都monorepo了,还有必要搞微服务吗?

之前一篇文章聊了monorepo,发出去之后不止一位朋友问到一个很有意思的问题:

"既然你把所有服务都放到同一个代码库了,那还有必要搞微服务吗?直接单体不就完了?"

我当时的第一反应是:当然有必要。

但转念一想,这个问题其实不简单。它背后藏着一个很常见的认知混淆——很多人把"代码放在哪"和"系统怎么跑"当成了同一件事

这篇文章就来聊聊这个。

一个类比

先打个比方。

你家有个大书架,所有书都放在上面。这是monorepo——一个统一的存放位置。

但你读书的时候,不会把所有书摞在一起同时翻吧?你会一本一本地读,每本书有自己的主题、自己的节奏。这就是微服务——独立运行、独立部署的服务单元。

书架解决的是"东西放哪"的问题。分开读解决的是"怎么消化"的问题。这两件事从来就不矛盾。

Uber就是个活生生的例子。他们的Go monorepo[1]里装着2200多个微服务[2],70000多个手写的Go文件,每个月大约10000次commit。所有代码住在同一个仓库里,但在运行时,这些服务各自独立部署、独立扩缩容。

而在此之前,Uber用的是polyrepo,也就是每个微服务一个独立的代码仓库。这是业界最常见的做法,也是很多人以为微服务"必须"采用的方式。但polyrepo带来了依赖版本各自为政、共享库升级困难、跨服务重构需要同时在几十个仓库提PR等一系列问题。最终Uber选择了合并到monorepo,微服务一个没少,但代码管理的效率大幅提升。

Monorepo管的是代码的组织方式。微服务管的是运行时的架构方式。它们是两个正交的决策,解决的是完全不同的问题。

微服务到底在解决什么

那微服务到底在解决什么问题?为什么不能"直接单体"?

Sam Newman在《微服务设计(第2版)》[3]里给微服务下了一个很精炼的定义:围绕业务领域建模的、可独立发布的服务。注意,"独立发布"是定义的核心,不是"小",不是"分库",不是"用REST通信"。


顺着这个定义往下想,微服务到底在解决什么?我觉得至少有四个理由。

第一,认知负载。

一个系统刚开始构建的时候,单体挺好的。代码量不大,团队也小,一个人脑子里能装下整个系统的全貌。

但系统会长大。功能越加越多,模块之间的依赖越来越复杂,代码库从几万行变成几十万行。到了某个临界点,没有任何一个人能完整理解整个系统了。你改了订单模块的一行代码,不确定会不会影响到库存、支付、甚至推荐系统。每次改动都像在拆炸弹。

这时候你需要拆分。不是因为技术上必须拆,而是因为人脑的认知带宽是有限的。微服务的第一个价值,就是把一个超出认知负载的大系统,切成若干个人脑能装得下的小系统。每个团队只需要深入理解自己负责的那个服务,而不是整个系统。《微服务设计》里有一个很好的提醒:衡量服务大小的正确问题不是"多少行代码",而是"一个团队能拥有和运维多少个服务"——这本质上就是认知负载的问题。

第二,弹性需求。

不同的业务模块对系统弹性的要求是不一样的。

还是拿电商举例。商品目录是读多写少的,大促的时候流量可能是平时的几十倍,需要大幅扩容。下单服务的流量也会涨,但没那么夸张。而物流跟踪?大促期间反而没什么压力,压力在大促之后。

如果这些模块都在一个单体里,你要扩容就只能整体扩容——哪怕只有商品目录需要更多资源,你也得把整个应用多部署几份。这就像因为客厅太热就给整栋楼开空调。

拆成微服务之后,你可以按需扩缩容。商品目录扛不住了,单独给它加实例。下单服务不需要那么多资源,就少给一点。在资源有限的现实世界里,这是最经济的方案。

第三,独立的发布节奏。

不同的团队有不同的发布频率。

订单团队可能一周发三次版,因为业务需求变化快。支付团队可能两周才发一次,因为每次变更都需要严格的合规审查。物流团队可能一个月发一次,因为他们对接的外部系统更新很慢。

在单体架构下,所有人的发布节奏被绑在一起。订单团队改完了想发版,但支付团队的代码还没测完,只能等。支付团队测完了想发版,但物流团队刚提交了一个有bug的commit,又得等。

这种"发布火车"模式,在团队规模小的时候还能凑合。一旦团队多了,协调成本会指数级增长。微服务让每个团队拥有自己的发布节奏,你的快不会被我的慢拖住,我的慢也不会被你的快催命。Sam在书里反复强调,独立部署不应该只是架构图上的理论能力——如果你的架构允许独立部署,那就真正去做,否则它就只是一个摆设。

