一句话

Yanxi（盐析）是一个 MCP 工具，它让 Agent 在持续演进的 Vibe 项目里"记得住、改得对、不怕烂"。

你遇到的真实痛点

用 AI 写代码最爽的是低阻力，最痛的是换一个对话，Agent 就失忆了：

忘了项目意图，开始瞎猜；

改 A 时不知道波及 B，把之前调好的功能改坏；

项目越推越难，最后烂在"三个月墙"里。

这不是玄学——全仓库上下文下 GPT-5 的 strict pass 率只有 37.57%，而且 Agent 最容易错的地方不是"找不到文件"，而是"判断不准改动波及哪里 + 理解随演化漂移"。

Yanxi 的核心思路是——不要在"读的时候"才去理解，而是在"写的时候"就把代码塑造成可理解、可保鲜、可验证的对象。

它做三件事：

① 原子化微模块（边界清晰）编码时就按"能独立理解、独立验证"的职责拆成微模块。每个模块知道"我负责什么、依赖谁、谁依赖我"——改动波及哪里，一清二楚。

② 类 spec 保鲜（理解不漂移）给每个模块配一份类 spec（Agent 写的、记录性质的结构化笔记），并随代码演化实时保鲜：代码一变，Yanxi 自动提醒你"这模块理解过期了，重新验证"。Agent 下次进来，不用从头推理，几百 token 就能看懂全局。

③ 模块级（级联）验证（改一处、保证没改错）改动时联动验证其波及的下游（级联验证），升 stable 有硬闸门（测试红 + 通过证据 + 下游通过）。不是"只测被改的"，而是"每改一处都尽量保证整体没改错"。

它和"检索/索引/记忆"工具的区别

repo map、RAG、向量记忆（Mnemosyne 这类）解决的是"怎么把信息喂给 Agent"，但：

检索给的是无边界的片段

索引/静态文档会过期

验证是项目级粗粒度的

Yanxi 的差异是模块级 + 类 spec 保鲜 + 级联验证——把"可维护性"从"靠 Agent 自觉"变成"靠结构和机制托底"。

它是纯 Go、零依赖、单文件的 MCP 服务器，14 个工具管理微模块与类 spec。

它支持多 Agent 协作：每个模块是可隔离的上下文单元，Agent 各自聚焦、以类 spec 为共享契约。

相关立场论文已发到 aixiv（AI 共创论文预印本）：《微模块架构的优势在 vibecoding 的过程中或许可以被进一步放大》，提出"模块级类 spec 保鲜 + 模块级验证"支撑 Agent 反复改代码这一可检验假说。

为什么值得做

Vibe Coding 正在普及，但它今天多是"一次性爽"——因为 Agent 记不住、项目会烂。 Yanxi 想解决的是让 vibe coding 从"许愿式的一次性原型"走向"可长期演进、可持续维护"。

正如论文里那句话：

"生成难维护的代码，不如不生成。" 可维护性不能指望 Agent 天然偏好，它要靠结构、保鲜和验证去支撑。

GitHub：github.com/The-Milky-Way-traveller/yanxi-single

语言：Go 1.23 · 零外部依赖 · 单文件二进制

协议：MCP（JSON-RPC 2.0 over stdio）

许可：MIT

论文：https://aixiv.science/abs/aixiv.260827.000001

掘金：https://juejin.cn/vibe-work/7678380742905724943

作者为一个高中生，这个项目有诸多不完善的地方，欢迎各位大佬的一切意见建议，谢谢。

工具目前稳定性待测试，深感抱歉。