# 📚 教程:像架构师一样思考

> 这套教程不教你任何一门语言、任何一个框架。
> 它教你一种**可迁移、不会过时**的能力:在写代码之前,先把系统想清楚。

---

## 这套教程想解决什么问题

很多人写了很多年代码,依然画不出自己系统的架构图,也说不清「为什么用这个而不是那个」。原因是:**学校和教程几乎都在教「实现」,很少有人系统地教「判断」。**

- 实现能力回答的是:*这个功能怎么写出来?*
- 架构判断回答的是:*这个系统应该长什么样?哪里会出问题?我在拿什么换什么?*

这套教程,专门补「判断」这一课。

---

## 学习路径

教程按连续篇章展开,**建议按顺序读**,但每一章也能独立看。

### 第一段:建立思维(01–03)—— 换一个看系统的视角

| 章节 | 一句话 |
|---|---|
| [01 · 为什么先有架构思维](01-为什么先有架构思维.md) | 在 AI 写代码的时代,判断力比实现力更稀缺。 |
| [02 · 架构师的思考框架](02-架构师的思考框架.md) | 任何系统都能用「需求→约束→质量属性→取舍」拆开。 |
| [03 · 读懂与画好架构图](03-读懂与画好架构图.md) | 用 C4 模型,把脑子里的系统画成别人看得懂的图。 |

### 第二段:掌握工具箱(04–06)—— 架构师手里到底有哪些牌

| 章节 | 一句话 |
|---|---|
| [04 · 十大核心架构模式](04-十大核心架构模式.md) | 分层、微服务、事件驱动、CQRS… 每个模式都是对某个问题的回答。 |
| [05 · 数据与状态](05-数据与状态.md) | 系统真正难的不是逻辑,是数据放哪、怎么一致、怎么扩。 |
| [06 · 质量属性与取舍](06-质量属性与取舍.md) | 性能、可用性、一致性、成本——你不可能全都要。 |

### 第三段:实战与演进(07–08)—— 把判断力用起来

| 章节 | 一句话 |
|---|---|
| [07 · 从 0 到 1 设计一个系统](07-从0到1设计一个系统.md) | 给你一套照着做就能产出架构方案的方法论。 |
| [08 · 架构决策记录与演进](08-架构决策记录与演进.md) | 用 ADR 把「为什么这么决定」记下来,让架构随业务长大。 |

### 第四段:超越框架(09)—— 把判断力升华为品味

| 章节 | 一句话 |
|---|---|
| [09 · 架构品味](09-架构品味.md) | 框架之外,真正拉开差距的是品味;用真实项目对比(微服务回单体、各大公司审美…)把它养出来。 |

---

## 🚀 进阶篇(10–17)—— 驾驭做大做关键后才咬人的硬骨头

入门篇带你从 0 设计一个中小系统;**进阶篇处理的是另一类问题:当系统做大、做关键,真正的硬骨头才会露出来**——分布式、失败、规模、演进、组织、安全,并以「大模型时代的架构判断」收尾,贯穿当下 vibe coding 的主线。

| 章节 | 一句话 |
|---|---|
| [10 · 分布式系统的硬道理](10-分布式系统的硬道理.md) | 部分失败、没有全局时钟、共识很贵——分布式到底难在哪。 |
| [11 · 数据一致性工程](11-数据一致性工程.md) | 没有跨服务事务的世界,用 Saga / Outbox / 幂等 / 事件溯源把数据弄对。 |
| [12 · 为失败而设计:韧性工程](12-为失败而设计.md) | 预设一定会出事:熔断、隔离、降级、重试、SLO、混沌工程。 |
| [13 · 规模化的力学](13-规模化的力学.md) | 分片、一致性哈希、热点、多活、尾延迟——规模会在哪先裂开。 |
| [14 · 演进与拆分大型系统](14-演进与拆分大型系统.md) | 给飞行中的飞机换引擎:绞杀者、并行运行、零停机迁移、拆单体。 |
| [15 · 组织即架构](15-组织即架构.md) | 康威定律:系统会长得像你的组织;团队拓扑与平台工程。 |
| [16 · 安全与多租户架构](16-安全与多租户架构.md) | 把安全当结构:威胁建模、零信任、爆炸半径、租户隔离。 |
| [17 · 大模型时代的架构判断](17-大模型时代的架构判断.md) | vibe coding 时代,靠判断力不可替代;把理论收束到当下。 |

