Awesome Architecture · 架构图谱
一个专注「架构」而非「代码」的开源知识库。 收集真实热门系统的架构模板,并配一套让你成为更好架构师的教程。
English · 简体中文
🌐 在线阅读(可交互 · 中英双语,HTTPS): https://study8677.github.io/awesome-architecture/
🏆 社区关注: 2026-06-08,项目登上 PickGithub Vue 趋势榜当日第 1。
🧭 配套 skill: architecture-copilot —— 把这套知识变成能在 Claude Code / Cursor / Codex 里引导你一步步设计架构的交互式 skill。
这个仓库为什么存在
过去二十年,程序员的核心竞争力是「把代码写对、写快」。
但有一件事正在我们眼前发生:「写代码」这件事,正在消失。 不是变难,也不是变少,而是作为「一门靠人来做的稀缺手艺」正在终结。在 OpenAI、Anthropic 这样的前沿实验室,代码几乎已经全部由 AI 写出,人类工程师不再亲手敲实现——他们只做两件事:告诉 AI 要造什么,然后判断它造得对不对。 当机器几秒就能吐出能跑的代码,"用 for 还是 map、背没背过某个 API、熟不熟某种语法"这些曾经的看家本领,一夜之间一文不值。
真正不会贬值、而且越来越值钱的,是另一种能力:
在动手写第一行代码之前,先想清楚这个系统应该长什么样子。
数据从哪来、到哪去?哪些部分必须强一致、哪些可以最终一致? 哪里会先崩?用户从 1 万涨到 1 亿时,第一个瓶颈在哪? 为了拿到 A,我愿意放弃哪个 B?
这就是架构思维。它和具体语言无关,和框架无关,甚至和今年流行什么无关。它是一种「先看地图,再上路」的判断力。
本仓库的信念:未来优秀的开发者,首先是一个会做架构判断的人,其次才是会写代码的人。 你应该先在架构层面对自己要做的东西有清晰的理解,代码只是把这个理解落地的手段之一。
仓库里有什么
awesome-architecture/
├── tutorial/ 📚 教程 —— 系统地教你「怎么像架构师一样思考」
├── templates/ 🗺️ 模板 —— 真实热门系统的架构地图,只讲架构、不讲语法
└── cases/ 🧪 案例 —— 把具体项目从 0 推到上线,再推到真实压力下
📚 tutorial/ —— 成为更好架构师的教程
不是讲「某个框架怎么用」,而是讲一套可迁移的思考方法:如何把模糊的需求拆成约束,如何在取舍中做决策,如何画出能沟通的架构图,如何从 0 设计一个全新系统。
| 章节 | 主题 | 你将学会 |
|---|---|---|
| 01 | 为什么先有架构思维 | 为什么「架构优先」是这个时代的核心技能 |
| 02 | 架构师的思考框架 | 需求 → 约束 → 质量属性 → 取舍 的通用流程 |
| 03 | 读懂与画好架构图 | 用 C4 模型把脑中的系统画出来、讲明白 |
| 04 | 十大核心架构模式 | 分层、微服务、事件驱动、CQRS… 各自解决什么问题 |
| 05 | 数据与状态 | 为什么「数据」才是系统真正的难点 |
| 06 | 质量属性与取舍 | 性能/可用性/一致性/成本,怎么权衡 |
| 07 | 从 0 到 1 设计一个系统 | 一套可照着做的实战方法论 |
| 08 | 架构决策记录与演进 | 用 ADR 记录决策,让架构随业务长大 |
| 09 | 架构品味 | 框架之外什么在拉开差距;用真实案例(微服务回单体、各大公司审美)养出判断力 |
🚀 进阶篇(10–17,新增)—— 驾驭「做大做关键后才咬人」的硬骨头:
| 章节 | 主题 | 你将驾驭 |
|---|---|---|
| 10 | 分布式系统的硬道理 | 部分失败、无全局时钟、共识的代价、exactly-once 幻觉 |
| 11 | 数据一致性工程 | Saga、Outbox、幂等、事件溯源、CQRS |
| 12 | 为失败而设计·韧性工程 | 级联失败、熔断、舱壁、降载、SLO、混沌工程 |
| 13 | 规模化的力学 | 一致性哈希、热点、多活、尾延迟与扇出放大 |
| 14 | 演进与拆分大型系统 | 绞杀者、并行运行、零停机迁移、拆单体、DDD 限界上下文 |
| 15 | 组织即架构 | 康威 / 逆康威、团队拓扑、平台工程 |
| 16 | 安全与多租户架构 | 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 | vibe coding、非确定性、上下文工程、agentic 硬骨头 |
🎯 实战篇(18–22)—— 把方法落到真实案例,补上「教程 → 模板」之间的桥:
| 章节 | 主题 | 你将练会 |
|---|---|---|
| 18 | 读地图:用框架拆解陌生系统 | 对着 templates/ 逆向读懂「为什么这么设计」;以 RAG / AI 对话产品练眼 |
