用 Archify 数据流图画出事件管线全链路产品分析场景零配置实操【免费下载链接】archifyAgent skill for beautiful, verifiable architecture, workflow, sequence,>项目地址: https://gitcode.com/GitHub_Trending/arch/archifyArchify 是面向 AI Agent 的图表技能能把系统描述编译成可校验的交互式数据流图。本文跟着官方产品分析数据流示例走一遍完整管线事件采集、PII 隔离、存储到消费从零配置安装到 0 错误 0 警告交付只需几行命令。埋点链路说不清时先画一张数据流图产品数据看板对不上了Web 端的点击量进了事件流但 PII 字段到底在哪个环节被拦下来、特征库的每日批处理从哪张表派生没人说得清。口头讲数据从左流到右毫无说服力画架构图又只表达谁连着谁表达不了数据以什么身份、沿着哪条路径流转。这正是数据流图data flow diagram标注数据来源、转换与去向的图的用武之地而 Archify 把它做成了 Agent 可直接生成的产物。一条 npx 命令装好 Archify 数据流技能Archify 是 Node.js 渲染与校验系统适配 Cursor、Claude Code、Codex CLI 和 OpenCode。在终端执行npx skills add tt-a1i/archify -g装好后对 Agent 说一句话即可Use archify to map our product event pipeline as a data flow diagram. 不想安装也可以先试一次npx skills use tt-a1i/archifyarchify --agent codex。全程不写一行配置产出就是一个可直接双击打开的 HTML 文件官方产品分析示例10 个节点、5 个阶段全拆解仓库自带示例 product-analytics.dataflow.json 是一个教科书级管线10 个节点按 5 个阶段stages管线生命周期分带横向排开从左到右依次是 Sources → Ingest → Process → Store → Consume。阶段节点发生了什么Sources IngestWeb App、Mobile → Edge API浏览器 SDK 与 App 事件汇聚到 TLS 采集端ProcessConsent Gate、Event Stream身份与同意过滤通过的事件进入 Kafka 主题StorePII Vault、Warehouse、Feature Store敏感身份与匿名事实分库存储批处理派生特征ConsumeDashboards、ML Model只读 SQL 查询与特征向量派生渲染成品在 examples/dataflow-product-analytics.html注意两条风格约定主数据路径clickstream、accepted events、normalized facts用emphasis强调色所有触碰 PII 的边identity map、restricted join单独标成security色于是敏感数据边界和常规热路径在图上一眼分离。6 个字段撑起整张管线图源文件本质是一份带类型的 JSON IR骨架只有几个核心字段完整约束见 dataflow.schema.jsondiagram_type: dataflow stages: [{ label: Sources }, { label: Ingest }] nodes: [{ id: web, type: frontend, label: Web App, stage: 0, row: 0 }] flows: [{ from: web, to: edge, label: clickstream, variant: emphasis }] views: [{ id: consent-boundary, label: Consent and PII, focus: [edge, consent, pii] }]diagram_type声明图表类型路由到对应渲染器stages阶段分带25 个决定节点横向位置nodes节点含语义typefrontend/database/security等和stage/row坐标flows数据流箭头variant控制视觉风格emphasis/security/dashed/defaultviews最多 5 个命名章节示例配了 Collection path、Consent and PII、Curated consumers 三章。标签写数据资产本身clickstream、feature vectors而不是泛泛的 API 动词这是渲染器文档明确的设计规则。0 错误 0 警告校验与交付的确定性管线整条流程是从语义到像素的确定性编译Agent 生成 JSON IR → schema 校验 → 布局规则检查节点重叠、标签越界、连线穿过无关节点等直接报错退出而不是画出一张坏图→ 自包含 HTML。# 探索期校验showcase 级别要求 0 错误 0 警告 node archify/bin/archify.mjs validate dataflow archify/examples/product-analytics.dataflow.json --quality showcase --json# 交付终检字节级冻结规格再渲染输出 SHA-256 回执 node archify/bin/archify.mjs deliver dataflow archify/examples/product-analytics.dataflow.json examples/dataflow-product-analytics.html --quality showcase交付出的 HTML 与它背后的 JSON 是对得上的你分享给同事的那一个文件可以被字节级复现。