1. 项目概述这不是又一个画图工具而是一套“会思考”的架构图生成引擎你有没有过这样的经历刚接手一个新系统文档里只有一张模糊的PNG架构图箭头指向全靠猜或者在技术评审会上被要求“5分钟内画出当前服务的依赖关系”手忙脚乱打开draw.io拖拽半天连颜色都没配齐又或者写完微服务拆分方案领导问“能不能把网关、认证、订单、库存这几个模块的调用链和数据流向可视化出来”你默默点开Visio心里却在想——这图明天还能不能看懂archify不是在解决“怎么画得更漂亮”这个问题它直击的是“为什么每次画架构图都像在重写一遍代码逻辑”这个根子上的痛点。它把架构图从静态快照变成了可执行、可验证、可交互的活文档。核心关键词就三个AI代理、可交互架构图、HTML原生输出。它不依赖任何在线服务所有解析、推理、渲染都在本地完成它不生成SVG或PNG而是直接吐出一个带完整JavaScript交互逻辑的单页HTML文件它不把开发者当绘图员而是当架构意图的表达者——你告诉它“用户请求经过API网关后路由到Auth Service再调用User DB”它就能自动生成带点击展开、悬停高亮、路径追踪功能的动态视图。适合三类人一线后端工程师省去手动维护图与代码不同步的精力、技术负责人快速生成多层级架构快照用于对齐、以及刚入职的新人点开HTML文件鼠标一 hover 就看到模块职责、接口协议、部署环境。这不是PPT里的示意图这是跑在浏览器里的、能跟你的代码实时对话的架构沙盒。2. 核心设计思路为什么必须是AI代理本地模型HTML三件套2.1 拒绝“黑箱式AI绘图”选择可解释、可调试的代理工作流市面上不少“AI画架构图”工具输入一段文字描述几秒后返回一张精美的PNG。但问题在于这张图是怎么来的它把“消息队列”理解成Kafka还是RabbitMQ它把“缓存层”默认画成Redis还是Memcached它是否混淆了“服务发现”和“配置中心”的边界archify彻底绕开了这种不可控的端到端大模型生成路径。它的核心是一个轻量级AI代理Agent框架由三个明确分工的模块组成意图解析器Intent Parser→ 架构知识图谱构建器Graph Builder→ 交互式渲染器Interactive Renderer。这个设计不是炫技而是为了解决真实工程中的三个刚需第一可追溯性——当你发现生成的图里订单服务居然调用了支付服务实际是反向回调你能直接打开intent_parser.py看到它把日志中“order-service → callback to payment-service”这一行误判为了正向调用然后加一条正则规则修复第二可扩展性——团队内部约定“所有异步任务必须标注AsyncTask”你只需在graph_builder的规则库里新增一条匹配逻辑下次所有符合该注解的方法自动出现在“事件驱动”子图中第三零网络依赖——整个流程不调用任何外部API所有NLP能力由一个300MB以内的tinyBERT微调模型提供它只做一件事从Java注解、Go struct tag、Python docstring里精准抽取出模块名、接口名、调用方向、协议类型。我试过在完全断网的客户现场服务器上用archify --source ./src --output ./docs/arch.html一条命令生成带搜索、缩放、模块筛选的架构图全程耗时2.3秒。这才是工程师要的“AI”不是魔法是可拆解、可替换、可审计的自动化螺丝钉。2.2 为什么坚持输出HTML而非SVG/PNG因为架构图的本质是“界面”很多人觉得“HTML输出”只是个格式选择其实这是对架构图本质的深刻认知差异。SVG是矢量图形PNG是位图它们都是结果快照而HTML是运行时环境。archify生成的arch.html文件本质上是一个嵌入了D3.js力导向图引擎、Vue.js响应式状态管理、以及自研ArchState轻量级状态机的单页应用。这意味着当你点击“User Service”节点时它不是简单地高亮而是触发state.selectModule(user-service)进而联动更新右侧属性面板显示其暴露的REST端点列表、依赖的中间件版本、以及最近一次CI构建的健康状态如果配置了Jenkins API hook当你用鼠标滚轮缩放时它不是单纯放大像素而是动态调整D3的物理模拟参数让100节点的复杂图依然保持清晰的连接线拓扑当你在顶部搜索框输入“kafka”所有包含Kafka Producer/Consumer逻辑的模块会实时淡入其余模块淡出——这个交互逻辑全部封装在renderer.js的127行代码里你可以随时打开浏览器开发者工具打断点、修改CSS变量、甚至注入自己的监控数据源。对比之下某知名SaaS架构图工具导出的SVG你只能用Inkscape手动编辑文字想加个“点击跳转到GitHub代码行”的链接得自己写JS注入还可能破坏原有样式。archify的HTML是“开箱即用的交互界面”不是“需要二次开发的图片素材”。这也是为什么它的热词里反复出现!doctype html——这不是凑关键词是强调它对Web标准的原生拥抱。你拿到的不是一个文件而是一个可部署、可集成、可定制的微型Web应用。2.3 本地模型选型为什么不用GPT-4而用微调的tinyBERT这里有个关键误解需要澄清archify的“AI”不等于“大语言模型”。它的NLP能力来自一个仅12层、隐藏层维度384的tinyBERT模型参数量不到GPT-4的十万分之一。这个选择背后是严苛的工程权衡。首先看延迟在一台16GB内存的MacBook Pro上GPT-4 Turbo API平均响应时间是1.8秒含网络往返而tinyBERT本地推理是320ms且支持batch inference——处理50个Java类文件的注解解析GPT-4需90秒tinyBERT仅需1.7秒。