---

## 🎯 实战篇(18–22)—— 把方法落到真实案例

入门 + 进阶教了「怎么判断」;**实战篇补的是「怎么练」**——用真实案例把 [07](07-从0到1设计一个系统.md) 的方法、[08](08-架构决策记录与演进.md) 的演进、[10–16](10-分布式系统的硬道理.md) 的硬骨头,和 `templates/` 里的架构地图串成一条完整故事线。**建议先读这一篇,再读 AI 协同设计篇。**

| 章节 | 一句话 |
|---|---|
| [18 · 读地图:用框架拆解陌生系统](18-读地图用框架拆解陌生系统.md) | 用四步法逆向读懂陌生系统;以 RAG / AI 对话产品练眼。 |
| [19 · 完整设计演练:中等复杂度系统](19-完整设计演练中等复杂度系统.md) | 07 八步第二次完整走法——从 0 设计「能查单、能退款」的 AI 智能客服。 |
| [20 · 演进剧本:MVP 到规模化](20-演进剧本MVP到规模化.md) | 延续 19 章同一个 AI 客服:看量化信号、写 ADR、决定何时升级。 |
| [21 · 拆分与迁移实战](21-拆分与迁移实战.md) | 14 章落地:绞杀者、抽象分支、影子流量、零停机换向量库。 |
| [22 · AI 原生系统设计](22-AI原生系统设计.md) | 把 19 章客服升级为自主 Agent,落地 17 章三个新约束,引向下一篇。 |

---

## 🤝 AI 协同设计篇(23–26)—— 与 AI 协作,而不失控

**前置:实战篇。** 这一篇不讲 vibe coding 工具技巧,而讲** workflow 与审查**——规格怎么写给 AI、产出默认缺什么、eval 怎么当门禁、何时 vibe 何时 spec-first。与 [architecture-copilot](https://github.com/study8677/architecture-copilot) skill 同一产品线。

| 章节 | 一句话 |
|---|---|
| [23 · 规格即架构:约束怎么写给 AI](23-规格即架构约束怎么写给AI.md) | 把 ADR 和质量目标写成 AI 能持续遵守的护栏。 |
| [24 · 审查清单:AI 产出默认缺什么](24-审查清单AI产出默认缺什么.md) | 11/12/16 的生产级 review checklist,判断 AI 方案扛不扛得住。 |
| [25 · 评测驱动:把「够好」写进架构](25-评测驱动把够好写进架构.md) | 非确定性系统的 eval 门禁,防止换模型/改提示后悄悄退化。 |
| [26 · 协作决策树:何时 vibe、何时 spec-first](26-协作决策树何时vibe何时spec-first.md) | 原型尽情 vibe、生产用判断收口的总 workflow。 |

---

## 🧰 技术栈选型篇(27–34)—— 把「用什么技术」变成架构判断

**前置:入门篇 + 进阶篇。** 这一篇不做框架教程,也不做工具排行榜,而是把 [02](02-架构师的思考框架.md) 的「需求 → 约束 → 质量属性 → 取舍」落到语言、数据库、缓存、API、部署、观测和 AI 基础设施选型上。

| 章节 | 一句话 |
|---|---|
| [27 · 编程语言与后端框架选型](27-编程语言与后端框架选型.md) | 语言和框架不是信仰题,而是运行时、生态、团队和维护成本的组合选择。 |
| [28 · 数据库与存储选型](28-数据库与存储选型.md) | 先画数据生命周期,再决定事实源、读模型、搜索、对象存储和向量库。 |
| [29 · 缓存、消息队列与事件系统选型](29-缓存消息队列与事件系统选型.md) | 分清读热点、时间错配和业务事实广播,别把 Redis / Kafka 当银弹。 |
| [30 · API 与服务通信选型](30-API与服务通信选型.md) | 先判断同步/异步、内部/外部、契约强度,再谈 REST、gRPC、GraphQL。 |
| [31 · 云原生与部署平台选型](31-云原生与部署平台选型.md) | 云原生不是上 K8s,而是选择团队养得起的部署、扩缩、回滚模型。 |
| [32 · 可观测性与可靠性技术栈选型](32-可观测性与可靠性技术栈选型.md) | 从用户 SLO 倒推指标、日志、链路、告警、值班和事故流程。 |
| [33 · AI 基础设施技术栈选型](33-AI基础设施技术栈选型.md) | 先看稀缺资源是模型、GPU、上下文、检索质量、成本还是可控性。 |
| [34 · 技术选型决策树](34-技术选型决策树.md) | 用一棵树把「是否引入新技术、阶段、失败模式、团队能力、退出方案」串起来。 |

