软件设计的本质，是在变化的世界中建立可理解、可演化的秩序。 它连接需求与解决方案，用模型对抗混乱，用结构控制复杂性。
软件设计的核心工作，就是构建模型，用模型连接"问题空间（需求）"与"解空间（实现）"， 并通过规范去约束实现，以在变化中保持系统的可控与稳定。
软件设计就是战略编程的体现——它不只是写代码，而是构建"可长期生存的系统"。
设计原则是指导设计的经验总结，设计模式是问题导向的一系列方案或者设计思路，编码规范是实现可读性的约束手段。通过设计原则的指导，使用设计模式，经过编码规范约束并配合重构，保证代码的可读性、扩展性、可复用性，最终实现高内聚、低耦合的模块或系统
复杂性不是敌人本身，而是失控的结构。 设计的意义，在于让复杂性有序地分布。
复杂性的表现可以从四个维度感知：
结构维度——系统内部耦合的外显
认知维度——理解成本的外显
时间维度——系统随时间退化的外显
协作维度——团队效能的外显
理解复杂性的来源，首先需要区分两类性质不同的复杂性：
设计的核心目标，是消除偶然复杂性，接受本质复杂性。偶然复杂性的主要来源：
复杂性无法被彻底消除，它只能被转移——从调用方转移到模块内部，从接口转移到实现，从不可控的位置转移到可控的位置。设计的本质，是让复杂性在最合适的地方被承担。
深模块原则：最理想的模块，是接口简单、实现丰富的"深模块"——对外暴露简单的契约，对内隐藏大量复杂决策。浅模块则相反，接口与实现一样复杂，调用方获得的抽象收益极低。
深模块：简单接口 ＋ 复杂实现 → 复杂性被封装在内部
浅模块：复杂接口 ＋ 简单实现 → 复杂性泄露给调用方
不同粒度下，降低复杂性的思路各有侧重：
这些思路并非独立策略，而是同一个核心原则在不同粒度上的体现：让边界内的决策对边界外不可见。
一切优秀的软件设计，都是在不断回答两个问题： "这部分应该知道什么？"、"这部分不该知道什么？"
不同的复杂性来源，需要不同的手段来对抗。没有万能的单一策略，而是一套相互配合的工具集。
通过分解问题，让每个模块只关心自己的责任。这是一切结构性设计的起点，直接对抗依赖过多与关注点交织。
实现方式：模块化与封装、单一职责、分层架构、清晰边界定义。
每个模块应封装部分知识与决策，让这些细节只存在于内部实现中，而不出现在外部接口。模块间依赖的是抽象，而非细节，从而减少耦合、增强稳定性。
信息隐藏是关注点分离的实施机制——分离回答"边界在哪里"，隐藏回答"边界内藏什么"。
抽象是信息隐藏的表达形式，是一种隔离机制。越抽象的接口代表模块越"深"，能隐藏更多复杂性，让模块变得"可替换、可演化、可理解"。
三者的层次关系：
关注点分离 → 确定边界（分什么）
信息隐藏 → 封装决策（藏什么）
抽象 → 暴露接口（露什么）
不变性直接对抗可变状态扩散。当数据不可变时，行为不再依赖时序，推理负担从"运行时状态"退化为"静态结构"。函数式编程以此为核心原则，其本质是用约束换取可预测性。
将隐式假设、隐式依赖、隐式状态变为显式。直接对抗语义模糊与未知的未知。
相似的问题用相同的方式解决。一致性本身不减少代码量，但通过建立可迁移的心智模型，大幅降低认知负荷——读者在一处学会的模式，可以直接复用到其他地方。
最彻底的手段：不存在的代码没有复杂性。删减直接对抗偶然复杂性，是 YAGNI 原则的本质——不要为假设中的未来需求，在今天引入真实的复杂度。
设计原则是从无序到有序的经验总结，是控制局部复杂性的策略。
| 原则 | 含义 | 核心思想 |
|---|---|---|
| SRP 单一职责 | 每个模块只对一个行为负责 | 控制变更范围 |
| OCP 开闭原则 | 对扩展开放，对修改关闭 | 以抽象隔离变化 |
| LSP 里氏替换 | 子类可替代父类 | 保持行为一致性 |
| ISP 接口隔离 | 不依赖无关接口 | 控制依赖扩散 |
| DIP 依赖反转 | 依赖抽象而非实现 | 控制依赖方向 |