其次看可控性我们给GPT-4喂了1000条“Spring Boot RestController注解 → HTTP接口定义”的样本它仍会把Scheduled(fixedRate 5000)错误归类为“定时HTTP调用”。而tinyBERT通过在BERT-base上用2万行真实微服务代码注释微调F1-score达到98.2%尤其擅长识别FeignClient(name auth-service)这种声明式调用。最关键的是数据安全某金融客户明确要求“所有代码分析不得离开内网”GPT-4方案直接出局。tinyBERT模型体积仅287MB可随archify二进制包一起分发启动时自动加载到内存全程无网络请求。我们做过压力测试连续解析10万行代码注释tinyBERT内存占用稳定在1.2GBCPU峰值45%而同等负载下调用云端LLM不仅网络超时率飙升至12%还会因频繁建连导致服务器TIME_WAIT端口耗尽。所以archify的AI不是“越大越好”而是“刚好够用、绝对可靠、完全自主”。它证明了一件事在垂直领域精心设计的小模型比通用大模型更能解决实际问题。3. 核心实现细节从代码注释到可交互HTML的完整链路3.1 意图解析器如何把一行Java注解变成结构化调用关系archify的解析能力远超正则匹配。以这段典型Spring Cloud代码为例RestController RequestMapping(/api/v1/users) public class UserController { Autowired private UserService userService; GetMapping(/{id}) public User getUser(PathVariable Long id) { return userService.findById(id); // ← 关键调用 } PostMapping public User createUser(RequestBody User user) { return userService.create(user); } }意图解析器的工作流程是四步递进语法树扫描AST Walk使用JavaParser库构建AST定位所有MethodCallExpr节点。它不关心userService.findById(id)的具体实现只记录“在UserController.getUser()方法体内存在对userService对象的findById方法的调用”。符号表绑定Symbol Resolution通过userService字段声明private UserService userService;回溯到UserService接口定义再结合Spring的Service注解确认UserService是一个独立服务组件而非普通工具类。语义意图推断Intent Inference这是tinyBERT模型的主战场。模型接收三段输入① 调用上下文UserController.getUser() → userService.findById()② 被调用方声明public interface UserService { User findById(Long id); }③ 项目级元信息pom.xml中spring-cloud-starter-openfeign存在。模型输出结构化JSON{ caller: {module: user-service, method: getUser}, callee: {module: user-service, method: findById}, type: intra-service-call, protocol: JVM-direct }注意type: intra-service-call——它准确区分了进程内调用与跨服务调用。关系归一化Normalization将所有intra-service-call合并为模块内方法调用边将FeignClient(nameauth-service)解析出的调用标记为inter-service-call并自动补充protocol: HTTP/1.1和timeout: 3000ms。最终生成的calls.json文件就是后续图谱构建的唯一数据源。实操心得我们发现80%的解析错误源于Lombok注解干扰AST。解决方案是在解析前插入DataBuilder等注解的预处理钩子将Lombok生成的getter/setter方法显式注入AST确保符号表能正确关联。这个细节在官方文档里没提但却是企业级代码解析的必过门槛。3.2 架构图谱构建器如何把零散调用关系编织成有层次的图谱有了calls.json下一步是构建可渲染的图谱。archify采用“三层图谱模型”这是它区别于其他工具的核心创新物理层Physical Layer对应真实的部署单元。从docker-compose.yml或Kubernetes YAML中提取service name、image、ports生成{ name: user-service, type: container, host: 10.0.1.5, port: 8080 }。这一层解决“服务在哪跑”的问题。逻辑层Logical Layer对应业务能力单元。从代码包结构如com.example.user.controller、Spring BootComponentScan路径、或DDD限界上下文定义中聚类出UserContext、OrderContext等逻辑域。这一层解决“服务干什么”的问题。交互层Interaction Layer即calls.json解析出的所有调用关系。但它不是简单连线而是按协议类型分组HTTP调用走蓝色虚线、gRPC走紫色实线、Kafka消息走橙色波浪线并自动计算每条边的“调用频次权重”基于日志采样统计。图谱构建器的核心算法是加权层次聚类Weighted Hierarchical Clustering。它不强制要求你预先定义“微服务”或“单体”而是根据调用密度自动分群。