 API 契约。可以理解为架构版的 ESLint。

提升可见性

archyl-changelog —— 生成所有架构变更的可读时间线：新服务、修改的关系、ADR 决策、漂移演变。非常适合架构评审会议。

archyl-dora —— 将 DORA 指标与架构变更关联起来。你的微服务拆分是否改善了交付周期？漂移激增是否先于变更失败率的上升？现在你有数据了。

archyl-roi —— 量化架构决策的财务影响。"我们在合规规则上的投入估计在上个季度通过减少返工节省了 23,000 美元。"这就是让架构预算获得批准的数据。

提前预防

archyl-predict —— 在架构风险发生之前进行预测。"按照当前趋势，你的漂移分数将在五月超过 50%。PaymentService 有 12 个入站依赖 —— 建议考虑拆分。"

archyl-autofix —— 当检测到漂移时，提出具体的修复方案。要么更新文档以匹配代码，要么建议代码更改以重新对齐架构。为人工审查创建 Change Request。

协调多方

archyl-orchestrate —— 当多个智能体同时在不同服务上工作时，这个技能负责协商 API 契约、解决依赖冲突，并确保跨团队的变更不会破坏架构。

6 个 GitHub Actions

架构治理属于 CI。我们发布了六个在每次 PR 和合并时自动运行的 GitHub Actions：

推荐设置只需一个文件：

name: Architecture
on:
  pull_request:
    branches: [main]
  push:
    branches: [main]

jobs:
  pr-checks:
    if: github.event_name == 'pull_request'
    uses: archyl-com/actions/.github/workflows/archyl-pr.yml@v1
    with:
      organization-id: ${{ vars.ARCHYL_ORG_ID }}
      project-id: ${{ vars.ARCHYL_PROJECT_ID }}
      drift-threshold: 70
    secrets:
      api-key: ${{ secrets.ARCHYL_API_KEY }}

  main-update:
    if: github.event_name == 'push'
    uses: archyl-com/actions/.github/workflows/archyl-main.yml@v1
    with:
      organization-id: ${{ vars.ARCHYL_ORG_ID }}
      project-id: ${{ vars.ARCHYL_PROJECT_ID }}
    secrets:
      api-key: ${{ secrets.ARCHYL_API_KEY }}

不使用 GitHub？我们也提供 GitLab CI 和 Bitbucket Pipelines 的模板。

合规规则包

从零开始搭建架构治理非常繁琐。因此我们构建了五个预置规则包，几秒钟即可安装：

通过智能体技能安装："安装微服务合规规则包。" 搞定。

SDK

为构建自定义集成的团队，我们发布了官方 SDK：

npm install @archyl/sdk    # Node.js 18+，零依赖
pip install archyl-sdk     # Python 3.10+

const archyl = new ArchylClient({ apiKey: 'arch_...', organizationId: 'uuid' });
const drift = await archyl.governance.computeDrift(projectId);
const predictions = await archyl.projects.getPredictions(projectId);

三个全新的 AI 驱动 API

在底层，我们发布了三个新的后端能力：

预测分析 (GET /projects/:id/predict) —— 真正的统计分析。漂移分数的线性回归、DORA 指标轨迹、合规衰减率，以及通过 fan-in/fan-out 耦合分析进行的复杂度热点检测。不是直觉 —— 是数学。

架构 Diff 分析 (POST /projects/:id/architecture-diff) —— 发送一个 git diff，返回结构化的 C4 模型差异。AI 驱动的分析，检测新服务、变更的依赖和架构决策。当检测到重大决策时，建议创建 ADR。

ROI 计算 (GET /projects/:id/roi) —— 量化架构投资回报。将 DORA 指标进行前后拆分，计算生产力提升（节省时间 × 小时成本）、可靠性提升（避免的事故 × 事故成本），并按财务影响对 ADR 进行排名。

三者均作为 MCP 工具提供，因此每个智能体技能都可以直接调用。

完整循环

以下是所有部分如何协同运作的：

智能体接收任务
       │
       ▼
  archyl-preflight ──── 根据架构验证方案
       │
       ▼
  智能体编写代码
       │
       ▼
  archyl-review ──────── 根据 C4 模型审查 PR
       │
       ▼
  CI: conformance-check ─ 阻止违规
  CI: drift-score ──────── 强制对齐
       │
       ▼
  合并到 main
       │
       ▼
  CI: auto-cr ──────────── 提交 Change Request
  CI: generate-context ─── 更新 archyl.txt
       │
       ▼
  archyl-postship ──────── 更新 C4 模型 + ADR
       │
       ▼
  下一个智能体读取 archyl.txt ← 循环继续

架构不是被维护的，而是自我维护的。

快速开始

1. 安装技能：

/plugin marketplace add archyl-com/agent-skills
/plugin install archyl-preflight@archyl-com-agent-skills

2. 添加 GitHub Actions： 将上面的工作流复制到 .github/workflows/architecture.yml。

3. 生成你的第一个 archyl.txt： 运行 generate-context action 或者让你的智能体执行："为这个项目生成架构上下文文件。"

4. 开始编码。 你的智能体现在了解架构了。

未来计划

这是基础。我们正在开发预测和 ROI 的前端仪表板、与更多编码智能体的深度集成，以及合规规则包的社区市场。

架构文档一直是团队想做但从未真正完成的事情。当智能体编写代码时，架构成为人类唯一需要掌控的东西。Archyl 确保他们不必独自承担。

今天发布的所有内容都是开源的。期待你的反馈。