Prompt 语宙Prompt 语宙
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
阅读: 这不是微服务或单体的问题,而是认知负荷的问题 [译]
Share
通知 阅读更多
Font Resizer字体
Font Resizer字体
Prompt 语宙Prompt 语宙
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
已有帐户? 登陆
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
认知负荷分布的两个实例
Prompt 语宙 > 强化 AI 学习 > 这不是微服务或单体的问题,而是认知负荷的问题 [译]
强化 AI 学习

这不是微服务或单体的问题,而是认知负荷的问题 [译]

宝玉的分享
最近更新: 2026年5月23日 下午6:28
AI办公效率 AI智能体 AI编程 大模型微调 开源大模型
SHARE
⚡ Prompt 语宙 AI 导读 · 30 秒核心看点
  • 核心观点:架构选择应服从团队可承受的最大认知负荷,而非单体/微服务二选一。
  • 单团队更适合模块化单体;多团队可用微服务划清 API 边界,降低协作摩擦。
  • 优先减少额外认知负担,避免基础设施、流程和技术债把团队拖入低效协作。

明确如何通过理解认知负荷和团队能力来帮助你做出架构风格的选择。

阅读目录
  • TLDR
  • 不要贪多嚼不烂
  • 确定认知负荷的极限
      • 1. 固有认知负荷
      • 2. 额外的认知负担
      • 3. 关于认知负荷的考虑
  • 结论
  • 关于我

TLDR

  • “不要仅在单体架构和微服务架构之间选择,更重要的是根据团队能承受的最大认知负荷来设计软件。”

  • 如果你的组织只有一个团队,那么应考虑调整架构以适应团队的能力。优先选择单体、紧密联系、模块化的架构。

  • 如果你的组织有多个团队,可以考虑采用微服务或类似的架构,以便各团队能够独立工作。

  • 认知负荷并非都相同。不同类型的认知负荷会影响团队交付高质量成果的能力。组织应该尽力减少或消除内部和外部的认知负荷,确保团队主要面对与工作直接相关的认知负荷。

  • 单个团队与多团队架构的沟通边界差异很大。单个团队更适合通过代码库、文档、讨论和设计会议进行沟通。而多团队架构则更适合通过精心设计的 API(或库)来沟通,这些 API 可以简化他们各自领域的复杂性。

不要贪多嚼不烂

这篇文章的灵感来源于我正在第三次阅读的书籍《Team Topologies》中的一句话:

“不要仅在单体架构和微服务架构之间选择,更重要的是根据团队能承受的最大认知负荷来设计软件。”

我非常喜欢这句话,因为它不仅提供了一个关于选择什么样的架构的实用法则,还智慧地提醒我们不要过度野心勃勃。

因此,在选择任何类型的架构之前,你需要考虑的是,你的组织能承受多大的认知负荷来满足你想交付的产品的需求,然后进行相应的调整。

但是,如何确定认知负荷的能力呢?所有认知负荷真的都是一样的吗?让我们一起探讨这个问题……

确定认知负荷的极限

让我们探讨一下由心理学家 John Sweller 提出的三种认知负荷类型。了解这些类型将有助于我们构建更贴合用户认知能力的软件架构,并合理分配工作负荷:

认知负荷分布的两个实例
认知负荷分布的两个实例

1. 固有认知负荷

这是指团队在其负责领域的专业知识程度。比如,如果你的团队负责一个机器学习视觉项目 (ML vision project),但团队成员中没有人具备 AI 经验,他们最初的固有认知负荷将非常高,因为他们需要学习这一新领域。理想情况下,团队应该处理既符合他们专业知识又留有成长空间的领域,以保持工作的吸引力。适度的固有认知负荷是有益的,因为工程师喜欢提升技能,但过多则可能导致项目延误和交付高质量成果的压力。

单一团队

虽然一个团队可能跨多个功能领域并具有广泛专业知识,但这种跨领域能力是有限的。如果团队在实现目标所需的技能上存在明显差距,应考虑提供必要的培训和时间,帮助他们赶上进度。

如果你的项目需要在过多领域中具备过多专业知识,就有可能将团队变成各自专精于不同领域的个体,这样可能会降低他们作为团队合作时的成果质量。

多个团队

有多个团队意味着可以将不同领域分配给更多人,同时也提供了更多专业知识范围的选择。作为一个组织,你可能会考虑采取减少固有认知负荷的策略,例如每个团队负责不超过一个复杂领域,并提供培训或设有辅助团队,帮助其他团队在特定领域提升技能。例如,一个 SRE (Site Reliability Engineering) 团队可以帮助其他团队理解服务水平目标 (SLOs) 和一般的可观测性 (observability)。