第四,故障隔离。

单体架构有一个让人头疼的特性:一个模块出问题,可能拖垮整个系统。

商品搜索服务因为一个慢查询把数据库连接池耗尽了,结果下单也不行了,支付也不行了,整个系统一起躺平。这种"一损俱损"的场景,在单体架构里太常见了。

微服务提供了天然的故障隔离边界。商品搜索挂了,下单服务还能正常工作——最多搜索结果暂时不可用,但用户已经加到购物车里的商品照样能买。每个服务都是一个独立的故障域,一个服务的问题不会无限蔓延。

当然,这不是说微服务就没有级联故障的风险。分布式系统有自己的一套故障模式——网络分区、超时雪崩、重试风暴。但至少,你有了隔离的可能性。单体连这个可能性都没有。

那些关于微服务的误解

聊完了微服务的价值,再来说说那些常见的误解。

误解一:"monorepo就是单体。"

这是最常见的混淆。Monorepo是mono-repository,一个代码仓库。Monolith是mono-lith,一个部署单元。一个讲的是代码怎么存,一个讲的是系统怎么跑。

Google的monorepo[4]里跑着成千上万个独立服务。Uber的monorepo里有2200多个微服务。代码放在一起,不代表它们要一起编译、一起部署、一起扩缩容。

把monorepo等同于单体,就像把"住在同一栋楼"等同于"住在同一间房"。

误解二:"微服务就得分库。"

这是上一个误解的镜像。很多团队在做微服务的时候,第一件事就是给每个服务建一个独立的代码仓库。好像不分库就不算微服务似的。

前面提到的Uber就是最好的反例——从polyrepo迁移到monorepo之后,2200个微服务一个没少,但跨服务重构、依赖管理、共享库升级这些在polyrepo时代让人头疼的问题,都大幅缓解了。

分库从来不是微服务的目标。微服务的目标是独立部署、独立扩缩容、独立演进。这些目标完全可以在monorepo里实现——《微服务设计》第七章专门讨论了这个话题,Sam的判断标准很简单:关键约束是"你能不能对一个服务做变更并独立部署它,而不需要部署其他所有东西"。如果能,你的仓库结构就没问题。

误解三:"微服务解决复杂性。"

这个误解最危险。

微服务不会消灭复杂性,它只是把复杂性从一个地方搬到了另一个地方。单体架构的复杂性在代码内部——模块之间的耦合、共享状态的管理、牵一发动全身的修改。微服务把这些复杂性搬到了网络上——服务发现、负载均衡、分布式事务、最终一致性、网络超时、重试策略。

这不是在减少复杂性,这是在转移复杂性。而且坦白说,分布式系统的复杂性往往比单体内部的复杂性更难驾驭——单体里的bug你打个断点就能追踪,但一个请求穿过五个服务之后出了问题,你需要对着分布式链路追踪的瀑布图大海捞针,还得祈祷每个服务的日志级别都配对了。

所以微服务不是用来"解决复杂性"的。它是用来解决前面说的那四个问题的——认知负载、弹性需求、部署节奏、故障隔离。如果你的系统没有这些问题,那拆微服务只会凭空增加复杂性。Sam说得很直白[5]:"搞错了服务边界的代价很高。它会导致大量跨服务变更、过度耦合,总体上可能比单体还糟。"

误解四:"拆得越细越好。"

有些团队一旦决定做微服务,就恨不得把每个函数都拆成一个服务。一个用户注册的流程,拆出来"验证邮箱服务""生成密码哈希服务""发送欢迎邮件服务";我还听说有的团队把CRUD拆成4个服务的……

这就是所谓的nano-service反模式。每个服务小到几乎没有独立存在的意义,但每个服务都带来了完整的运维开销——独立的部署流水线、独立的监控、独立的日志、独立的网络通信。

微服务的"微"不是越小越好,而是刚好能被一个团队独立拥有和运维的大小。这个粒度因组织而异,没有标准答案。但有一个简单的判断标准:如果一个服务不能独立地为某个业务能力负责,它可能就拆得太细了。

其实是个组织问题

写到这里,你可能发现了一个规律:微服务的每一个价值点,最终都指向了组织,而不是技术。

认知负载——是人脑的限制,不是机器的限制。弹性需求——是业务的需求,不是代码的需求。部署节奏——是团队的节奏,不是服务的节奏。故障隔离——是为了让团队能独立对自己的服务负责。

康威定律[6]说得很清楚:系统的架构反映组织的沟通结构。反过来说,微服务的边界,本质上就是团队的边界。Sam在书的最后几章花了大量篇幅讨论组织结构,他的警告很尖锐:如果你花了钱搞微服务架构,却不去改变那种自上而下的命令式组织,你大概率会得到两个世界里最差的结果。