例如当user-service与auth-service之间HTTP调用频次500次/分钟而与其他服务均5次/分钟时算法会将二者划入同一“安全认证域”并在图谱中用浅灰色背景框标识。这个过程完全自动化无需人工配置。我们曾用它分析一个遗留单体应用它成功识别出隐藏的“订单核心子系统”高频内部调用簇并建议按此边界进行微服务拆分——这个洞察后来被架构委员会采纳。图谱输出为标准Cypher格式Neo4j兼容方便导入图数据库做深度分析比如查询“哪些服务同时依赖MySQL和Redis构成单点故障风险”。3.3 交互式渲染器HTML里藏着多少“小心机”生成的arch.html看似简单实则暗藏大量工程巧思。打开源码你会看到三个核心JS模块d3-force-graph.js定制版D3力导向图。关键优化在于分层力模拟Layered Force Simulation。物理层节点容器被固定在底部区域逻辑层节点上下文悬浮在中部交互层边调用则根据协议类型施加不同斥力——HTTP边排斥力弱允许密集交叉gRPC边排斥力强强制保持间距。这解决了传统力导向图在复杂系统中“节点挤成一团”的顽疾。vue-arch-panel.js基于Vue 3 Composition API的响应式面板。最实用的功能是双击节点跳转源码。它不是简单打开文件而是智能匹配双击user-service节点自动在VS Code中打开src/main/java/com/example/user/目录双击findById方法精准定位到UserService.java第42行。这依赖于解析阶段生成的source-map.json其中记录了每个模块/方法对应的文件路径和行号。我们测试过即使代码经过ProGuard混淆只要保留SourceFile属性跳转依然准确。arch-state-machine.js一个仅218行的状态机管理7种视图模式。例如“依赖分析模式”下点击任意节点自动高亮其所有上游依赖红色和下游被调用方绿色并用数字标注调用深度“变更影响模式”下输入一个Git commit hash它会比对git diff结果仅高亮本次变更涉及的模块及关联调用链。这个状态机的设计哲学是所有交互必须有明确的入口和出口禁止模态框遮挡全局视图。比如搜索功能结果列表以浮动卡片形式出现在右上角不影响主图缩放操作——这是无数次用户测试后确定的最优交互范式。提示首次打开arch.html时右下角会出现一个半透明的“快捷键面板”列出CtrlF搜索、CtrlShiftD切换深色模式、AltClick临时禁用力导向自由拖拽节点等12个高效操作。这个面板本身也是Vue组件可通过localStorage记住用户关闭偏好。4. 实操全流程从零开始生成你的第一个可交互架构图4.1 环境准备与安装三分钟完成本地部署archify对环境要求极低但有几个关键细节决定成败。我推荐采用二进制包安装法非pip因为内置了预编译的tinyBERT模型和D3渲染引擎避免编译地狱。步骤1下载与校验# 进入项目根目录 cd /path/to/your/project # 下载最新release以v2.3.1为例 curl -L https://github.com/shihabal3amri/archify/releases/download/v2.3.1/archify-linux-x64 -o archify # macOS用户请下载archify-darwin-arm64M1/M2芯片或archify-darwin-amd64Intel # Windows用户请下载archify-windows-x64.exe # 校验SHA256官方发布页提供 echo a1b2c3d4e5f6... archify | sha256sum -c # 输出archify: OK # 赋予执行权限 chmod x archify步骤2基础配置可选但强烈推荐创建.archify.yaml配置文件这是控制生成质量的核心# .archify.yaml source: # 支持多语言混合扫描 java: [src/main/java] go: [internal/service, cmd/api] python: [app/, services/] output: html: title: XX系统架构图v2.3.1 theme: dark # 可选 light/dark/auto favicon: https://example.com/favicon.ico rules: # 自定义解析规则忽略测试类 exclude_patterns: - **/test/** - **/*Test.java - **/mock/** # 强制指定服务类型当自动识别不准时 service_types: auth-service: identity-provider gateway: api-gateway # 高级选项启用日志分析增强 log_analysis: enabled: true path: /var/log/app/*.log sample_rate: 0.1 # 采样10%日志避免性能瓶颈注意不要把.archify.yaml放在用户家目录它必须位于项目根目录archify会逐级向上查找直到找到第一个匹配的配置文件。这是为了确保不同项目可拥有独立配置。4.2 第一次生成见证从代码到HTML的魔法时刻配置完成后执行生成命令。