能力总览 · Capabilities

框架给了你什么

ArchGraph 已经长成一个面向 coding agent 的长期记忆系统：一张你既能推理、又能信任的架构图， 部署在你已经在用的宿主里。下面按能力分组，逐条说明。

与其他做法对比 本体与建模 Agent 长期记忆 检索 图谱质量 多宿主部署 联邦共享 互操作 可观测与成本

与其他做法相比，ArchGraph 补上了什么

给 coding agent 提供上下文，常见有四种做法。它们各有真实的优点，也各有真实的短板 —— 下面如实列出， 以及当上下文变成「一张经校验的类型化图谱、走单一 MCP 接口」时，哪些问题被解决。

做法今天能给你什么短板ArchGraph 补上的
上下文散落在文件里 零配置，文本就在手边。 agent 每次会话冷启动重读；「为什么」会漂移、被复制。 一张类型化图谱经 MCP 读写 —— 会话恢复上下文，默认复用而不是复制。
通用 RAG / 向量库 对文本做便宜的语义召回。 扁平片段：没有关系、没有类型、没有语义 / 类型化去重、没有单一事实来源。 语义召回建在类型化图谱之上，命中自带结构与出处。
纯 Wiki / ADR 目录 人读友好、容易评审。 机器不可消费、不做校验、会悄悄过期。 agent 与团队共用同一事实来源，每次写入都按本体包校验。
通用图 / 本体工具
Protégé / OWL、Neo4j、TerminusDB、Archi / EA		 建模与查询能力强，也允许你扩展模型、换用自定语汇。 「模型」和「agent 的读写路径」是两回事：没有一个单一受校验接口，把类型化去重与提交可追溯一并交给 agent。 本体是一个一等公民、受校验、运行时解析的 schema bundle，并且同一套 MCP 接口既读又写这张图，内建类型化去重与可追溯。
ArchGraph 自身的成本 一套接口，覆盖类型化、受校验、运行时解析的建模与记忆。 需要你自己部署与运维，不是托管服务。 上下文读写、去重、EA 互操作只需 Node.js；语义召回另需 Neo4j + 一个 embedding 端点；部署走 argo-deploy + ~/.argo/.env，部署后需重启宿主。
如实说明： ArchGraph 是一个需要你自己部署的框架，不是一个开箱即用的托管服务。 语义召回需要 Neo4j + 一个 embedding 端点；在未配置它们时，argo init 的结构同步与语义生命周期步骤会报告 failed， 但图谱本身（上下文读写、去重、EA 互操作）依然可用。

本体与建模

默认 ArchiMate 3.2，但建模语言是可插拔的 —— 你可以换成自己的业务本体。

可自定义本体（本体包 / schema bundle）

在项目里放一份 .argo/schema/，就用你自己的元素/关系类型和端点矩阵来校验、检索这个项目，只影响它，不动全局默认。全新安装内置 ArchiMate 3.2；工作区可以解析到它自己的本体包。看使用案例 →

把 agent 也建进模型

用「业务执行者 / 角色」表示 agent，并给它们各自的记忆子视图、指派关系和工作包 —— 宿主设计与产品设计落在同一个模型里。

Agent 长期记忆

一张意图图谱，通过单一 MCP 接口读写；记忆分层，会话开始只加载很小的一块。

长期记忆 for agents

单一意图图谱，读写在同一个 MCP 接口上。记忆分三层：会话开始加载紧凑的 T1 工作记忆，T2 长期记忆按需召回，T3 归档只在显式检索时读取 —— agent 无需一次性载入全部上下文。

三层 Agent 记忆：会话开始只加载紧凑的 T1 工作记忆，T2 按需召回，T3 仅显式检索时读取
图 1 · 三层记忆 —— 会话开始只加载紧凑的 T1 工作记忆；T2 按需召回；T3 仅显式检索时读取。

