GitHub双响：Archify 七万星让 Agent 学会画架构图，火山引擎 OpenViking 给 Agent 装上记忆库

GitHub 月度趋势又杀出两个狠角色，一个教你家的 Agent 怎么把架构图画得漂漂亮亮，一个从根上给 Agent 补”记事本”。名字听着都冷门，但这俩是真火——Archify 现在奔着七万星去了，OpenViking 也稳在三十八万的开局上继续涨。今天把话拆开讲清楚，省得你刷到星数就冲动 clone。

一、Archify：让 Agent 把代码库画成”系统地图”

先说 Archify。定位很直接：一个装进 Agent 里的技能（agent skill），给 Cursor、Claude Code、Codex CLI、OpenCode 都能用。你喂它一段系统描述或者一个仓库，它就在对话里给你整出一张可交互、可分享的技术架构图。

装法干净利落，一行命令：

npx skills add tt-a1i/archify -g

装完你只要说一句”用 archify 把当前仓库的运行时架构画出来”，剩下的它干。支持五类图——架构、工作流、时序、数据流、生命周期，四种视觉预设，明暗主题随手切。我最看好的是它那套 Before / Delta / After 对比：合并代码前先让 Agent 出一版架构快照，改完再出一版，它能精确标出哪些节点增删、改、挪、改路由了。对做代码审查的人来说，这比肉眼在 diff 里抠要省力太多。

它产出的东西是自包含的 HTML，还能导出 PNG、SVG 甚至有 1200×630 的分享卡片，扔给同事不用装任何依赖。底层有类型化的 JSON IR 和确定性校验，保证画出来的拓扑不是 Agent 瞎编的——这点对”图要能信”的场景很关键。

二、OpenViking：火山引擎给 Agent 造的”上下文数据库”

第二个来头不小，是字节/火山引擎开源的项目。一句话定位：让 Agent 有记忆的上下文数据库（Context Database for AI Agents），把 Agent 的记忆、知识 RAG 和技能三样东西统一收进一个 viking:// 虚拟文件系统里。

这设计挺有意思——别的方案让你去”查询一个黑盒向量库”，它偏不。它让 Agent 像摆弄文件一样摆弄自己的上下文：ls、tree、find，所见即所得。

最戳我的是它的三层加载机制：每条内容写入时就切成 L0（摘要）、L1（概览）、L2（细节）三层，Agent 用多深就往深了取，取多少用多少。这直接砍的是 token 开销——跑 Agent 的人都知道，省 token 就是省钱。还有递归检索，向量先定位最相关的那个目录，再一层层往下钻，这样拿回来的结果自带上下文，不是孤零零几条。每次检索都会留下轨迹，结果不对的时候你能顺着路径看它到底走到哪儿拐错弯了。

更贴心的是一件事：会话结束自动沉淀成长期记忆——异步抽取用户偏好和 Agent 经验，写进记忆库。用久了，Agent 是真能”记得住你”。

实话实说

别被星数冲昏头。Archify 本质是给 Agent 加了个很会画图的手艺，好用是真好用，但别指望它替你理解架构——图和结论之间那一步还得你自己把关。OpenViking 名字起得很大，AGPL 授权、还得自己搭上下文库，门槛没低到小白一键起飞；记忆库这种东西，贴脸用一阵才见真章，自托管控和重度 Agent 用户才值得上。我这边一直建议新手先把 Agent 跑顺了再谈记忆优化，可以翻翻我早前的 Cline 和 Dify 实操笔记打个底。一句话：这俩都是”锦上添花”里的上品，但你不是先有花的人，别急着买。

by 数码罗记 · godsun.pro