| 19 | 完整设计演练:中等复杂度系统 | 07 八步从 0 设计「能查单、能退款」的 AI 智能客服(含 token 成本估算) |
| 20 | 演进剧本:MVP 到规模化 | 08 + 演进触发信号,同一个 AI 客服的三段人生 |
| 21 | 拆分与迁移实战 | 14 章案例化: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 | 把客服升级为自主 Agent,落地 17 章三个新约束,引向 AI 协同篇 |
🤝 AI 协同设计篇(23–26)—— 会设计之后,学会与 AI 协作落地与审查:
| 章节 | 主题 | 你将掌握 |
|---|---|---|
| 23 | 规格即架构:约束怎么写给 AI | ADR / AGENTS.md → 可执行护栏,对接 architecture-copilot |
| 24 | 审查清单:AI 产出默认缺什么 | 11/12/16 的生产级 review checklist |
| 25 | 评测驱动:把「够好」写进架构 | eval 当 CI 门禁,承接非确定性 |
| 26 | 协作决策树:何时 vibe、何时 spec-first | 原型 vs 生产的 workflow 总收束 |
👉 新手从 tutorial/README.md 开始,那里有完整的学习路径。
🧪 cases/ —— 把架构从答案写成推理过程
cases/ 不是更多模板,而是把一个具体项目从 0 推到能上线、再推到能扛住真实压力。它补的是 tutorial/ 和 templates/ 之间的最后一段路:模板告诉你「这类系统通常长什么样」,案例告诉你「在这个具体场景里,为什么最后只能这样取舍」。
第一批 6 个核心案例已经收束:
| 案例 | 对应能力 | 主要练什么 |
|---|---|---|
| 01 · StarArena:演唱会抢票系统 | 在线票务 / 电商 / 支付 | 有限库存、虚拟等候室、锁座、支付状态机、对账补偿 |
| 02 · PatchDesk:轻量工单 SaaS | 普通 Web / SaaS 后台 | 模块化单体、多租户隔离、RBAC、Outbox、异步通知、搜索报表演进 |
| 03 · DocuMind:企业 RAG 知识库 | RAG / AI 对话 / 向量数据库 | 文档入库、切块、混合检索、知识图谱 RAG、重排、引用、权限、提示注入、评测 |
| 04 · SyncRoom:实时协同工作台 | 实时通讯 / 协同文档 / 通知 | 长连接、服务端序号、离线补齐、多端同步、OT / CRDT、Presence、通知降级 |
| 05 · FeedStream:内容分发系统 | 社交 Feed / 视频 / 搜索 | 推拉混合、大 V 扇出、时间线收件箱、推荐排序、搜索索引、视频转码、CDN、审核召回 |
| 06 · CodePilot:编码 Agent 平台 | AI Agent / Codex / Claude Code | 工具调用、权限网关、沙箱、人工审批、上下文压缩、检查点、子代理、trace、eval 门禁 |
👉 案例总览见 cases/README.md。读法很简单:不要背图,盯住「起始架构为什么合理」「哪个量化信号逼它升级」「新架构选择了什么又放弃了什么」。
🗺️ templates/ —— 真实系统的架构模板
每一个模板都是一张「架构地图」。我们刻意不讨论用什么语言、什么框架,只讨论:这类系统在解决什么问题、由哪些部件组成、数据怎么流动、关键决策怎么取舍、规模化时会死在哪里。
目前共 25 个模板(16 经典 / 通用 + 5 AI 原生 + 4 AI 编码 / 自治 Agent),每个都在末尾附真实开源项目 / 工程文档链接,可顺着去读源码。
经典 / 通用系统:
| 模板 | 代表产品 | 核心架构看点 |
|---|---|---|
| AI 对话产品 | Claude、ChatGPT | LLM 推理、流式输出、上下文管理、RAG、成本控制 |
| 浏览器插件 | Honey、Grammarly | 内容脚本/后台分离、页面注入、隐私边界、变现 |
| 普通网站 | 企业官网、博客、SaaS 后台 | 经典三层、缓存、读写分离的「够用就好」 |
| 移动 App | 大多数 iOS/Android 应用 | 离线优先、数据同步、客户端状态、推送 |
| 电商平台 | Amazon、Shopify、淘宝 | 库存、订单、支付、超卖、大促洪峰 |
| 社交信息流 | Twitter/X、Instagram | Feed 拉取/推送、关注关系、热点扩散 |
| 视频流媒体 | Netflix、YouTube | 转码、CDN、自适应码率、推荐 |