这就是为什么"都monorepo了还要不要微服务"这个问题本身就问错了。Monorepo改变的是代码的存放方式和协作方式,它不改变团队的边界、不改变业务的弹性需求、不改变认知负载的物理限制。这些问题依然存在,微服务依然是回应这些问题的有效架构选择。

甚至可以说,monorepo让微服务变得更好了。在polyrepo时代,跨服务的重构是噩梦,共享库的版本管理是灾难,新人理解系统全貌几乎不可能。Monorepo把这些问题都缓解了——你可以用一个commit完成跨服务的接口变更,共享库只有一个版本,新人clone一次就能看到整个系统的代码。

而在AI Coding的时代,这种互补关系还有一层更深的意义。

我在上一篇文章里聊过Spec-Driven Development——简单说就是先用自然语言写清楚需求spec,再让Coding Agent根据spec生成代码。这套工作方式有一个前提:Agent需要理解跨服务的全局上下文。一个"用户下单"的spec,涉及用户服务、订单服务、库存服务、支付服务,Agent得知道这些服务之间的接口契约、数据模型、调用关系,才能把spec拆分到正确的服务里。在polyrepo下,Agent只能看到当前仓库的代码,它对系统的理解是割裂的。而在monorepo里,Agent可以同时看到所有服务的代码、接口契约、数据模型,甚至那些没写在文档里的隐含约定。Monorepo给了AI一个完整的上下文窗口,让它从盲人摸象变成了俯瞰全局。

不仅如此,monorepo还统一了所有角色的协作界面。UX的设计稿、BA的页面原型、前端代码、后端各个微服务的代码、测试用例、spec,全部在同一个仓库里。Git就是协作协议,commit就是交接。不再有zip包传来传去,不再有"你发我一下最新版"。当AI agent可以通过命令行完成越来越多的事情,这些原本散落在不同平台的工作,正在被收敛到一个统一的上下文里。

所以monorepo和微服务的关系,在AI时代变得更加清晰了:Monorepo解决了微服务的代码管理难题和AI的上下文难题,而微服务解决了monorepo里大系统的运行时治理难题。它们不是替代关系,是互补关系。

所以,什么时候不需要微服务?

说了这么多微服务的好,最后也得说说什么时候不需要它。

如果你的团队只有五六个人,系统的复杂度还在一个人能理解的范围内,业务模块的弹性需求差不多,发布节奏也一致——那单体就挺好的。不要为了"微服务"这三个字去拆分。

Martin Fowler说过一句话[7],大意是:几乎所有成功的微服务架构,都是从一个成功的单体演化而来的。Sam也持同样的立场,他的默认建议是从一个简单的单体开始,在内部做好模块化,等到真正需要的时候再拆出一两个服务试试水。

但请注意,"什么时候不需要"和"以后都不需要"是两回事。AI能帮你写代码,但它不能帮你缩小人脑的认知带宽,不能帮你把一个只需要扩容搜索模块的系统整体扩容的账单变少,也不能帮你协调十个团队在同一个单体上的发布节奏。这些问题是物理性的、组织性的,不会因为有了AI就消失。

所以回到最初那个问题:都monorepo了,还有必要搞微服务吗?

答案是:monorepo让AI看得见全局,微服务让系统跑得动局部。一个管认知,一个管运行。书架和书,缺一不可。

参考资料

[1] 

Uber的Go monorepo: https://www.uber.com/blog/go-monorepo-bazel/

[2] 

Uber的微服务架构: https://www.uber.com/blog/microservice-architecture/

[3] 

《微服务设计(第2版)》: https://book.douban.com/subject/36855388/

[4] 

Google的monorepo: https://research.google/pubs/why-google-stores-billions-of-lines-of-code-in-a-single-repository/

[5] 

Sam Newman的博客: https://samnewman.io/blog/2015/04/07/microservices-for-greenfield/

[6] 

康威定律: https://www.melconway.com/Home/Conways_Law.html

[7] 

Martin Fowler的博客: https://martinfowler.com/bliki/MonolithFirst.html

相关推荐

新书上架 | “韬(τ)定律”有何影响?一文读懂从摩尔定律到韬定律的半导体发展!

