现在 AI 写代码真的是越来越厉害了，一些小的模块让 AI 写，又快又好。慢慢地，对程序员写代码的能力要求会降低，但是对系统架构能力反而会要求更高。而且这部分能力不会轻易被 AI 取代，因为 AI 还不能像人类一样看到一个复杂项目的全貌，无法完整理解项目的业务上下文和约束条件，所以需要人去把任务拆分，一次只执行一个小任务。
那么问题来了，新人要怎么才能提升系统设计能力呢？
作为一个过来人，我觉得提升系统设计能力这事，可能有没有 AI 都差不多，都离不开多看、多练和多复盘。AI 的好处就是可以更方便地帮你查资料，以及更容易地理解项目，但它不能代替你去动手实践。
什么是系统设计？
在讨论如何提升系统架构能力之前，需要先搞清楚：什么是系统设计？
想想看，如果你做一个简单的网页，或者一个小脚本，需要系统架构吗？基本上是不需要的，因为足够简单，有没有架构都能写出来。那如果是要做一个 ChatGPT 这样的应用呢？那是一定要有很好的系统设计的，因为太复杂了！而且一个人也是做不出来的，需要很多人甚至很多团队协作才能完成。
但即使是 ChatGPT 这么复杂的系统，在开发团队工作的每一个人，工作职责并没有非常复杂。比如有的人只负责实现模型的 API 封装、部署，有的人只负责 Canvas 这样的文本编辑组件，有的人只做 iOS 客户端上的某个功能。一个复杂的系统，通过系统设计，把复杂系统层层分拆，变成了一个个小的模块，最终这些模块组合在一起就可以运行起来，让用户可以稳定地使用 ChatGPT 的服务。
所以系统设计，就是把一个复杂的系统拆解成容易理解、容易实现、容易维护的小模块，再清晰地定义好这些模块之间如何相互协作、相互沟通的过程。
通俗点讲，就好像你盖一栋大楼，系统设计就是设计图纸。图纸上详细说明了楼的结构，比如地基、钢筋框架、墙体、管道和电线，明确告诉施工人员每一部分怎么盖，哪些部分先盖，哪些后盖，哪些部件之间是如何连接起来的。
如何做系统设计？
系统设计这件事看起来很神秘，系统架构师似乎都是传奇般的存在，但做系统设计这事也没你想的那么复杂，因为绝大部分系统设计都有成熟的方案可以参考。作为架构师，可以灵活应用成熟的架构模式，一般是不需要去发明新的架构模式的。
但系统设计也没有那么容易，否则人人都是架构师了。系统设计难在哪呢？
• 要充分理解需求和团队：我把理解需求和团队放在了第一位，因为系统设计是为需求服务的，你不理解需求做出来的设计那可能都是错的；同时系统设计要和组织架构匹配，毕竟你的系统设计出来，还是需要团队去实施的。如果你就两三个人整几百个微服务显然是有问题的，反过来你几百个人的团队还是单体应用也可能是有问题的。 • 要面对不确定性：系统设计不像写代码是一个确定性很强的事，代码模块的输入和输出都是固定的，只要去实现算法就好了。但是系统设计面对的是不确定性：需求不确定、未来的发展不确定、技术选型的影响不确定。你需要在这种不确定中做出相对稳健的决策。 • 要权衡取舍：在系统设计中，几乎不可能有绝对完美的方案，通常都是在多个选项之间权衡。例如要兼顾性能和成本、扩展性和开发复杂度、安全性和用户体验等等。这就要求设计者能做出合理的决策，并理解每个选择背后的得失。举个例子，选择微服务架构可能带来更好的扩展性，但也会增加运维复杂度和网络开销。 • 要沟通说服：系统架构不仅仅是给自己看的，更重要的是要让团队的所有成员都理解你的设计，甚至是非技术人员也能大致明白整体结构。这需要架构师具备良好的文档编写和表达能力，用清晰的语言、图表、流程来传递设计意图。不仅如此，在做系统设计时，并不是你做个设计别人就能认同的，你需要去说服别人认同你的设计，有时候也必须做出一些妥协。
当然到了 AI 时代，有些地方还是有些改善的。比如你资源不够就可以用 AI 凑，不善于表达就让 AI 帮你写原型写文档，不知道如何取舍就用 AI 分别实现一套 POC（概念验证），再对比看效果。
新人如何提升系统设计能力？
系统设计并没有快速通道，更多的是长期积累的过程，这个时间通常是以年计的。总结下来关键是三点："多看"、"多练"和"多复盘"。
"多看"：积累架构模式
就是学习经典的架构案例，知道有哪些架构设计的方法。网上有很多系统设计面试题和分析，都是很好的学习素材。另外还可以看开源项目，看看复杂的开源项目是怎么运行的，多关注：
• 这些系统是如何拆分功能模块的？ • 模块之间又是如何通信的？ • 为什么他们选择了某种特定的技术或架构方案？ • 在实际中遇到了哪些挑战，又是如何解决的？比如微博是怎么 8 明星并发出轨的？
