devgo.cn假设你正让 AI 助手画一张 AWS 架构图。你描述完需求，它很快给出一张像模像样的图，但你仔细一看：那个服务名在 AWS 里根本不存在，两个箭头指向的关系也违反常识。这种“看着专业、实际经不起推敲”的图，比没有图更危险。ArchLex 就是冲着这个问题来的。
ArchLex 是一门小型开源语言（DSL，领域特定语言，针对特定问题域设计的专用语言），专门用来描述 AWS、GCP、Kubernetes 上的云架构。它不把架构图当成一堆方框和箭头，而是理解每个节点的真实含义：api-gateway 是 API 网关，lambda 是函数计算，dynamodb 是数据库，它们之间的 invokes、writes 是带类型的关联。这种语义化建模让工具可以做两件普通绘图工具做不到的事：校验和精确渲染。
看一段真实语法：
```
provider aws
api: api-gateway
worker: lambda
data: dynamodb
api -[invokes]-> worker
worker -[writes]-> data
```
这段代码声明 provider 是 aws，定义三个资源，再用 -[invokes]-> 和 -[writes]-> 表达关系。整个图就是纯文本，所以放进 Git 里 diff 非常清晰。你改了哪个资源、哪条连线，一眼就能看出来。渲染结果是官方图标 SVG（可缩放矢量图形，用 XML 描述的矢量图格式），不是手绘风格，而且生成是确定性的——同一份源码永远得到同一张图，方便在 code review 中对比。
更关键的是它给 AI 助手用。ArchLex 提供了一个 MCP server（MCP 是 Model Context Protocol，让 AI 助手连接外部工具的标准协议），Claude、Cursor、Codex 都可以通过远程 HTTP 地址接入。接入后，AI 生成的架构图会经过 ArchLex 校验，资源名必须是真实存在的云服务，关系必须符合云平台规则，不会出现幻觉。配置方式很简单：`claude mcp add --transport http archlex https://mcp.archlex.dev/mcp`，或者写进 `.cursor/mcp.json`、`.vscode/mcp.json`。甚至可以让 agent 自己完成设置。
除了 MCP，项目还支持 SKILLS.md 标准（一种用 Markdown 给 AI 助手定义技能的开放规范），通过 `npx skills add baires/archlex` 安装技能包，让 agent 学会 render_diagram、validate_diagram 等操作，以及完整的语法规则、关系类型、包含范围（账号、区域、VPC、子网）和诊断方法。这意味着 agent 不只是画图，还能理解架构的层级边界。
如果你不想经过 AI，也可以直接用 npm 包。`@archlex/core` 是核心渲染引擎，`@archlex/aws`、`@archlex/gcp`、`@archlex/k8s` 分别是各云厂商的 provider。代码示例：
```
import { render } from "@archlex/core";
import { awsProvider } from "@archlex/aws";
const result = await render(source, {
providers: [awsProvider],
validation: "normal",
});
document.querySelector("#diagram").innerHTML = result.svg;
```
包很轻量，零原生二进制依赖，浏览器和 Node.js 都能跑。
这个项目的思路值得借鉴：把“画图”从视觉问题变成语义问题。传统工具让你拖拽方框，ArchLex 让你描述架构本身。对于需要频繁更新架构图的团队，文本源 + 校验 + 官方图标这套组合能省下大量维护成本。你可以把它用在文档自动生成、架构评审、AI 辅助设计等场景。要注意的是，DSL 本身需要一点学习成本，而且目前主要覆盖 AWS、GCP、K8s，其他云平台需要自己扩展 provider。项目采用 MIT 协议，无需注册账户。
内容与图片版权归原作者所有 · 原文: https://archlex.dev/