而芯片的诞生、迭代、突破,全部依托于半导体材料与技术。:打破硬件、软件、架构的壁垒,实现芯片架构、电路设计、底层软件的一体化协同优化,精准匹配数据运行逻辑,避免数据排队、延迟、阻塞,让芯片运算更高效、更智能。技术,打破传统芯片平铺式的电路布局模式,将平面电路进行立体折叠重构,大幅缩短电路走线长度,减少信号绕路、延迟、卡顿问题,是韬定律最核心的技术突破。:重构芯片之间的总线互联结构,优化多芯片协同运行逻辑,降低芯片与芯片、芯片与设备之间的传输延迟,提升整套设备的整体运行效率,实现全域性能升级。

图灵教育 139

DeepSeek-V4 凭什么连续四周霸榜?

市面上要么是只发论文的学者,要么是只做 Demo 的博主,能两边都站住的人,掰着手指都数得过来。跟着模型学,永远在追尾灯。420+ 人的圈子里,藏着不少跟他一样优秀的人——名校理工背景、自己也在做真东西、对 Agent 工程化有自己的判断、动手能力比嘴上功夫多得多。当 GPT-5.5、Claude 4.5、DeepSeek-V4-Pro 谁都能调,价格谁都付得起——你的产品凭什么不可替代?DeepSeek 能把模型推理压到 27% 算力、KV Cache 压到 10%——它能这么做,靠的也是工程化能力。

图灵教育 107

78岁的马斯克母亲梅耶突然爆火:钢铁侠母亲是怎么炼成的?

但在成为“马斯克的妈妈”之前,她首先是梅耶自己——一个15岁登台走秀的女孩,一个被丈夫家暴了九年的妻子,一个31岁净身出户、带着三个孩子睡地板的单身母亲,一个40岁还拿下第二个硕士学位、60岁全裸登上杂志封面、69岁独占时代广场四块广告牌的传奇女性。从“挣扎与幸存”到“人生由我”,这个名字的变化,恰好就是梅耶一生的缩影。·马斯克最厉害的地方:她把一生过成了一场精彩的冒险,在这过程中培养了三个亿万富翁,拿了两个硕士学位,登上了世界上最著名的杂志封面,但到最后,她最在意的,是自己有没有活得有趣。

图灵教育 186

Claude Code 之父:2026 年我一行代码都没写,编程已被 AI 解决

书中提供了完整的 AI 工程框架,涵盖模型选择与评估、提示工程、RAG 与智能体、微调策略、数据集工程、推理优化及 AI 工程架构等关键环节,帮助开发者在复杂的 AI 生态中做出科学的技术决策。市面上最注重实战的 DeepSeek 教程,围绕 DeepSeek 技术体系展开,系统解析DeepSeek 架构设计、DeepSeek-V3 模型的 MoE 架构与多 token 预测、DeepSeek-R1 模型的思维链与知识蒸馏等核心机制,夯实读者的理论基础。30 分钟快速上手,无复杂部署,零编程基础也能上手。

图灵教育 316

新书上驾 | 史上最大IPO上市,传来大消息!一文拆解马斯克与他的SpaceX!

2025 年,SpaceX 一年完成了 165 次猎鹰 9 号发射(外加 2 次重型猎鹰和 3 次星舰试飞),平均两天就有一次,占了美国全年轨道发射的约 85%、全球的一半左右。马斯克本人当然是绕不开的人物,他的少年经历、性格底色、其他生意,都会作为这条主线的注脚出现,但我尽量不让他的生平喧宾夺主。我相信,哪怕你这辈子永远不会造火箭,这家公司和这群人做事的方式,依然可以让你下次开会、下次做决定、下次跟生活较劲的时候,多一种选择。名员工讲了一段话,里面那句被反复引用的话是「这是我这辈子最棒的日子之一」。

图灵教育 199

新书上架 | 黄仁勋是如何提前十年押注AI,助推英伟达登顶世界之巅的?

无需懂半导体专业知识,也不用懂金融投资门道,只用最直白的语言,讲透英伟达的逆袭发家史、牢牢掌控全球算力的底层逻辑、AI时代的财富密码,以及普通人能感知、能抓住的时代机会。命脉的行业霸主——这一切靠的不是天赋,不是运气,而是日复一日的坚持,是敢于挑战常识的勇气,更是对产品与未来的极致追求。则像成千上万的小学生,拥有数百到数千个核心,单个处理能力有限,但能同时执行海量简单、重复的运算任务,追求高效并行,是。黄仁勋与英伟达的成长历程中,没有一夜暴富的传奇,也没有天降奇迹的幸运,唯有平凡人的坚守与努力,以及。

图灵教育 135

新书上架 | 高维度拆解为什么第一性原理是马斯克成功的秘诀!