| LoD 迪米特法则 | 只与直接协作者交流 | 封装传播半径 |
这些原则共同形成一个目标：以抽象对抗变化，以接口维持秩序。
任何一个软件模块都应只对某一类行为负责，修改一个类的原因应该只有一个。
主要讨论函数与类的关系。当一个类承担过多职责时，不相关的函数会聚集在一起，此时应将这个类分解，让每个子类专注于单一职责。
设计良好的软件应该容易扩展，同时禁止修改已有代码。
目标是将旧代码的修改量降至最小，限制变化的范围。在繁杂的业务代码中，应编写可适应未来情况、能以软编码方式变更业务逻辑的代码。实现方式是通过接口反转组件间的依赖关系，使高层组件不会因低层组件被修改而受到影响，并通过中间层隔离高层组件对低层细节的直接依赖。
一个软件实体如果使用的是某个基类，那么它一定也可以使用其子类，且无法察觉出基类对象与子类对象的区别。
animal.run(); → cat.run();
若不满足此原则，各子类的行为差异会增大继承体系的复杂度。LSP 是指导接口与其实现方式的核心设计原则。
对模块来说，与它无关的接口发生变更时不应该影响到该模块；不应该强迫客户依赖它们不用的方法。
使用多个专门的接口比单一的总接口更合理。软件设计如果依赖了它并不需要的东西，会引入不必要的耦合，带来麻烦。
高层模块不应该依赖于低层模块，二者都应该依赖于抽象；抽象不应该依赖于细节，细节应该依赖于抽象。
想要设计一个灵活的系统，应多引用抽象类型而非具体实现——接口相比实现更为稳定。该原则主要关注系统中那些经常变动的部分，通过依赖抽象隔离变化的传播。
一个模块只应与它的直接协作者交流，不应深入了解协作者的内部结构。典型的违反形式是链式调用 a.getB().getC().doSomething()——调用者不仅依赖了 B，还隐式依赖了 B 的内部结构 C，任何一层的变动都会沿链向外传播。LoD 的本质是封装传播半径：让变化在模块边界处自然消失，而不是蔓延到无关的地方。
五个原则不是孤立的规则，而是相互依存的系统，共同指向同一个目标：
这些原则塑造了微观层面的"理性结构"，是代码世界的行为准则。
模块化与分层，是人类应对认知边界的本能策略。 当一个系统复杂到无法整体理解时，唯一的出路是：建立边界，让局部可以被独立理解。
模块的本质不是代码单元，而是认知边界。一个好的模块，让人在完全不理解其内部的情况下，仍然能对它的外部行为做出正确推理。
模块的价值不在于"拆分了代码"，而在于"减少了理解一件事所需要知道的其他事"。模块边界越清晰，局部可理解性越强，系统的整体认知负荷就越低。
分层的本质是抽象的跃迁。每一层都应该提供一种新的语言——让上层能用更少的概念表达更多的意图，而无需感知下层的细节。
层次失败的信号，往往不是"层数不够"，而是"抽象没有发生"：上下层之间只是换了个名字，而非换了一个思考维度。真正的层次，意味着跨层后理解问题所用的词汇发生了质的变化。
分离与合并，是模块化设计中永恒的张力：分离降低了局部复杂性，却引入了协调成本；合并减少了协调，却扩大了理解范围。
这个张力没有正确答案，只有有意识的选择。判断边界位置的依据，不是代码量、不是技术归属，而是变化率：把变化率相同的事物放在一起，把变化率不同的事物隔开。边界的正确位置，就是变化不再跨越的地方。
当软件规模扩大到无法在一个脑中完全装下时，设计的重心从函数与类上升为组件与依赖图。
模块解决"如何理解局部"，组件解决"如何演化整体"。组件是可独立部署与演化的最小单元——既是技术边界，也是组织边界。
组件内部的聚合，本质仍是变化率问题，只是升维到了发布与复用的粒度。
三者相互制衡——没有哪一个可以单独最大化，聚合的决策始终是在变化隔离与复用便利之间寻找平衡。
组件之间的依赖不是对称的。SDP（稳定依赖原则） 要求依赖应从不稳定流向稳定——一旦逆转，稳定的部分就会被不稳定的变化所拖累。
稳定性与抽象程度天然协同，这正是 SAP（稳定抽象原则） 的核心：抽象不依赖实现，因此抽象的组件更稳定；具体实现随需求变化，因此具体的组件更不稳定。依赖的方向，也是抽象程度递增的方向。