建议

  • 如果你只有一个团队可用于你的项目,而他们的专长与问题不符,可以考虑通过培训提升团队能力。

  • 不要让单个团队承担太多领域的任务,以免他们变成无法协同工作和集体学习的个体。

  • 拥有多个团队使你可以增加软件架构的范围,引入更多专业知识。正确匹配每个领域与相应团队,并在必要时通过培训或辅助团队来提升他们的技能。

2. 额外的认知负担

这部分涉及团队所做的一些工作,虽然它们不直接对工作成果有所贡献,却不得不去做。额外的认知负担可能因多种原因产生,很多时候这些问题不易避免或修复,从而影响到整个公司。比如,一个团队不得不处理繁琐的基础设施任务、公司流程、琐碎的杂项工作(yak shaving)、等待其他团队处理相关事务、以及公司范围内积累的技术债务,这些都属于额外的认知负担,因为它们并不直接有助于成果的实现。因此,额外的认知负担是最不受欢迎的,因为它可能在实现目标的过程中造成过多的阻碍。

除了对组织造成影响外,系统架构的类型有时也会增加额外的认知负担:

单个团队

将单个团队的工作分割成多个微服务(microservices)可能会造成额外的认知负担,因为这样做会引入复杂的通信界限,可能导致团队工作的分散。通过工作进行沟通是工程沟通的最佳方式,无论是团队间还是团队内部。跨团队合作的理想通信界限是设计良好的 API(或库),但团队内部的沟通则不同。由于团队成员对自己的工作领域已经熟悉,因此团队内部不太需要抽象化,过多的抽象化反而可能导致额外的认知负担。在这种情况下,代码的清晰度、文档、设计和讨论是沟通的关键。

如果将单个团队的工作分割成多个微服务,每个都有自己的 API,这可能会大大增加团队在保持这些 API 设计良好、用户友好和文档完善方面的工作量,并可能导致团队工作在多个仓库和不必要的界限中破碎。在这种情况下,采用单一代码库中的模块化方法可能更合适,以维持团队内的一致性和专注。

多个团队

当涉及多个团队时,将架构分割成微服务可以使他们有更多的时间来实现良好设计的通信界限(即 API),这样就不再构成额外的认知负担。由于这些 API 将由其他团队使用,因此它们有两个主要优势:

  1. 减少了不同团队间频繁沟通以完成工作的需求。

  2. 这种方式让不同团队能够自主使用其它团队工作成果的抽象层。它有效减轻或消除了团队成员不必要了解每个领域细节的认知负荷,只要他们能熟练使用 API 就足够了 – 前提是这个 API 设计得既直观又易用。

在这个情况下,API 有助于组织高效运作,因为它减少了其他团队的认知负荷和不必要的交流,帮助每个团队更快投入工作。

然而,如果你将不同领域的工作分散到多个团队,并且沟通界限没有通过精心设计的 API 或其他自助工具明确划分,你会发现团队之间需要频繁沟通以理解彼此的工作领域。这种情况远非理想,并且会产生大量不必要的认知负荷。

建议

  • 确保减轻或理想情况下消除所有不必要的认知负荷,这需要工程团队和领导层的共同努力。这可以通过简化流程、避免琐碎无关的工作、通过 API 为其他团队提供领域抽象、设计不产生冗余沟通渠道的架构等方式来实现。如果目前无法减少或消除这种认知负荷,就应在分配团队任务时考虑这一因素。过多的认知负荷会限制团队的工作量和潜在质量,甚至可能导致团队成员感到疲惫。

  • 一个团队负责多个微服务可能会带来沟通界限的额外工作和团队内部工作的分散。与此相反,或许更好的方法是先在一个模块化的整体架构上工作,必要时再将其拆分。

  • 团队之间的沟通应主要依靠自助工具,例如 API、库、命令行界面或其他有效的方法。过多的沟通可能会导致摩擦,并在许多团队不必要地相互交流时阻碍工作流程。

3. 关于认知负荷的考虑

“相关认知负荷”指的是在解决与团队工作领域相关的问题时产生的心智负担。这种负荷能促进团队进入高效的“流状态 (flow state)”,增强开发者的幸福感,并提高成果的质量。只要团队的目标不过于密集和繁重,这种认知负荷通常是积极的。减少无关的内在和外在工作量,可以让团队更专注于核心任务。