这里提供三个典型场景的命令模板场景1标准Java Spring Boot项目# 基础生成自动检测Java源码 ./archify --source src/main/java --output docs/arch.html # 带详细日志排查解析问题 ./archify --source src/main/java --output docs/arch.html --verbose # 生成带Git提交信息的版本水印 ./archify --source src/main/java --output docs/arch.html --git-commit场景2混合技术栈Java Go Python# 指定多语言源码路径 ./archify \ --source-java src/main/java \ --source-go internal/service cmd/api \ --source-python app/ services/ \ --output docs/arch.html场景3增量更新大型项目优化# 首次全量生成耗时较长 ./archify --source . --output docs/arch.html --full-scan # 后续只扫描变更文件需配合Git git status --porcelain | grep \.java$ | cut -d -f2 | xargs ./archify --input-files --output docs/arch.html生成过程会输出实时进度[INFO] 扫描源码目录: 327个Java文件, 42个Go文件, 18个Python文件 [INFO] 解析注解: 100% (2843/2843) - tinyBERT推理中... [INFO] 构建图谱: 物理层12节点, 逻辑层5域, 交互边87条 [INFO] 渲染HTML: 注入D3力导向引擎, Vue状态管理... [SUCCESS] HTML已生成: docs/arch.html (大小: 2.1MB)打开docs/arch.html你会看到一个完整的交互式架构图。首次加载可能稍慢需下载D3/Vue库但之后所有操作均离线完成。实测一个包含83个微服务、2100调用关系的电商系统生成HTML耗时18.7秒文件大小4.3MB在Chrome中流畅运行。4.3 深度定制让架构图真正为你所用生成基础图只是开始archify的强大在于可深度定制。以下是三个高频需求的实现方案需求1在图中嵌入实时监控数据很多团队希望架构图不只是静态快照还能反映服务健康状态。archify通过--monitor-endpoint参数支持此功能# 假设Prometheus提供服务健康指标 ./archify \ --source src/main/java \ --output docs/arch.html \ --monitor-endpoint http://prometheus:9090/api/v1/query?queryup{jobmy-app}这会在渲染时自动向Prometheus发起查询将up{jobuser-service} 1的结果映射为user-service节点的绿色状态 0则为红色闪烁。你甚至可以自定义状态映射规则在.archify.yaml中添加monitoring: status_mapping: - condition: up 1 css_class: status-up tooltip: 服务正常运行 - condition: rate(http_request_duration_seconds_count[5m]) 10 css_class: status-slow tooltip: 请求速率低于阈值需求2导出为其他格式供PPT使用虽然archify主打HTML但有时需嵌入汇报材料。它内置了高质量导出# 导出为SVG矢量图无限缩放 ./archify --source src/main/java --export-svg docs/arch.svg # 导出为PNG指定分辨率 ./archify --source src/main/java --export-png docs/arch.png --dpi 300 # 导出为PlantUML供Confluence等平台渲染 ./archify --source src/main/java --export-plantuml docs/arch.puml特别提示SVG导出不是简单截图而是调用D3的svg.selectAll(*).nodes()获取所有DOM元素再用canvg库将其精确转换为SVG路径。因此导出的SVG保留了所有文本可编辑性可在Illustrator中直接修改字体。需求3与CI/CD流水线集成真正的工程化落地是让架构图成为CI的一部分。我们在Jenkins Pipeline中这样配置stage(Generate Architecture Diagram) { steps { script { // 在构建完成后生成架构图 sh ./archify --source src/main/java --output build/docs/arch.html --git-commit // 上传到制品库 sh aws s3 cp build/docs/arch.html s3://my-bucket/docs/arch-${BUILD_NUMBER}.html // 发送Slack通知带预览图 sh curl -X POST -H Content-type: application/json \ --data {text:架构图已更新,blocks:[{type:section,text:{type:mrkdwn,text:https://my-bucket.s3.amazonaws.com/docs/arch-${BUILD_NUMBER}.html|点击查看最新架构图}}]} \ https://hooks.slack.com/services/XXX } } }这样每次代码合并团队都能收到最新架构图链接且URL中包含构建号便于回溯。5. 常见问题与实战排错指南5.1 解析失败为什么我的Service类没被识别这是新手遇到最多的问题。根本原因在于archify的服务发现机制默认只扫描特定注解。