组件的依赖关系构成一张有向图，这张图是系统稳定结构的投影。ADP（无依赖环原则） 要求这张图必须无环：有环意味着变化无法被边界拦截，会扩散到整个环；无环意味着稳定性可以沿依赖方向单向传递，变化有边界可守。
稳定性不是不变，而是在变中保持秩序。
兼容性的本质，是对"已有依赖方"做出的承诺。系统对外建立的契约存在于三个层次：
维护兼容性，就是在演化时不单方面撤销这些承诺。技术手段（版本号、接口保留、数据迁移）都只是承诺的实现方式，根本在于有意识地管理契约边界。
演化性是系统吸收变化而不腐化的能力。系统腐化的本质不是"代码变旧"，而是变化的压力找不到合适的出口——每一次修改都不得不触碰不该触碰的地方，技术债就在这种摩擦中持续累积。
演化弹性来自设计时预留的"变化通道"：边界清晰的模块可以被替换而不影响外部；稳定的接口允许实现在背后悄然更迭；依赖抽象而非具体，让方向性的变化不必波及全局。
演化性不是一次性注入的属性，而是在持续反馈与重构中维护的结果。优秀的架构师不追求"设计不需要改变的系统"，而追求"系统在需要改变时知道往哪里改"。
软件设计正在经历一次重心的转移：从记住正确答案到建立正确的推理方式。
模式与规则在问题稳定时有效；当技术环境快速变化、问题的边界持续漂移时，模式会失效，而第一性原理的推理能力不会。设计的未来，不是积累更多模式，而是建立更准确的心智模型。
框架与 DSL 的本质，是将设计的表达层从"如何实现"上移到"想要什么"。约定优于配置、声明式优于命令式——这不只是编程风格的演进，而是设计语言本身的抽象跃迁。当实现细节被框架吸收，设计者得以在更高维度思考系统的边界与意图。
测试不只是验证，更是设计的反馈机制——可测性暴露耦合，测试的痛苦往往是设计问题的信号。但"可测"不等于"设计良好"：测试可以确认边界是否清晰，却无法告诉你边界是否在正确的位置。
重构是设计在时间维度上的延续——不是修正错误，而是用更深的理解更新已有的决策。
好的设计决策来自多方案的对比，而非对单一方案的深度优化。比较不同的结构，才能真正理解某个选择的代价与收益。多次设计的价值，不在于找到"最优解"，而在于揭示不同选择之间的本质权衡。
AI 可以生成代码，但生成的是实现，不是设计。当实现的成本趋近于零时，判断力成为稀缺资源：什么边界是正确的？什么依赖是危险的？什么抽象是稳定的？这些问题 AI 无法代劳，因为它们没有唯一答案，只有对复杂性、演化方向、组织协作的综合判断。
AI 辅助设计带来的不是设计者的消亡，而是设计者角色的前移——从写代码的人，转变为定义问题边界、评估方案取舍、维护系统认知模型的人。设计能力的核心，正在从"知道怎么做"转向"知道为什么这样做、以及什么时候应该做不同的选择"。
软件设计这门学科，始于一个古老的张力：人类的认知能力是有限的，系统的复杂性却可以无限增长。设计，是人类在这个张力中寻求秩序的方式。
这篇文档走过的路，是同一种思维方式在不同粒度上的展开：在代码层，通过原则控制局部的混乱；在模块层，通过边界让局部可以被独立理解；在组件层，通过稳定性的方向让整体可以持续演化；在时间维度，通过兼容性与演化弹性让系统在变化中存活。
这些不是独立的策略，而是同一个核心洞察的投影：把复杂性从不可控的位置，转移到可控的位置。
设计不追求消除复杂性——本质复杂性是问题本身的一部分，无法被设计掉。设计追求的，是让复杂性在正确的地方、以正确的形式被承担：在深模块的内部，在稳定的依赖方向里，在清晰的边界之内。
在 AI 时代，这一判断力变得尤为关键。当实现的代价趋近于零，"如何做"不再稀缺，"为什么这样划分边界、为什么这样安排依赖"成为不可替代的能力。软件设计的核心——在不确定中做出有意识的选择——正在成为人类在工程中最后的、也是最根本的贡献。
好的设计，让每一个边界都有理由存在， 让每一次变化都知道往哪里发生， 让系统在时间的侵蚀中，仍然保持可以被理解的形态。