但其实,它特别简单,简单到一句话就能说透:撕掉所有“别人说”“惯例”“行业规矩”的标签,直接扒到事情最底层的本质,忽略所有无关的表象,从头开始推导解决方案,不被任何外界因素绑架。不必羡慕别人的光芒,不必焦虑自己的平庸,用第一性原理,深耕自己、专注本质,终有一天,我们都能摆脱迷茫、实现逆袭,活成自己人生的。,不管是节食,还是吃正常的饭菜,不管是撸铁,还是散步,都能减肥。的惯例时,这些传统车企,才恍然大悟,才开始仓促跟风做电动车,但此时,特斯拉已经占据了市场的主导地位,他们再怎么努力,也很难追上。

图灵教育 142

模型每天都在变,但 Agent 的核心设计原则从未过时

从 2025 年秋天到现在,AI 领域早已告别“基座模型内卷”,正式踏入工程落地的深水区——尤其是近期,天翼云“虾王挑战赛”落幕,国产 Agent 在产业场景中实现算力成本减半、效率翻倍的突破,而 Cursor 相关 Agent 误删生产数据库的案例,也让权限控制、安全评估成为刚需。在 1.0 的实践反馈中,也有不少学员在完成系统学习后,将这些原则应用到真实业务中,从单一 Agent 搭建扩展到更复杂的企业级系统,实现了从“能用”到“可用且稳定”的过渡。第一版的好评,是我们前行的动力;

图灵教育 88

一本简史,讲透人工智能 70 年风云人物:天才反目、赌约打脸、孤独坚守,比算法更戳人的是人心

畅销 10 万册,人工智能专家尼克经典之作,全景式解读人工智能,作者以人工智能 70 年的发展为线索,串联起 15 个核心主题与 200 多位重要学者的思想,将人工智能从技术问题延展为一场关于认知与文明的讨论。他带着寥寥几个追随者,在无人问津的角落默默死磕,熬过 AI 最寒冷的几十年,看着身边人一个个放弃,他始终没松口:「大脑就是这么工作的,我不信做不出来。可他们的思想,穿越时空,合二为一,才有了如今 AI 的万丈光芒。,提出「图灵测试」,第一次回答了「机器能不能思考」,从思想层面,给 AI 种下了灵魂。

图灵教育 121

AI好评榜TOP1图书

不管你是身在 AI 行业,还是正在准备进入 AI 行业,我们都推荐你把 AI 工程的学习作为你的第一课。无数位大佬已经强调过,工程思维是如今 AI 工程师最宝贵的品质。本书的每一章都是 AI 应用构建过程中不可或缺的一段流程,整本书覆盖了从 demo 到用户反馈的全流程:从立项选型、理解模型、评估体系,到 RAG、Agent、微调、中文可以翻译为“神作”,每一位 AI 从业者应该阅读。好消息,今天史上最低价格,一直观望的同学可以下单了!、生产架构,AI 应用落地的每一步,书中都讲透了。

图灵教育 93

AI大神Karpathy的学习心法,普通人也能直接抄作业

跟着它,在普通的笔记本电脑上,你就能手搓出一个专属的微型大模型!这本书完美契合了 Karpathy “拒绝死记硬背、追求直觉理解”的教育理念,用海量极其直观的图解,硬生生把大模型的黑盒给剥开了。在 AI 如此强大的今天,遇到难题直接写一段自然语言指令丢给大模型,让它瞬间吐出几百行代码或一套解决方案,这确实极大地解放了我们的脑力,也是不可逆的趋势。如果你认同 Karpathy 的理念,想要真正掌握 AI 时代的铁饭碗,我们为你精选了当前最受读者欢迎,最具极客式学习气质的三本图书—— “AI 三剑客”。

图灵教育 151

AI 圈彻底沸腾!Andrej Karpathy 宣布入职 Anthropic

书中提供了完整的 AI 工程框架,涵盖模型选择与评估、提示工程、RAG 与智能体、微调策略、数据集工程、推理优化及 AI 工程架构等关键环节,帮助开发者在复杂的 AI 生态中做出科学的技术决策。备受关注的大模型“袋鼠书”,全书通过 300 幅全彩插图,以极致视觉化的方式呈现大模型的核心原理与工程实现,覆盖从底层机制、应用开发到性能优化的完整链条。这里给大家推荐几本优质书籍,不管你是 AI 小白、行业从业者,还是单纯想了解大模型的普通人,都能找到适合自己的,帮你快速吃透大模型核心,读懂 AI 圈的底层逻辑。

图灵教育 132

这是一本我读过N遍的顶级好书,推荐所有人都来读!