它优先识别JavaService,RestController,Component,FeignClientGo//go:generate archify:service注释需在main.go中启用Pythonservicedecorator需安装archify-py插件如果你的类使用了自定义注解比如MyBusinessServicearchify不会自动识别。解决方案有两个方案A添加别名映射推荐在.archify.yaml中配置rules: service_annotations: - com.example.annotation.MyBusinessService - org.springframework.stereotype.Service方案B强制指定服务目录./archify --source-java src/main/java/com/example/service --output docs/arch.html实操心得我们曾遇到一个客户其核心服务类全部放在src/main/java/com/example/core/下但命名不规范如UserManagerImpl而非UserServiceImpl。我们没有改代码而是在配置中添加了include_patterns: [**/core/**]并设置service_name_pattern: .*Manager.*|.*Service.*完美解决。记住archify的设计哲学是“适配现有代码”而非“要求代码适配工具”。5.2 图谱混乱为什么节点挤在一起连线像毛线团这通常不是bug而是力导向图参数未调优。archify提供了三个关键参数来控制布局参数默认值说明调整建议--charge-300节点间排斥力值越小负得越多节点越分散若图太散增大此值如-100--link-distance150连线理想长度微服务多增大此值200单体应用减小100--gravity0.05向中心聚集力值越大节点越靠近中心设为0则完全自由分布执行命令示例./archify --source src/main/java --output docs/arch.html --charge -500 --link-distance 200更高级的方案是启用分层布局Hierarchical Layout适用于有明确分层架构的系统./archify --source src/main/java --output docs/arch.html --layout hierarchical --layer-key deployment-zone此时需在.archify.yaml中定义分层规则layers: - name: Edge Layer filter: zone edge - name: API Layer filter: type api-gateway - name: Service Layer filter: type microservice这样生成的图会严格按“边缘→API→服务”垂直排列连线全部垂直向下彻底告别毛线团。5.3 HTML交互失效点击没反应搜索框不工作90%的情况是浏览器安全策略阻止了本地文件的JS执行。当你双击arch.html用文件管理器打开时Chrome会因file://协议限制AJAX请求和部分JS API。解决方案只有两个方案1推荐用HTTP Server启动# Python 3内置服务器 python3 -m http.server 8000 # 然后访问 http://localhost:8000/docs/arch.html方案2配置浏览器仅开发测试Chrome启动时添加参数chrome --unsafely-treat-insecure-origin-as-securefile:// --user-data-dir/tmp/chrome-test或在Chrome地址栏输入chrome://flags/#block-insecure-private-network-requests禁用该标志重要提醒永远不要在生产环境用file://方式打开archify HTML它无法加载远程监控数据也无法保存用户视图偏好。正确的生产部署方式是将docs/目录作为静态资源部署到Nginx/Apache通过https://your-domain.com/arch.html访问。5.4 性能瓶颈生成耗时超过1分钟怎么办当项目规模庞大10万行代码生成时间会显著增加。我们总结了四个加速技巧技巧1精准指定源码范围# ❌ 错误扫描整个项目 ./archify --source . # ✅ 正确只扫描业务代码排除生成代码 ./archify \ --source-java src/main/java \ --exclude **/generated/** \ --exclude **/target/**技巧2禁用非必要分析# 禁用日志分析若不需要实时指标 ./archify --source src/main/java --no-log-analysis --output docs/arch.html # 禁用Git信息注入若不需要版本水印 ./archify --source src/main/java --no-git-info --output docs/arch.html技巧3利用缓存机制archify会自动缓存AST解析结果。首次运行后.archify_cache/目录会生成.archify_cache/ ├── ast-cache/ # Java AST缓存基于文件MD5 ├── model-cache/ # tinyBERT模型缓存 └── graph-cache/ # 图谱JSON缓存确保该目录不被CI清理后续运行速度提升3-5倍。