Archon：首款开源AI编程Harness构建器，让AI Coding变得确定性和可重复

AI编程工具越来越多，但大多数工具的输出充满随机性——同样的需求，两次运行可能得到完全不同的结果。Archon 试图解决这个问题，它的目标是让AI编程变得确定性和可重复，像编译运行传统程序一样可靠。

项目简介

Archon 是由开发者 coleam00 创建的开源工具，定位为”首款开源AI编程Harness构建器”。Harness（测试用例 harness的概念在这里被引申为AI编程的工作框架）让AI编程任务可以在预定义的结构下运行，确保每次执行结果一致、可审计、可复现。目前在GitHub上已获得近1.8万颗星标，增长势头强劲。

核心特色功能

1. Harness构建系统：Archon提供了一套标准化的AI编程工作框架，定义了输入、处理、输出的标准范式，AI在harness内运行减少了随机性。

2. 确定性执行：与传统AI编程工具不同，Archon的输出具有高度确定性。相同的任务配置，Archon每次都会产出结构相似的结果，方便后续自动化处理。

3. 可配置的工作流：支持定义多步骤的AI工作流，每个步骤的prompt、模型、超参数都可以精细配置。

4. 集成主流AI模型：支持OpenAI GPT系列、Anthropic Claude系列、Ollama本地模型等多种后端。

5. 代码质量保证：内置代码审查和测试验证机制，AI生成的代码会自动经过质量检查后才输出。

6. CLI优先设计：提供功能完整的命令行工具，方便集成到CI/CD流程中，也支持配置文件驱动的工作流。

7. 插件扩展：支持通过插件扩展功能，目前已有代码格式化、测试生成、文档生成等插件。

安装步骤

方式一：通过npm安装（需要Node.js环境）：

npm install -g @archon/cli

方式二：通过源码安装：

git clone https://github.com/coleam00/Archon.git
cd Archon
npm install
npm link

方式三：使用Docker：

docker pull archon/archon
docker run -it archon/archon

验证安装：

archon –version

使用方法

第一步，初始化项目：

archon init my-project
cd my-project

第二步，配置Harness：

编辑 archon.config.json，配置AI模型、工作流步骤等：

{
“model”: “claude-3-5-sonnet”,
“steps”: [
{
“name”: “analyze”,
“prompt”: “分析以下需求：{{input}}”,
“output”: “analysis.md”
},
{
“name”: “generate”,
“prompt”: “基于分析结果生成代码：{{analysis}}”,
“output”: “src/output.ts”
}
]
}

第三步，运行Harness：

archon run –input “用户登录功能”

第四步，查看结果：

ls -la output/

CLI高级用法：

# 指定配置文件
archon run -c my-config.json –input “需求”

# 本地模型
archon run –model ollama/llama3 –input “需求”

# 查看详细日志
archon run –verbose –input “需求”

适用场景

1. 团队AI编程标准化：建立团队统一的AI编程工作流，减少个人使用差异。
2. CI/CD集成AI任务：将AI代码生成、测试生成等任务集成到自动化流水线中。
3. 可复现的AI研究：学术研究中需要可复现的AI实验结果，Archon的确定性执行尤为重要。
4. 批量代码生成：定义好harness后，批量处理相似的编程任务。
5. AI教学和演示：教师可以定义标准harness让学生在统一环境下体验AI编程。

开源协议

Archon的具体开源协议需参考项目仓库，基础使用免费。

总结

Archon提出了一个很有价值的问题：AI编程工具的随机性如何克服？通过Harness的概念，Archon试图为AI编程建立一个标准化、可预期的框架。虽然项目相对年轻，但方向很有前景。对于追求AI编程可控性的团队和个人开发者，Archon是一个值得关注的新选择。

项目地址：https://github.com/coleam00/Archon
官网体验：https://archon.diy