此外,如果各个行业都用一个套路分析,那么分析有时候会变成蜻蜓点水,看似什么都覆盖到了,却不得要领、抓不住重点。比如,如果分析煤炭行业和新能源汽车赛道都套用一个模板,恐怕很难得出有用的结论——近年来,煤炭行业发展的核心逻辑是供给收缩,而新能源汽车行业发展的关键是产销持续超预期。比如,白色家电行业就显然已经迈入成熟期,在行业巨头的笼罩之下,虽不能说是寸草不生,但最多也就剩下仨瓜俩枣了。或者说,我们无法确定,增速的变动是由于一时的供需错配而出现的波动,还是表明行业已进入产业生命周期的新阶段。

图灵教育 108

新书上架 | 一文看懂黄仁勋与英伟达的崛起之路!

无需懂半导体专业知识,也不用懂金融投资门道,只用最直白的语言,讲透英伟达的逆袭发家史、牢牢掌控全球算力的底层逻辑、AI时代的财富密码,以及普通人能感知、能抓住的时代机会。——砍掉所有非核心项目,收缩团队规模,把仅剩的资金和人力,全部押注在“图形显卡”这一条赛道上,绝不与英特尔、微软正面竞争,只做电脑的“视觉处理器”。没有豪华的办公场地,没有充足的资金,没有强大的后盾,甚至连一台像样的研发设备都没有,三人白天研发,晚上挤在车库里休息,吃着廉价的快餐,日复一日地打磨产品。到几千元的中端显卡,适配主流游戏玩家;

图灵教育 190

豆瓣8.7!一本不得不读的效率神书!值得反复读10遍!

下班回到家,要做饭,要做家务,要看孩子的作业,有老人的还得照顾老人,也常常搞得自己焦头烂额,恨不能多长几双手同时做好件事儿。所以如果了解了前额皮质的特点,就该知道,面对一堆工作、一堆家务,即使再多长十双手也没法能帮你解决好所有的事情,因为我们只有一个任性的“指挥官”,这种情况下,它会罢工。精选14个高频工作场景,运用四幕剧故事形式介绍脑科学知识,以大脑喜欢的方式,告诉你如何用脑科学提升工作效率,帮你科学利用时间,合理分配脑力,轻松高效工作。了解它的优点和缺点,和它做朋友,会让我们的工作学习都事半功倍。

图灵教育 95

概率论别再死记硬背了,聪明人都在用这套方法提分

很多人概率论失分,不是难题不会,而是条件概率老写错、分布函数不会转、正态分布公式记混、做题步骤不规范。不仅可以刷到热门考试题型,还可以沉浸式体验考场,自习室里做一套,真实感受考试做题环境,训练自己的做题思维以及对考试时间的把控。④ 不想再到处找资料的人,大学数学最耗时间的,其实不是学习本身,而是找一堆资料,但还是无法坚持学下去。② 临近期末开始慌的人,不知道重点在哪、不会安排复习节奏的人,很适合用这种同步卷快速进入状态。B 卷更像真正考试会出现的东西,很多人到了后期提不上分,其实是因为只会单知识点做题。

图灵教育 93

如何基于 OpenClaw 打造自己的 Agent 团队

有管数千人的老板,有一个人扛一整条业务线的创业者,有大厂里每天做报表、跟进度的执行层,也有靠 Notion 和 Zapier 把自己武装到牙齿的效率极客。我不想写一本转瞬即逝的“技术指南”或“提示词合集”,我想写的是一份 7×24 数字产线的建造图纸:从第一个 Agent 上岗,到整条产线跑通,中间会踩什么坑、需要建立什么规则。这不是“要不要拥抱技术”的选修课,而是 “你不动,别人动了,你的位置就是别人的” 的生存命题。这种变化是指数级的,先跑起来的产线会像复利一样持续优化,时间越长,差距越大。

图灵教育 625

新书上架 | 一本不得不读的神书!值得反复读10遍!

而不是带着指责的审视。你观察到「我又拖延了」,接下来不是骂自己「真没用」,而是问自己「我为什么会拖?但如果问题的根源不在于「你不够努力」,而在于「你从来没搞懂自己大脑是怎么工作的」呢?所谓觉醒,从来不是一次顿悟,而是一次又一次微小的「看见」——看见自己的大脑、看见自己的情绪、看见自己正在如何生活。换句话说,多巴胺不是一个开关,而是两套平行系统:一套负责「记住该怎么做」,另一套负责「让你想去做」。这种渐进替换,多巴胺系统完全不会反抗,因为你从来没让它「失去奖励」,你只是在悄悄升级奖励的质量。

图灵教育 121

新书上市 | 没有公式,没有术语!16个故事讲透数学的逻辑思维!