| 实时通讯 | WhatsApp、Slack、微信 | 长连接、消息时序、离线投递、群扩散 |
| 短链接服务 | Bitly、TinyURL、t.co | 读多写少、缓存、301/302、分布式唯一 ID |
| 支付系统 | Stripe、支付宝、PayPal | 幂等、复式记账、对账、状态机 |
| 搜索引擎 | Google、Elasticsearch | 倒排索引、相关性排序、召回+精排、分片 |
| 网约车 / 出行 | Uber、滴滴 | 地理空间索引、实时位置、供需匹配、动态定价 |
| 实时协同文档 | Google Docs、Figma | OT/CRDT、单 writer 串行、操作日志、离线同步 |
| 云存储 / 网盘 | Dropbox、iCloud | 文件分块、内容寻址去重、增量同步、断点续传 |
| 通知 / 推送系统 | Novu、FCM/APNs | 多渠道扇出、去重限频、异步重试、优先级 |
| 在线票务 / 抢票 | Ticketmaster、大麦、12306 | 虚拟等候室、原子扣减防超卖、锁座超时 |
🤖 AI 原生系统(LLM 时代新增):
| 模板 | 代表产品 / 原型 | 核心架构看点 |
|---|---|---|
| AI 中转站 / 网关 | One API、LiteLLM、Portkey | 统一接口、计费限流、负载均衡、故障转移、缓存 |
| RAG 知识库 | RAGFlow、LlamaIndex、Dify | 切块、向量检索、混合检索+重排、引用溯源 |
| AI Agent / 工作流 | Dify、Coze、LangGraph | 行动循环、工具沙箱、记忆、可控兜底 |
| 模型推理服务 | vLLM、SGLang、Triton | 连续批处理、分页 KV 缓存、量化、多副本 |
| 向量数据库 | Milvus、Qdrant、pgvector | ANN 近似最近邻、HNSW/IVF、召回-延迟权衡 |
🦾 AI 编码 / 自治 Agent(2026 新增,真实在用的 Agent 产品架构):
| 模板 | 代表产品 / 原型 | 核心架构看点 |
|---|---|---|
| Claude Code | Claude Code(Anthropic) | 本地优先编码 agent、子代理/钩子/技能/MCP、双层权限 + OS 沙箱、上下文压缩 |
| OpenAI Codex | Codex CLI + Cloud | 本地 CLI 与云端异步沙箱双形态、沙箱 × 审批双轴、默认断网防注入、自动开 PR |
| OpenClaw(龙虾 🦞) | OpenClaw(原 Clawdbot) | 自托管 Gateway、聊天软件即 UI、心跳 / cron、可插拔 harness、记忆即纯文本 |
| Hermes(爱马仕) | Hermes(Nous Research) | 常驻自我成长、FTS5 持久记忆、自动沉淀技能、cron、多渠道 / 多 provider |
👉 想加入自己的模板? 套用 templates/_TEMPLATE.md 的统一格式即可。
怎么用这个仓库
如果你是初学者 / 想转向架构思维:
按顺序读完 tutorial/,每读完一章,就去 templates/ 里挑一个你感兴趣的系统,试着用刚学的框架去「读懂」它。读到 07 章以后,再进入 cases/ 看完整项目推演。
如果你正要设计一个新系统:
先去 tutorial/07 学方法论,再去 templates/ 里找最接近你场景的那张地图,把它当作起点而不是答案——照着它的「关键决策」和「常见误区」逐条问自己。如果你的场景接近第一批案例,直接对照 cases/ 里的完整推演。
如果你在准备系统设计面试:
templates/ 里的每个模板都覆盖了高频考点(超卖、Feed 扩散、消息时序、流式输出…),按统一格式组织,适合系统性复习。cases/ 更适合练「从需求一路讲到取舍」的完整表达。
如果你是资深工程师 / 架构师: 直接看每个模板的「关键决策与权衡」和「演进路线」,这是最浓缩的部分。欢迎贡献你踩过的坑。
三条阅读原则
- 先问「为什么」,再看「怎么做」。 任何一个架构选择,背后都是某个约束或某个取舍。看不到取舍,就等于没看懂。
- 没有最好的架构,只有最合适的架构。 同样是「聊天」,做一个内部工具和做微信,答案天差地别。规模、团队、成本、合规决定一切。
- 架构是会长大的。 不要拿成熟期的架构去套 MVP。每个模板都给了「演进路线」,告诉你什么时候该升级、什么时候过度设计。
一句话总结
代码告诉计算机要做什么;架构决定这件事到底值不值得做、能不能做成、扛不扛得住。 这个仓库,帮你练后面那种判断力。
⭐ Star 历史
如果它帮到了你,点颗 Star 就是对它最好的鼓励。
🔗 友链
- LINUX DO —— 新的理想型社区,一群热爱技术、乐于分享的开发者聚集地。