AI代码架构漂移检测
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
Erode 是面向开发团队的架构漂移检测工具。它把代码 diff 与声明式架构模型进行比对，发现未声明依赖、绕过网关、服务间新增连接等结构变化，并在本地检查、CI 或代码评审中提示。例如前端直接调用 User Service 而绕过 API Gateway，Erode 会标记为 high severity，并建议改走网关或更新模型。
其工作流是多阶段 AI Pipeline：先解析变更仓库对应的架构组件，再从 diff 中抽取依赖变化，随后与模型比对并生成发现项，必要时生成模型更新。工具支持 Gemini、OpenAI、Anthropic，其中便宜模型用于抽取和路由，强模型用于分析。它可通过 GitHub Actions、CLI、Git hooks、Claude Code Skill 运行，也提到 GitLab CI 与 Bitbucket Pipelines 的实验性支持。模型格式方面，LikeC4 是推荐格式，Structurizr 为实验性；并支持 Monorepo 场景下一个仓库映射多个组件。
正文未提供 Erode 本身的收费套餐。页面提供 GitHub 入口、CLI npm 包和贡献文档，但没有明确许可证信息。实际使用必须准备 Gemini、OpenAI 或 Anthropic API Key，因此成本主要来自 AI 调用量。文档也提醒 Claude Code hook 每次编辑触发检查会带来多次 API 调用，可能快速累积费用。
优点是定位非常具体：把架构评审从“事后考古”前移到 PR 与本地开发阶段；同时能把 LikeC4/Structurizr 模型变更做成 PR，符合 Architecture-as-Code 思路。文档质量较高，命令、workflow、配置和示例 PR 都比较完整。缺点是落地前提较强：团队需要已有可用架构模型，并接受 AI Provider 带来的成本、延迟和可用性约束；部分集成和格式仍标注实验性，关系删除也需要人工处理。
它适合微服务、网关、平台工程、Monorepo 或正在引入 AI 编码代理的团队，尤其是多人多团队协作、架构边界容易失控的场景。中国访问情况正文未说明；由于依赖 OpenAI、Anthropic、Gemini 等外部服务，国内团队需要额外评估网络连通性、企业合规、API 支付与替代模型可用性。若只需画图，可考虑 LikeC4、Structurizr 或传统文档工具；若要在代码评审中自动发现架构漂移，Erode 的针对性更强。
本测评基于公开资料整理,不构成购买建议,请以 erode.dev 官网实际信息为准。
面向代码评审的架构检测工具，值得关注。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。