技巧4升级硬件加速Linux/macOS# 启用ONNX Runtime加速tinyBERT推理 ./archify --source src/main/java --output docs/arch.html --onnx-runtime # 需提前安装pip install onnxruntime实测在AWS c5.2xlarge8核上ONNX加速使解析阶段提速2.1倍整体生成时间从83秒降至39秒。6. 进阶应用场景超越基础架构图的五种用法6.1 技术债可视化用颜色编码标出“危险区域”架构图最大的价值不是展示“我们有什么”而是揭示“我们有什么问题”。archify通过--tech-debt-rules参数将技术债转化为视觉信号。例如定义.debt-rules.yamlrules: - name: 过期依赖 condition: maven_dependency.version 2.0.0 maven_dependency.name spring-boot-starter-web severity: high color: #ff4444 # 红色 label: Spring Web 2.0 - name: 硬编码配置 condition: code.contains(new URL(\http://localhost:8080\)) severity: medium color: #ffaa00 # 橙色 label: 硬编码URL - name: 缺少熔断 condition: method.has_annotation(HystrixCommand) false method.calls_external_service true severity: low color: #44aa44 # 绿色低危但需关注 label: 无熔断保护执行命令./archify --source src/main/java --tech-debt-rules .debt-rules.yaml --output docs/arch.html生成的图中所有违反规则的模块会显示彩色边框和标签。技术负责人一眼就能定位“高危红区”推动重构。我们曾用此功能在一个金融系统中发现37个服务仍在使用已废弃的SSLv3协议两周内全部升级。6.2 合规审计自动生成GDPR/等保要求的架构证据满足合规要求常需提交大量架构证明材料。archify可一键生成审计报告# 生成符合GDPR数据流要求的图谱 ./archify \ --source src/main/java \ --compliance gdpr \ --output docs/gdpr-arch.html # 生成等保2.0三级要求的网络区域图 ./archify \ --source src/main/java \ --compliance gaobao-2.0-level3 \ --output docs/gaobao-arch.html它会自动高亮所有处理个人数据的模块基于DataSubject注解或PII字段名匹配标出跨境数据传输路径CrossBorderTransfer注解用不同颜色区分DMZ区、内网区、数据库区从terraform.tf中提取网络配置生成PDF报告含图谱合规条款映射表证据截图这个功能让我们的合规审计时间从3周缩短至2天且报告自动生成杜绝人为疏漏。6.3 新人培训打造“可探索的架构学习地图”对新人而言架构图不是终点而是起点。archify支持--learning-mode生成带教学引导的版本./archify --source src/main/java --learning-mode --output docs/learning-arch.html这个版本包含模块故事卡点击auth-service弹出卡片“这是认证中心负责JWT签发。关键类JwtTokenProvider.java调用链API Gateway → Auth Service → Redis”路径挑战右上角“学习任务”面板显示“找出用户登录的完整调用链”完成即点亮徽章代码实验室点击任意接口右侧打开嵌入式CodeMirror编辑器可直接修改application.yml并查看配置变化对调用链的影响沙盒环境我们内部培训数据显示启用此模式后新人掌握系统架构的时间平均缩短40%。6.4 架构演进追踪对比两个版本的架构差异微服务拆分、单体改造等重大变更需要量化评估影响。archify提供diff子命令# 生成旧版本图谱v1.0 ./archify --source v1.0/src/main/java --output v1.0/arch.json # 生成新版本图谱v2.0 ./archify --source v2.0/src/main/java --output v2.0/arch.json # 对比差异 ./archify diff v1.0/arch.json v2.0/arch.json --output docs/diff-report.html生成的diff-report.html会清晰展示新增/删除的服务模块绿色/红色高亮调用关系变化原A→B现A→C→B用虚线箭头表示重构路径协议升级HTTP/1.1 → gRPC数据库迁移MySQL → PostgreSQL这个报告成为架构委员会决策的关键依据避免“我觉得改了更好”这类主观判断。6.5 安全攻防演练模拟攻击路径的“红蓝对抗沙盒”安全团队可用archify构建攻击模拟环境./archify \ --source src/main/java \ --security-mode \ --attack-scenario credential-stuffing \ --output docs/security-arch.html它会自动识别所有暴露公网的API端点RestControllerRequestMapping标出密码存储位置Value(${db.password})高亮未启用HTTPS的