GitHub双响：Archify让Agent画出看得懂的架构图，GPT-Image-2提示词被做成“代码库”

这周 GitHub Trending 榜挺有意思：涨得最凶的两个 AI 项目，一个解决“画图”，一个解决“生图”。一个单周狂揽 2.4 万星，一个靠 530 多个逆向案例把提示词工程做成了开源方法论。都是上手就能用的东西，不整虚的。

Archify：给 Agent 装一个“架构图技能”

先说数据：tt-a1i/archify 目前 4.5 万星，单周新增 2.4 万，是本周全站涨星最猛的仓库之一，MIT 协议。

它是干什么的？一句话：一个 Agent Skill，装进 Cursor、Claude Code、Codex CLI、OpenCode 之后，你跟 Agent 说一句“把这个仓库的运行时架构画出来”，它就给你一张能交互、能分享、能拿去汇报的技术架构图。

装法就一行：

npx skills add tt-a1i/archify -g

然后直接问 Agent：Use archify to map this repository's runtime architecture.

它支持五种技术图类型（架构、流程、时序、数据流、生命周期）、四套视觉预设、深浅色主题，输出是单文件 HTML，自带搜索节点、上下游链路追踪、角色对比，还能按版本做 Before / Delta / After 的架构变更 diff——评审架构改动、合并前看一眼到底改了哪几条线，这个是真有用。

最关键的一点，也是它跟“让模型直接画张图”最大的区别：防瞎编。所有节点和连线都带来源校验，每一步交互都锚定在真实拓扑上，还附带验证收据（validation receipts），11 个官方场景的 JSON 源文件和命名视图全在 Proof Lab 里公开可查。导出的 PNG、SVG、WebM 连分享卡片尺寸（1200×630）都给你准备好了。

说人话：以前画架构图是体力活加良心活，图和代码对不上是常态；Archify 的思路是把图变成从代码里“长出来”的可验证产物。画图的 Agent Skill 赛道今年很挤，但能把“可验证”做到这个程度的，它是第一个。4 月份才建仓，半年干到 4.5 万星，不是没道理的。

awesome-gpt-image-2：把提示词当代码写

第二个项目是国人作者 freestylefly 的 awesome-gpt-image-2，目前 2.7 万星，单周新增 5400+，同样 MIT 协议。定位写得很直白：Prompt as Code——提示词即代码。

仓库里有 530 多个 GPT-Image-2 的实战案例逆向工程，20 多套工业级模板，覆盖电商、海报、产品渲染这些真能赚钱的场景，还提炼出了一套可复用的 Skills。配套有个可视化站点（gpt-image2.canghe.ai），按风格和场景筛选，大图预览，一键复制完整提示词，登录后还能直接在线试生成。

这个项目火，火的不是“收集提示词”本身——收集提示词的仓库一抓一大把。火的是它的方法论：每个案例都拆成可复用的结构（主体、光影、材质、构图、参数），模板是能直接套进工作流的“代码”，而不是让你对着一句玄学描述词反复抽卡。做电商图、做运营海报的人应该懂这意味着什么：出图从“看运气”变成“走 pipeline”，还能顺手把 API 成本打下来（赞助商 APIMart 那挂的价是 0.006 美元一张）。

实话时间

这两项目放一起看，恰好是 Agent 落地的两头：一头是让 Agent 输出更可信（Archify 拿验证收据治幻觉），一头是把人的经验沉淀成 Agent 能复用的资产（提示词模板化、Skills 化）。方向都对。

但丑话也说前面：Archify 的图再“可验证”，也只验证拓扑关系，不验证你的架构本身合不合理——屎山画出来还是屎山，只是画得很漂亮的屎山。而 awesome-gpt-image-2 这类模板库，保质期跟模型迭代速度挂钩，GPT-Image-3 一出来，至少一半模板要重调。工具红利期就这么长，先用先赚。

两个仓库地址：github.com/tt-a1i/archify，github.com/freestylefly/awesome-gpt-image-2。都是 MIT 协议，白嫖无压力。

by 数码罗记·godsun.pro