---

## 🧬 AI 原生组织篇(35–40)—— 把 AI 变成组织级生产流程

**前置:组织即架构 + AI 协同设计篇。** 这一篇不讲单个工具怎么用,而讲一个团队 / 公司如何把 AI 从个人临时工具升级为稳定生产系统:超级个体如何聚合成超级团队、共享上下文如何成为组织接口、工作流如何沉淀、责任和治理如何落地。

| 章节 | 一句话 |
|---|---|
| [35 · AI 原生组织架构](35-AI原生组织架构.md) | 为什么“人人用 AI”不等于组织 AI 原生;先把 AI 放进生产系统。 |
| [36 · 超级个体与超级团队](36-超级个体与超级团队.md) | AI 放大个人以后,真正值钱的是人才密度和低摩擦小队。 |
| [37 · 共享上下文架构](37-共享上下文架构.md) | 让人和 Agent 读同一份目标、规格、任务、trace 和复盘。 |
| [38 · AI 工作流架构](38-AI工作流架构.md) | 把个人 prompt 升级成模板、Skill、Flow 和 Golden Path。 |
| [39 · 责任与治理架构](39-责任与治理架构.md) | AI 可以参与执行,但 Owner、权限、审批、审计和激励不能缺位。 |
| [40 · AI 原生组织演进路线](40-AI原生组织演进路线.md) | 从 3–5 人真实价值流试点,走到多小队复用和组织级 AI 操作系统。 |

> 专题入口:[AI 原生组织 / 流程架构专题入口](../templates/ai-native-organization/README.md)。这是 35–40 的阅读索引,不计入 31 个正式模板。

---

## 🧠 基础模型训练决策专题(T01–)—— 先看约束,再选训练方案

这是独立于正式 01–40 章之外的双语专题,面向已经进入基础模型生产体系、需要判断预训练与后训练方案的团队。专题编号使用 `Txx`,不改变现有教程编号。

| 章节 | 一句话 |
|---|---|
| [T01 · 训练方案不是算法排行榜：先把决策分层](T01-训练方案不是算法排行榜先把决策分层.md) | 从能力目标、任务形态、数据与学习信号出发,判断 SFT、DPO、PPO、GRPO 等方案真正解决什么问题、又引入什么代价。 |

> 本专题已提供中英文版本;后续章节会继续沿用独立的 `Txx` 编号。

---

## 读完这套教程,你应该能做到

- [ ] 拿到一个模糊需求,能问出对的问题,把它拆成明确的约束和质量目标。
- [ ] 听到「我们要做个 X」,脑子里能立刻浮现出几种候选架构,并说出各自的取舍。
- [ ] 能在白板/文档上画出清晰的架构图,让产品、后端、前端都看得懂。
- [ ] 看到一个陌生系统(比如本仓库 `templates/` 里的任何一个),能快速读懂它「为什么这么设计」。
- [ ] 做架构决策时,不再凭感觉或跟风,而是基于约束和取舍,并把理由写下来。
- [ ] *(实战篇)* 对着陌生系统或模板,能完整走一遍「读懂 → 设计 → 演进 → 迁移」。
- [ ] *(AI 协同篇)* 能把架构约束写给 AI、审查其产出,并在原型与生产之间选对协作方式。
- [ ] *(技术栈选型篇)* 能把「用什么技术」写成可复盘的 ADR,而不是凭热度或喜好拍板。
- [ ] *(AI 原生组织篇)* 能判断一个团队如何把 AI 从个人工具升级为共享上下文、工作流、治理和演进机制。

---

## 配合 `templates/` 一起学

教程是「方法」,模板是「案例」。最好的学法是**边学边对照**:

> 读完 [02 思考框架](02-架构师的思考框架.md),就去看 [AI 对话产品模板](../templates/ai-chat-product/README.md),
> 看它的「核心需求与约束」是不是正好对应你刚学的那套拆解方法。

每个模板都按同一套结构写(见 [templates/README.md](../templates/README.md)),所以你越读越快——因为你已经知道该去哪里找「关键决策」和「常见误区」了。

---

## 一个提醒

> 架构没有标准答案,只有在特定约束下「更合理」的答案。
> 这套教程给你的不是结论,是**提问的能力**。
> 当你开始对每一个技术选择都自然地问出「为什么是它?代价是什么?」——你就已经在用架构师的方式思考了。