打开 HTML分章播放、路由追踪与一键导出双击打开 HTML这张数据流图并不只是静态图分章讲解顶部 3 个章节按钮逐章聚焦相关节点Play story让箭头按数据流向逐段点亮路由追踪选中 Warehouse 到 ML Model 的路径面板给出精确的节点与跳数还能一键导出 1200×630 分享卡片主题与导出一键切换深浅色Export 菜单支持 PNG 复制剪贴板、静态图下载、WebM 动图。四步换成你自己的埋点系统列出管线节点并归位每个node指定语义type、stage第几段和row段内第几行按流向写下每条flow主路径emphasisPII/合规边security异步批处理dashed标签写数据资产名用meta.views配 23 个章节把热路径和敏感边界各圈成一幕跑validate→deliver再用node archify/bin/archify.mjs visual-check output.html --json在 1440×900 到 2048×1320 多档桌面分辨率下确认不溢出。字段枚举与间距规则见 authoring-contract.md中文写法可查 authoring-cookbook.zh-CN.md。关键文件导航资源相对路径产品分析示例源文件archify/examples/product-analytics.dataflow.json数据流 Schemaarchify/schemas/dataflow.schema.json数据流渲染器文档archify/renderers/dataflow/README.md渲染成品 HTMLexamples/dataflow-product-analytics.html技能总入口archify/SKILL.md中文创作手册docs/authoring-cookbook.zh-CN.md下次再有人问那个 PII 字段到底在哪被拦下来的把这张图甩给他就行哪条边是 security 色、PII Vault 停在哪个阶段一目了然。你只管讲清楚业务本身——事件从哪来、在谁手里洗、给谁消费Archify 负责把数据流图校验对、画好看0 错误 0 警告交付。【免费下载链接】archifyAgent skill for beautiful, verifiable architecture, workflow, sequence,>项目地址: https://gitcode.com/GitHub_Trending/arch/archify创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 用 Archify 数据流图画出事件管线全链路：产品分析场景零配置实操
用 Archify 数据流图画出事件管线全链路产品分析场景零配置实操【免费下载链接】archifyAgent skill for beautiful, verifiable architecture, workflow, sequence,>项目地址: https://gitcode.com/GitHub_Trending/arch/archifyArchify 是面向 AI Agent 的图表技能能把系统描述编译成可校验的交互式数据流图。本文跟着官方产品分析数据流示例走一遍完整管线事件采集、PII 隔离、存储到消费从零配置安装到 0 错误 0 警告交付只需几行命令。埋点链路说不清时先画一张数据流图产品数据看板对不上了Web 端的点击量进了事件流但 PII 字段到底在哪个环节被拦下来、特征库的每日批处理从哪张表派生没人说得清。口头讲数据从左流到右毫无说服力画架构图又只表达谁连着谁表达不了数据以什么身份、沿着哪条路径流转。这正是数据流图data flow diagram标注数据来源、转换与去向的图的用武之地而 Archify 把它做成了 Agent 可直接生成的产物。一条 npx 命令装好 Archify 数据流技能Archify 是 Node.js 渲染与校验系统适配 Cursor、Claude Code、Codex CLI 和 OpenCode。在终端执行npx skills add tt-a1i/archify -g装好后对 Agent 说一句话即可Use archify to map our product event pipeline as a data flow diagram. 不想安装也可以先试一次npx skills use tt-a1i/archifyarchify --agent codex。全程不写一行配置产出就是一个可直接双击打开的 HTML 文件官方产品分析示例10 个节点、5 个阶段全拆解仓库自带示例 product-analytics.dataflow.json 是一个教科书级管线10 个节点按 5 个阶段stages管线生命周期分带横向排开从左到右依次是 Sources → Ingest → Process → Store → Consume。阶段节点发生了什么Sources IngestWeb App、Mobile → Edge API浏览器 SDK 与 App 事件汇聚到 TLS 采集端ProcessConsent Gate、Event Stream身份与同意过滤通过的事件进入 Kafka 主题StorePII Vault、Warehouse、Feature Store敏感身份与匿名事实分库存储批处理派生特征ConsumeDashboards、ML Model只读 SQL 查询与特征向量派生渲染成品在 examples/dataflow-product-analytics.html注意两条风格约定主数据路径clickstream、accepted events、normalized facts用emphasis强调色所有触碰 PII 的边identity map、restricted join单独标成security色于是敏感数据边界和常规热路径在图上一眼分离。