Archon：AI 编程的测试框架，让 AI Coding 变得可重复、可预期

# Archon：AI 编程的测试框架，让 AI Coding 变得可重复、可预期

## 项目简介

**Archon** 是全球首个开源的 AI 编程测试框架（AI Coding Harness Builder），由 TypeScript 编写，GitHub 获得超过 16000 颗星。它的核心理念是：让 AI 编程变得确定性（Deterministic）和可重复（Repeatable），通过建立测试规范来验证 AI 生成代码的正确性，是 AI 编程从”碰运气”走向工程化的重要工具。

GitHub：https://github.com/coleam00/Archon
Stars：16588 | 语言：TypeScript | 协议：MIT

## 为什么需要 Archon？

当前的 AI 编程工具（如 Cursor、Claude Code、Windsurf 等）虽然强大，但存在一个根本性问题：AI 生成代码的质量不稳定，同样的需求两次可能得到完全不同的结果，很难保证每次都能正确完成复杂任务。

Archon 通过为 AI 编程建立测试护栏（Testing Harness），让 AI 在明确的测试规范下工作，从而让 AI 编程的结果变得可验证、可重复、可预期。

## 核心特色

### 测试优先的 AI 编程
Archon 主张”先写测试，再让 AI 实现”。你定义好测试用例和预期行为，AI 在这个框架内工作，代码正确与否由测试结果说了算，而不是凭感觉。

### 多框架支持
支持多种主流测试框架：
– Vitest（推荐，快速的 Vite 原生测试框架）
– Jest（JavaScript 生态最流行）
– Playwright（端到端测试）
– Pytest（Python 支持）

### Harness 生成器
Archon 提供智能 Harness 生成器，可以根据项目结构和需求自动生成测试骨架，减少手工编写测试的工作量。

### 状态快照（State Snapshots）
类似 Jest 的快照测试，Archon 支持保存 AI 输出结果的快照，用于回归测试，确保 AI 的行为在不同迭代中保持一致。

### AI 结果评分系统
内置 AI 输出评分系统，可以量化评估 AI 生成代码的质量打分，帮助开发者选择最优的 AI 实现方案。

### 实时反馈循环
测试结果实时反馈给 AI，AI 根据失败信息自动调整代码，形成”测试-失败-修正-通过”的闭环。

## 安装步骤

### 前提条件
– Node.js 18+
– npm / yarn / pnpm

### 安装 Archon
“`bash
# 使用 npm 安装
npm install -g @archon/cli

# 或使用 npx 直接运行
npx @archon/cli create my-project

# 或克隆源码
git clone https://github.com/coleam00/Archon.git
cd Archon
npm install
npm run build
“`

### 初始化项目
“`bash
archon init

# 创建一个新的测试规范
archon generate harness –name=my-feature

# 运行测试
archon test
“`

## 使用方法

### 1. 创建测试规范
“`bash
# 创建 API 相关的测试规范
archon generate harness –name=api-endpoints –framework=vitest
“`

这会生成以下文件结构：
“`
harnesses/
└── api-endpoints/
├── api.test.ts # 测试文件
├── api.ts # AI 实现文件
└── archon.config.ts # 配置文件
“`

### 2. 编写测试用例
“`typescript
// harnesses/api-endpoints/api.test.ts
import { describe, it, expect } from ‘vitest’;
import { api } from ‘./api’;

describe(‘API Endpoints’, () => {
it(‘should fetch user data correctly’, async () => {
const result = await api.getUser(‘123’);
expect(result.id).toBe(‘123’);
expect(result.name).toBeTruthy();
});

it(‘should handle authentication errors’, async () => {
const result = await api.getUser(‘invalid’);
expect(result.error).toBe(‘Unauthorized’);
});
});
“`

### 3. 让 AI 实现功能
在 `.archon/prompt.md` 中描述需求：
“`
请实现 api.ts 中的 getUser 函数，从 https://api.example.com 获取用户数据。
“`

然后运行：
“`bash
archon run –agent=claude
“`

AI 会根据测试规范生成代码，所有测试通过才算完成。

### 4. 查看测试报告
“`bash
archon report
“`

Archon 会生成详细的测试报告，包含通过率、AI 评分、执行时间等信息。

## 适用场景

### 复杂功能开发
对于需要多步骤实现的复杂功能，通过测试规范约束 AI 行为，确保每一步都正确。

### AI 编程工作流标准化
团队使用 AI 编程时，通过统一的测试规范确保不同人使用 AI 生成的代码质量一致。

### 回归测试
AI 生成的代码经常在后续迭代中被意外破坏，Archon 的快照测试可以快速发现回归问题。

### 开源项目贡献
开源项目可以用 Archon 验证 AI 辅助 PR 的代码质量，降低维护者的审核负担。

## 与 CI/CD 集成

Archon 支持与 GitHub Actions 集成：
“`yaml
# .github/workflows/archon.yml
name: Archon Tests
on: [pull_request]
jobs:
test:
runs-on: ubuntu-latest
steps:
– uses: actions/checkout@v3
– name: Run Archon Tests
run: npx @archon/cli test –reporter=github
“`

## 开源协议

Archon 采用 MIT 开源协议，完全免费开源，欢迎社区贡献。

## 总结

Archon 解决的是 AI 编程从”能用”到”好用”的关键一步——建立可验证的标准。它将软件工程中成熟的测试驱动开发（TDD）理念引入 AI 编程，让 AI 不再是黑箱输出，而是可以被规范约束、被测试验证的工程化过程。对于认真对待 AI 编程的开发者来说，Archon 是一个值得关注的重要工具。

服务支持：如有兴趣不会搭建，可以联系微信：WRYD6166，开源项目搭建10-50元。