推荐一些学习资源：
• System Design Interview Alex Xu 写的这本系统架构设计面试书，系统地介绍了常见的架构模式 • High Scalability 网站，收录了大量真实系统的架构案例 https://highscalability.com/ • 开源项目如 Kubernetes、Kafka、Elasticsearch 的架构文档
"多练"：从模仿到创新
除了理论学习，更重要的是主动去练习。系统设计这种事，哪怕你像 AI 一样训练了所有公开的系统设计方案，但你不试试仍然不会知道它们在不同的应用场景下的优缺点是什么。就像微服务从来不是个技术问题，而是一个和组织架构相关的问题。
新人的话，最好是从模仿开始，先照葫芦画瓢，然后再去按照自己的思路去改进。
一些你可以练习的方式：
1. 架构还原练习：选择一个你熟悉的系统或产品，试着去拆分架构，画出架构图；写下每个模块的功能定义，明确模块之间如何通信；再去找懂这个系统的人请教对比。 2. 对比学习：去看看类似功能的开源系统，看设计方案有什么不同，各自的优缺点是什么。比如对比 Redis 和 Memcached 的架构差异。 3. 设计先行：在做一个相对复杂的功能时，先去做一下设计再开始写代码。哪怕是个人项目，也要画架构图、写设计文档。 4. AI 辅助验证：尽可能把要实现的模块，用自然语言描述清楚，让 AI（推荐 Claude、Gemini、DeepSeek 等模型）去实现，看结果和你期望的差距在哪里。如果不是你想要的，去反复调整你的描述或者继续分拆，直到 AI 能实现你想要的效果。这个过程其实是在训练你的模块化思维。 5. 重构现有系统：去重构现有系统，在稳定性、代码重用、性能这些方面去改进。重构的过程会让你深刻理解原有设计的问题。 6. Side Project 实战：去做 side project，先尝试基于开源项目二次开发，再尝试从头搭建一套相对复杂一点的系统。比如做一个简化版的分布式消息队列、一个迷你版的容器编排系统。
只有在真实项目中踩坑、解决问题，你才真正能理解系统设计中各种取舍的意义。
"多复盘"：从经验中提炼智慧
每次做完项目或者完成一段设计后，都要回顾总结一下过程：
• 当初做决策的依据是什么？这些决策后来验证效果如何？ • 如果再做一次，哪些地方会做不同的选择？ • 遇到的困难和挑战是什么？分别是如何克服的？ • 是不是有更好的技术或架构选择当时被忽略了？ • 团队成员的反馈如何？他们是否理解并接受了你的设计？如果不接受，原因是什么？
复盘是让你从具体实践中提炼出通用方法论的重要环节。只有反复总结和不断优化，你的系统设计能力才能逐渐提高。
AI 时代更要用好 AI 帮你提升系统设计水平
在学习系统设计的过程中，AI 虽然无法替代你完整地设计架构，但可以成为你提升能力的重要工具，助你快速成长：
• 快速查资料与案例：让 AI 帮你迅速搜集和整理系统设计的案例与最佳实践，大大节省学习成本。比如你可以问 AI："给我解释一下 Circuit Breaker 模式在微服务中的应用场景"。 • 辅助实践：你可以把自己设计的模块先让 AI 尝试实现，以检验你的设计思路是否清晰合理，从反馈中不断优化设计。这就像有了一个永远在线的结对编程伙伴。 • 辅助沟通：你可以先把复杂的设计和思路告诉 AI，由 AI 帮助你简化表达，生成易于团队沟通和理解的文档。甚至可以让 AI 帮你生成架构图的描述文本。 • 辅助决策：当你在不同架构方案间犹豫时，让 AI 帮你分析每种方案的优劣势和适用场景，帮助你快速做出选择。AI 可以快速给你列出各种方案的 trade-off。 • 模拟场景：你可以让 AI 模拟不同的故障场景，帮你思考系统的容错设计。比如"如果数据库挂了，我的系统会怎样？"
架构设计能力的提升关键还是在人，而 AI 则能帮助你更高效地学习、更快速地试错和迭代，加速你成为合格系统架构师的步伐。
写在最后
原本只是打算简单写写的，不小心还是扯多了。没办法，系统设计这种事是真的没什么捷径好走，只有坚持学习。当然方法得当还是能加速一点。
在 AI 时代，架构师的价值不是被削弱了，而是被放大了。因为 AI 让实现变得更容易，所以设计的好坏会更加明显地影响最终结果。一个好的架构设计，配合 AI 的实现能力，可以让你的生产力提升十倍甚至百倍。
希望你早日掌握好架构设计，不用担心被 AI 替代，反而可以利用系统设计能力让 AI 更好地为你效力。毕竟，AI 再厉害，也需要有人告诉它要造什么样的房子，不是吗？