在另一个论证中,芝诺指出,这种运动是不可能的,因为一个物体要移动任何距离,都必须先移动这段距离的一半,然后再移动剩余距离的一半,以此类推,永远都必须移动某段剩余距离的一半,因此,永远都不可能移动完剩余的全部距离。在三十年的数学教学生涯中,我收集了许多超凡卓越的学生和数学同人从最陡峭的坡面征服数学高峰的故事:关于他们的攀登,关于他们在山峰上(即便是再低矮的山峰上)看到的风景,关于他们有了新发现的激动时刻,关于他们对未知智慧之美的探索,关于他们对数学证明确定无疑的自信。奇怪的是,他的论证却得出了正确的结果。

图灵教育 132

新书上架 | 普通人如何运用第一性原理?

其实,第一性原理从来不是高深莫测的理论,而是一种“回归本质、从头推导”的思维方式——它能帮你避开跟风模仿的陷阱,摆脱经验主义的束缚,在信息爆炸、竞争激烈的时代,快速抓住问题核心,做出更明智的决策、实现更高效的成长。“大佬专属”,普通人也能掌握运用,它无需高深知识和强大资源,掌握“三步走”核心方法,就能用于日常工作生活,解决问题、提升自己。这部分聚焦“普通人的实战场景”,用。对于我们普通人来说,不需要用第一性原理造火箭、做芯片,只需要用它解决日常的工作、学习和生活问题,摆脱无效努力,实现自我成长,就足够了。

图灵教育 143

惊天反转!“AI 教父”亲手判神经网络死刑,50 多年后它却统治了 AI

但读完《人工智能简史(第3版)》你就会明白:所谓的人工智能革命,从不是偶然的横空出世,而是一群顶级聪明人,在 70 年的时间里,不断争论、不断误判、始终坚持、反复翻盘,一步步摸索、试错,才终于将机器智能的梦想,照进了现实。畅销 10 万册,人工智能专家尼克经典之作,全景式解读人工智能,作者以人工智能 70 年的发展为线索,串联起 15 个核心主题与 200 多位重要学者的思想,将人工智能从技术问题延展为一场关于认知与文明的讨论。同时,基于大量文献与访谈构建的史料体系,使整本书具备难得的厚重感与可靠性。

图灵教育 74

性价比封神,DeepSeek V4 最强使用攻略!

市面上最注重实战的 DeepSeek 教程,围绕 DeepSeek 技术体系展开,系统解析 DeepSeek 架构设计、DeepSeek-V3 模型的 MoE 架构与多 token 预测、DeepSeek-R1 模型的思维链与知识蒸馏等核心机制,夯实读者的理论基础。超牛的 DeepSeek 应用书,作者是 AI 大佬花生,全书涉及 13 大场景,90 个实用案例,7 大技巧,4 大王炸组合,内容涵盖高效办公、副业变现、数据分析、企业级 DeepSeek 使用方案等等。它极大地拔高了廉价模型的上限。

图灵教育 209

260年前,双目失明的欧拉口述了一本“数学圣经”,专治代数看不懂

欧拉的著作数量高达866 部,甚至在他去世后的 50 年,他发表的文章都占据了圣彼得堡科学院出版物的半壁江山。欧拉善于将复杂的问题分解为基本要素,阅读本书,你将会学到顶尖数学家是如何思考问题、理解问题的,跟随他一步步地推导,一切都变得顺理成章。你会发现,正负数、分数、对数,在欧拉的笔下不是抽象的符号,而是很具体的生活中的概念。他被迫用最通俗、最直观、最符合人类直觉的方式,把毕生对代数的理解,一点点讲述给他的助手。从这本书中,读者可以跟随欧拉的耐心教导,从算术到代数,完成一次真正的思维跃迁。

图灵教育 127

黄仁勋一直说的“Token经济学”,到底是什么意思?

它的底层架构演进直接重塑了全球算力的定价权;时代后,算力的交付形态发生了根本性转变,用户不再关心底层显卡每秒能做多少次矩阵乘法,他们需要的是直接的智力产出:一段代码、一篇报告或一个商业洞察。进行二次开发的初创公司,还是将大模型能力嵌入内部办公系统的跨国企业,所有的预算审批、成本核算与调用限额,全部以。)在这里探讨的,是一个由真实电力驱动、由硅基芯片运算、最终产出具有实际商业用途的智力产品的实体经济循环。一种全新的资源想要演化出成熟的商业模式、产业链和国际贸易体系,第一步是找到那个可以被精准计价的锚点。

图灵教育 149

这本两大菲尔茨奖得主都拜服的科普书讲透了数学学习的第一性原理!