6 个字段撑起整张管线图源文件本质是一份带类型的 JSON IR骨架只有几个核心字段完整约束见 dataflow.schema.jsondiagram_type: dataflow stages: [{ label: Sources }, { label: Ingest }] nodes: [{ id: web, type: frontend, label: Web App, stage: 0, row: 0 }] flows: [{ from: web, to: edge, label: clickstream, variant: emphasis }] views: [{ id: consent-boundary, label: Consent and PII, focus: [edge, consent, pii] }]diagram_type声明图表类型路由到对应渲染器stages阶段分带25 个决定节点横向位置nodes节点含语义typefrontend/database/security等和stage/row坐标flows数据流箭头variant控制视觉风格emphasis/security/dashed/defaultviews最多 5 个命名章节示例配了 Collection path、Consent and PII、Curated consumers 三章。标签写数据资产本身clickstream、feature vectors而不是泛泛的 API 动词这是渲染器文档明确的设计规则。0 错误 0 警告校验与交付的确定性管线整条流程是从语义到像素的确定性编译Agent 生成 JSON IR → schema 校验 → 布局规则检查节点重叠、标签越界、连线穿过无关节点等直接报错退出而不是画出一张坏图→ 自包含 HTML。# 探索期校验showcase 级别要求 0 错误 0 警告 node archify/bin/archify.mjs validate dataflow archify/examples/product-analytics.dataflow.json --quality showcase --json# 交付终检字节级冻结规格再渲染输出 SHA-256 回执 node archify/bin/archify.mjs deliver dataflow archify/examples/product-analytics.dataflow.json examples/dataflow-product-analytics.html --quality showcase交付出的 HTML 与它背后的 JSON 是对得上的你分享给同事的那一个文件可以被字节级复现。打开 HTML分章播放、路由追踪与一键导出双击打开 HTML这张数据流图并不只是静态图分章讲解顶部 3 个章节按钮逐章聚焦相关节点Play story让箭头按数据流向逐段点亮路由追踪选中 Warehouse 到 ML Model 的路径面板给出精确的节点与跳数还能一键导出 1200×630 分享卡片主题与导出一键切换深浅色Export 菜单支持 PNG 复制剪贴板、静态图下载、WebM 动图。四步换成你自己的埋点系统列出管线节点并归位每个node指定语义type、stage第几段和row段内第几行按流向写下每条flow主路径emphasisPII/合规边security异步批处理dashed标签写数据资产名用meta.views配 23 个章节把热路径和敏感边界各圈成一幕跑validate→deliver再用node archify/bin/archify.mjs visual-check output.html --json在 1440×900 到 2048×1320 多档桌面分辨率下确认不溢出。字段枚举与间距规则见 authoring-contract.md中文写法可查 authoring-cookbook.zh-CN.md。关键文件导航资源相对路径产品分析示例源文件archify/examples/product-analytics.dataflow.json数据流 Schemaarchify/schemas/dataflow.schema.json数据流渲染器文档archify/renderers/dataflow/README.md渲染成品 HTMLexamples/dataflow-product-analytics.html技能总入口archify/SKILL.md中文创作手册docs/authoring-cookbook.zh-CN.md下次再有人问那个 PII 字段到底在哪被拦下来的把这张图甩给他就行哪条边是 security 色、PII Vault 停在哪个阶段一目了然。你只管讲清楚业务本身——事件从哪来、在谁手里洗、给谁消费Archify 负责把数据流图校验对、画好看0 错误 0 警告交付。【免费下载链接】archifyAgent skill for beautiful, verifiable architecture, workflow, sequence,>项目地址: https://gitcode.com/GitHub_Trending/arch/archify创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考