study8677/awesome-architecture: +26 stars this week

Rank of study8677/awesome-architecture in each topic for today, this week and this month
Topic	Today	This week	This month
Coding agents topic	–	#677of 727	#846of 1108
LLM topic	–	#788of 897	#945of 1353
AI agents topic	–	#937of 1035	#1160of 1570

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/

📚 社区电子书: 《Awesome Architecture：架构图谱》EPUB 社区学习版 —— 由 @toby-bridges 基于本项目中文内容整理,已由项目作者复核,可在 Apple Books 等 EPUB 阅读器离线阅读;下载、校验值与构建说明见 Issue #33。

🏆 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。

🤖 推荐项目: AgentCode —— 把真实开发任务和 AI PR 审查做成练习场,训练 Agent 时代真正需要的工程交付能力;项目正在 V0 打磨阶段,欢迎 PR 和 Issue 一起共建。

🚀 实测推荐: TeamoRouter —— 非广告,我自己在 Codex、Claude Code 等 AI 编程工具里高强度使用:一个 API Key 接入 Claude、GPT-5.5 等模型,价格很低,而且用起来没有「掺水」的感觉。接入指南见 openrouter-api-key。

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

🧰 技术栈选型篇(27–34)—— 把「用什么技术」变成架构判断:

章节	主题	你将判断
27	编程语言与后端框架选型	语言/框架如何影响运行时、生态、团队和维护成本
28	数据库与存储选型	事实源、读模型、搜索、对象存储、向量库怎么分工
29	缓存、消息队列与事件系统选型	读热点、削峰、事件广播分别该用什么
30	API 与服务通信选型	REST / gRPC / GraphQL / Webhook 的边界
31	云原生与部署平台选型	PaaS、容器、Serverless、K8s 何时值得上
32	可观测性与可靠性技术栈选型	从 SLO 倒推指标、日志、链路、告警和事故流程
33	AI 基础设施技术栈选型	模型 API、RAG、向量库、推理服务、eval 何时升级
34	技术选型决策树	把阶段、失败模式、团队能力、退出方案串成 ADR

🧬 AI 原生组织篇(35–40)—— 把 AI 变成组织级生产流程:

章节	主题	你将判断
35	AI 原生组织架构	为什么“人人用 AI”不等于组织 AI 原生
36	超级个体与超级团队	人才密度、AI 杠杆和组织摩擦如何共同决定竞争力
37	共享上下文架构	PRD、ADR、任务、trace、复盘如何成为人和 Agent 的共同事实源
38	AI 工作流架构	个人 prompt 如何沉淀成模板、Skill、Flow 和 Golden Path
39	责任与治理架构	Owner、权限、审批、审计和激励如何防止 AI 失控
40	AI 原生组织演进路线	从 3–5 人试点走到多小队复用和组织级 AI 操作系统

专题入口见 AI 原生组织 / 流程架构专题入口,它是 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–,中英双语)—— 独立于正式 01–40 章:

章节	主题	你将判断
T01	训练方案不是算法排行榜：先把决策分层	从目标、任务、数据和学习信号出发,判断 SFT、DPO、PPO、GRPO 的适用条件与系统代价

👉 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 31 个模板(16 经典 / 通用 + 5 AI 原生 + 4 AI 编码 / 自治 Agent + 1 系统提示词架构 + 5 工业 / 嵌入式),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

📜 系统提示词架构:

模板	代表产品 / 原型	核心架构看点
系统提示词架构	Claude Fable 5、ChatGPT、Gemini、Grok、Cursor	分层 Agent OS、决策树路由、Skills 外化、版权/记忆合规、运行时注入

🏭 工业 / 嵌入式系统(2026 新增,软件的错误会变成物理世界的后果):

模板	代表产品 / 原型	核心架构看点
嵌入式设备固件	智能门锁、手环;Zephyr、FreeRTOS	HAL 分层、状态机、看门狗、A/B 双分区 OTA 防变砖
IoT 设备接入平台	AWS IoT Core、涂鸦;ThingsBoard、EMQX	百万长连接、一机一密、设备影子、灰度 OTA
工业边缘网关 / SCADA	工厂数采;EdgeX、OPC UA	协议归一、边缘自治、OT/IT 隔离(Purdue)、受控反向控制
车载电子电气(E/E)	特斯拉、域控;openpilot、AUTOSAR	ASIL 安全隔离、CAN + 车载以太网两张网、整车 OTA、影子模式
机器人系统	扫地机、AGV、无人机;ROS 2、PX4	感知→规划→控制频率分层、独立安全旁路、录制回放、车队管理

👉 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。

🤝 核心贡献者与社区致谢

@h13181278389 —— 核心贡献者。感谢你对 Awesome Architecture 的支持、投入和持续贡献。
@flyw1015 —— 核心贡献者。感谢你对 Awesome Architecture 的支持、投入和持续贡献。
@toby-bridges —— 感谢你将项目中文内容整理成可在 Apple Books 阅读的非官方 EPUB 社区学习版,并提供可复现构建工具、完整校验信息与实机验证,让这套知识更适合离线阅读。