检索

两种找法：语义（Graph RAG）与结构（Cypher），外加可换的 embedding 和召回优先的调优。

语义 + 结构检索

既能在向量索引上做语义（Graph RAG）召回（可用 scope 收窄范围），也能用只读 Cypher 做结构查询和聚焦的上下文读取。召回宽松、尽量不漏；审计读取则严格。

自带 embedding

语义检索可指向任意 OpenAI 兼容的 embedding 端点：沿用云端 profile，或设 ARGO_EMBEDDING_PROFILE=openai-compatible 换自建模型，实现离线 / 内网 / 私有部署，无厂商锁定。

读取只返回你需要的

结构读取默认省略记账信息（commit / 测试用例台账），语义命中的结果带一个 matchedSnippet，说明「为什么它匹配」—— 让上下文只花在有收益的地方。

召回优先的检索调优

可选的第二级加上「向量 + 词法」混合融合与一个 LLM 重排器（带 fail-open 保护）。调优只会扩大候选池，召回只升不降。

精简且有据的读取：记账台账默认省略，语义命中带 matchedSnippet
图 2 · 精简且有据的读取 —— 记账台账默认省略，语义命中带 matchedSnippet，上下文只花在有收益的地方。

图谱质量

干净是设计出来的，不是靠自觉；每一次改动都可证明、可追溯。

写入即去重

新增元素、关系或视图时，若已有匹配就复用而不是复制；新元素若在语义上接近某个同类元素，会被拦下并作为候选返回。干净图谱才让语义召回保持准确。

每次改动可证明

验收测试先行、是可执行的 GIVEN-WHEN-THEN；改动提交后，commit id 会登记回对应元素 —— 图谱自带历史与证据。

结构受校验

每次写入都会按本体包和图层语义规则检查（标识、交叉引用、关系端点、视图容量），同一个视图内不会重复纳入同一成员。

ArchGraph 全局架构：分层视图，展示意图图谱、MCP 接口、宿主与投影之间的关系
图 3 · 全局架构 —— 一张图看清从意图图谱、MCP 读写接口到各宿主与结构投影的关系。

多宿主部署

一次部署，覆盖你已经在用的 coding agent 宿主。

在任何宿主里跑

一条 argo-deploy 就把 MCP 服务端、skills、rules 和 agents 注册进 GitHub Copilot、Cursor、OpenCode、DeepSeek Harness、OpenClaw、Codex —— 每个都有会话唤醒门禁。注意：skills / rules 装到每个宿主，agents 只装到支持它的宿主。

联邦共享

每个项目保留自己主权的图谱；中心只是登记 + 代理，不是内容仓库。

联邦式图谱共享

把可复用的架构子图发布到联邦登记中心，再按引用读取另一个项目开放的内容 —— 注册、发现、授权、读取。默认拒绝，不复制也不合并。

联邦，而非分布式

每个项目保留一张完整、主权的 canonical 图，自己就是唯一事实来源；中心只是一本登记 + 代理（register · discover · authorize · read by reference），只存联邦元数据，永不存内容。

查询另一个项目的图

每个读取工具都可带一个可选 projectId：省略就读本仓，传入就通过联邦中心读一个已授权外部项目的图 —— 只读、按引用，默认拒绝。

联邦式图谱共享：把子图发布到登记中心，再按引用读取另一个项目开放的内容
图 4 · 联邦式图谱共享 —— 把子图发布到登记中心，再按引用读取另一个项目开放的内容。默认拒绝；不复制、不合并。

互操作

与人使用的企业建模工具打通。

Enterprise Architect 互操作

图谱在写入时和 argo init 时会投影成标准 .qea 模型；人类在 EA 里的改动会变成一个语义 diff，由 agent 分析后再决定是否写回。

可观测与成本

让「agent 到底花了多少」变成可见。

看见 agent 花掉的

构建期的日志把每次工具调用及其 token 成本记到每个工作区一个文件；agent-search-diagnosis 技能（OpenCode）能把一次会话变成自包含的诊断包 —— 过度搜索、浪费的轮次、图↔仓往返都变得可见。