lyse-labs/lyse

# Lyse 为你的设计系统提供的本地、确定性健康评分 —— 执行审计、给出解释，并在本地或 CI 环境中将修复方案交给你的编程 agent。 [](https://github.com/lyse-labs/lyse/actions/workflows/ci.yml) [](https://www.npmjs.com/package/@lyse-labs/lyse) [](https://www.npmjs.com/package/@lyse-labs/lyse) [](./LICENSE) ## 快速开始 AI 编程 agent 能快速交付 UI —— 但它们会硬编码 `#3b82f6` 而不是使用已存在的 `color.brand.primary`，重新发明 ``，并且跳过 stories。Lyse 会审计它们（以及人类）引入的偏差，给出 0–100 的评分，并将修复方案交回给同一个 agent。 ``` npx -y @lyse-labs/lyse@latest ``` 就是这样 —— 无需配置，无需提示，几秒钟内即可获得你的健康评分。 ## 可选：校准 `lyse init` 会检测你的框架，生成 `.lyse.yaml` 配置文件，并可选择为你的 AI agent 配置 MCP server。 ``` npx -y @lyse-labs/lyse@latest init ``` ## 命令 ``` lyse audit # rerun the audit (text, JSON, or SARIF) lyse handoff # audit, then hand the findings to your coding agent to fix (Claude Code / Cursor / Codex) lyse init --scaffold # generate missing AI-readiness files (llms.txt, AGENTS.md) lyse init --migrate-tokens # convert legacy {value,type} token JSON to DTCG ({$value,$type}) lyse explain X # rationale + examples for a rule lyse mcp setup # wire MCP into Cursor / Claude Code / Codex lyse manifest # print the versioned, graph-derived DS Machine Manifest for agents/CI lyse add ci-gate # install the diff-first CI gate (.github/workflows/lyse.yml) lyse baseline write # record accepted findings to .lyse/baseline.json (commit it) lyse share # copy a Markdown summary to your clipboard ``` `lyse manifest`（也可通过 MCP 作为 `get_ds_manifest` 提供）发布一个 稳定的、带版本号的契约，用于描述设计系统 —— tokens、 组件契约、区域摘要、提取状态 —— 供编程 agent、 MCP 客户端和 CI 使用。它无需运行审计即可构建，因此绝不会 影响健康评分。Schema 和版本控制策略详见 [`docs/architecture/manifest.md`](./docs/architecture/manifest.md)。 ## Diff 优先工作流 既有的偏差不应阻碍 PR。运行一次 `lyse baseline write` 将接受的发现和评分记录到 `.lyse/baseline.json` 中，提交它，然后接入 `lyse add ci-gate`（或自己运行 `lyse audit --scope new`）。CI 仅对*新增*的偏差进行拦截 —— 即基线中不存在的发现，或是出现倒退的健康评分维度 —— 而不会针对历史积压问题。发现的标识（identity）在重新格式化后依然保持稳定（基于文件 + 规则 + 归一化值，而非行号），因此仅包含空格变动的提交不会产生任何新发现。每当你有意接受新状态时，请重新运行 `lyse baseline write`。 ## 审计内容 健康评分（0–100）涵盖 **6 个维度** —— tokens、a11y、components、stories、ai-surface、ai-governance —— 基于确定性的静态规则。每个维度都是一个基于机会加权的纯净采纳率（`scoring-v3`）；维度需要 30 个以上的机会才能计入有效。CMMI 风格的成熟度等级（Foundational → Autonomous）根据评分进行映射。不使用 LLM，不联网，默认完全在本地运行。先前基于严重性加权的公式仍可通过 `--score-model v2` 在一个小版本周期内访问 —— 两种模型的评分不具有可比性。完整公式和各规则文档详见 [`docs/`](./docs/)。 Token 偏差的判断基于**你自己的**色阶，而非内置标准：每个硬编码的值都会根据 Lyse 从你的代码仓库（Tailwind 配置、`*.tokens.json`、CSS custom properties、SCSS 变量）中提取的 token 色阶进行解析，并被归类为 `exact` / `near` / `novel` / `unresolved`。符合你自身标准的值不算是偏差；接近某个 token 的值会连同候选 token 一并报告；与任何内容都不相似的值会被报告，但不会将其标记为偏差；而 Lyse 无法静态判断的表达式则根本不会被报告，而是计入 `meta.abstentions` 中。 可选的 **render 层**（`lyse audit --render`）会针对预构建的 Storybook（`storybook-static/` 或一个 URL）运行额外的检查：`tokens/rendered-token-fidelity`（CSS custom property 偏差）和 `a11y/runtime-axe`（axe-core a11y 违规）。两者均为实验性功能，不会影响健康评分。 `lyse explain --score` 还会报告一个 **AI-Governance 成熟度等级**（L0–L5，取决于 AI 辅助特性的存在情况 —— 标记组件、AI tokens、交互模式、治理文档）。默认情况下是完全确定性的；对于较复杂的情况，可选的 LLM 级别会读取语义辅助特性。 ## 隐私 `lyse audit` **默认完全是静态的**：不会有任何数据离开你的机器。可选的 LLM 精度过滤器是**主动开启（opt-in）的**（`--llm`、`LYSE_LLM=1` 或显式配置 `llm.provider`）且采用 BYOK（自带密钥）模式 —— 仅仅安装了 `claude` CLI 并不会在后台悄悄启用它，默认的审计也绝不会提示要求启用它。遥测（Telemetry）仅限主动开启（在你首次查看报告后会显示一次提示，默认拒绝）。请参阅 [PRIVACY.md](./PRIVACY.md)。 ## 更多 - [`CHANGELOG.md`](./CHANGELOG.md) — 版本发布历史 - [`docs/`](./docs/) — 完整文档、规则页面、架构说明 - [`CONTRIBUTING.md`](./CONTRIBUTING.md) — 如何添加规则或修复 bug - [`LICENSE`](./LICENSE) / [`COMMERCIAL.md`](./COMMERCIAL.md) — 双重 AGPLv3 / 商业授权 - [`SECURITY.md`](./SECURITY.md) — 漏洞报告 © 2026 Lyse Labs.

标签：AI辅助编程, MITM代理, 代码质量审计, 无障碍, 暗色界面, 自动化攻击, 设计系统