如果没有数字,没有圆形和正方形,没有三维空间的概念,没有点和轨迹的概念,没有笛卡儿坐标系,没有距离、速度和加速度的概念,没有直线可以无限延伸的想法,没有概率的概念,没有加法和乘法,没有计算的概念,没有真理和逻辑推理的概念,那么,你周围的世界会突然变得模糊而不稳定,仿佛自己被切除了脑叶。格罗滕迪克认为自己工作的独特之处在于他打破了一个禁忌:“在所有自然科学中,似乎唯有在数学领域,我的所谓‘梦’,或‘清醒的梦’,被施加了一个已存在两千多年的绝对禁令。而我们的世界和生活的数字化,更是将数学的作用无限放大。

图灵教育 81

一万字讲透金字塔原理:这套思考工具,专治嘴笨和脑子乱

我们这个月的获客成本变高了,抖音那边的广告系统更新了算法,然后小红书的达人也涨价了,而且春节假期流量还没完全恢复,再加上我们自己的素材也好久没更新了,所以。这就是金字塔的基本样子。相反,如果你一上来就说结论,万一结果不好,你紧跟着一句「这里有三个原因导致,其中两个可以改、一个是外部的」,反而显得你。如果你读完之后,在一次开会、一次微信、一次和家人的谈话里,感觉到「对方比以前更听得懂我了」——那就是这本书最好的归宿。当你把结论放在最后,听众一边听你讲,一边要记住你前面说的所有铺垫,还要自己去猜结论是什么。

图灵教育 113

看完这本数学书后,彻底整明白了神经网络!!!

例如,一些实验表明,对于你认识的每一位著名演员,你的大脑中都有一个特定的神经元,对他/她在屏幕中的出现做出特定反应(见书后的注释部分)。然而,这种方法也有局限性:尽管脑成像技术的空间、时间分辨率大幅提高,但仍不足以同时追踪、识别所有神经元的活动(比如人脑中用于识别大象的神经元),更不用说在一生的学习过程中追踪这些神经元的活动了。第二层神经元的树突与第一层的神经元相连。但集体来看,大量神经元的组合却能“涌现”出令人难以置信的复杂行为,这些行为不能归因于一个特定的神经元——这些大规模的行为就是我们所说的智能。

图灵教育 67

Agent 开发陷入瓶颈后,我终于读懂了这本大模型神书

这次读下来,觉得提示词不只是要把话说严谨,从工程角度看,更像是建立一套规范,定义输入、边界约束,尤其是结构化输出和校验,输出能遵循特定格式,程序才能更好的处理,对 Agent 来说,后续的链、工具调用等,都依赖稳定的输出。书中介绍的 ReAct 思考框架,是一种“思考、行动、观察”的循环,每一步先思考再执行,根据结果调整下一步操作,这种循环机制把前面的能力都串联起来,让系统完成动态决策和工具调用,从而具备 Agent 的核心能力。当任务需要拆分成多步骤,并且前后结果需要稳定衔接时,就需要用到链了。

图灵教育 357

把人类提前带入基因组时代的“坏小子”去世了

也让“我是谁”、“我可能面临什么风险”、“我能否提前改变未来”这些问题,第一次与一份个人基因组真正联系在一起。它可以提示风险,提供线索,帮助我们更早理解疾病与健康,却无法穷尽一个人的性格、选择、经历与人生。如果你也知道了自己的基因信息,你会更理解过去的自己吗?今天,我们把这篇迟到的公众号首发,献给这位复杂、狂放、极具争议,也无法绕开的基因组时代人物。今天重读这个故事,我们更能感受到Craig Venter留给基因组时代的复杂遗产。遗传学不仅属于实验室,更关乎每个人、每个家庭对生命的理解。

图灵教育 54

DeepSeek 落地看这一本就够了!本地部署、提示工程、智能体开发全覆盖

其开放开源的姿态,极大降低了高性能 AI 技术的准入门槛,证明在有限资源下,依靠工程创新与数据策略,同样可以打造世界一流的 AI 能力,为开发者与企业带来前所未有的机遇。市面上最注重实战的 DeepSeek 教程,围绕 DeepSeek 技术体系展开,系统解析 DeepSeek 架构设计、DeepSeek-V3 模型的 MoE 架构与多 token 预测、DeepSeek-R1 模型的思维链与知识蒸馏等核心机制,夯实读者的理论基础。少样本、思维链、零样本技巧,让输出更准、更稳、更专业。

图灵教育 99
上一篇: DeepSeek 落地看这一本就够了!本地部署、提示工程、智能体开发全覆盖
下一篇: 把人类提前带入基因组时代的“坏小子”去世了
turingbooks
turingbooks 企业官方账号 企业官方账号
博客等级 码龄18年 3687粉丝 · 793原创
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值