对于单一团队

如果你只有一个团队,建议在分配任务前先缩减架构设计的范围。要考虑到团队需要处理的额外认知负荷。要知道,单个团队负责复杂的微服务架构本身就会增加额外的负担,尤其是在糟糕的工具、技术债务或公司流程带来的阻碍下更是如此。

过度拉伸团队的能力,可能导致团队成员疲劳甚至无法提供高质量的成果。最好根据团队的能力调整目标,确保安全且有效的交付。随着需求的增长,可以逐步扩大团队的能力。例如,团队可以首先构建模块化的单体应用,便于未来分割和扩展。

对于多个团队

如果你有多个团队,可以考虑将架构划分为微服务或类似结构,让各个团队独立地在自己的专业领域内工作。这样比大家共同在一个巨大的单体应用或共享代码库中工作更有效,可以减少持续的沟通压力。

当多个团队合作交付软件时,确保团队的组织结构与软件架构相匹配,并倾向于使用设计良好的 API 作为团队间的沟通方式。这样可以简化团队所需处理的领域复杂性,并减少整个组织交付工作所需的交流。

建议

  • 对于单个团队,推荐采用模块化的单体架构。设计软件以匹配团队的工作能力,确保成果的高质量。考虑内在和外在的认知负荷,因为它们会影响团队处理核心任务的能力。

  • 对于有多个团队且面临复杂需求的情况,推荐使用微服务架构或其他有利于团队通过设计良好的 API 进行沟通和领域抽象的架构。避免给每个团队分配超过一个复杂领域的任务。

结论

正如我们在设计组织结构图时绝不可忽视技术团队的意见,以确保其与架构设计相符合,我们在决定建筑风格时也应充分考虑团队的承载能力和工程师面临的各种认知挑战。

了解这些因素后,领导层和工程团队就能够制定出更高效的建筑设计方案,并采取措施来减少或消除那些非必要的认知负担,同时帮助工程师应对必要的认知挑战。

关于团队间沟通的深入讨论虽然重要,但它足以成为未来某篇文章的主题。

关于我

Fernando Villalba 现任 OpsLevel 的开发者关系代表,他在 IT 领域拥有逾十年的丰富经验。他的职业生涯始于 IT 支持(“试过重启了吗?”),后转为系统管理员(“绝对不要随意重启!”),再进入 DevOps 领域(“推翻重建!”)。他曾为多家市值数十亿美元的公司担任顾问,帮助他们在 DevOps 过程中发挥最大潜力。如今,他对平台工程、开发者门户和开发体验(DevEx)充满热情,并认为这是软件交付未来最闪耀的方向。

在 LinkedIn 或 Twitter 上关注 Fernando Villalba。

❓ 常见问题解答(FAQ)
单团队应该选单体还是微服务?

文章建议单团队优先选择单体、紧密耦合但模块化的架构。这样更利于通过代码、文档、讨论和设计会议协作,避免微服务带来的 API 维护、跨仓库协作和额外认知负担。

认知负荷在架构设计里是什么意思?

这里的认知负荷指团队理解并完成工作所需的脑力成本。文章区分了固有认知负荷、额外认知负担等类型,强调应尽量减少与工作无关的负担,让团队把精力集中在核心业务上。

多团队为什么更适合微服务?

因为多个团队需要更清晰的沟通边界。微服务或类似架构可以通过设计良好的 API 让各团队独立开发、独立交付,同时把复杂性封装在接口之后,减少彼此干扰。

🔬 语宙深潜追问 · 进阶实操拆解
模块化单体什么时候比微服务更优?

当团队规模小、领域边界还不清晰、发布节奏需要快时,模块化单体通常更优。它能减少分布式复杂度、部署成本和跨团队协作负担,等边界稳定、并发协作增多后再拆分更稳。

怎么判断团队已经被认知负荷压垮?

典型信号是需求理解反复、接口频繁返工、新人上手慢、线上问题定位依赖少数核心成员。若大部分时间都花在协调和记忆上下文,而不是交付价值,就该优先降复杂度而非继续加服务。

🗳️ 读者观点微投票 · 您的实战立场是?
架构选型,先看团队认知负荷对吗?
🕸️ 语宙向量知识图谱 · 语义强关联深度内链
🐋 所属权威专题:DeepSeek 深度实战与部署 →
  • 如何避免 12 大软件架构常见误区 [译]
  • 提示工程、RAGs 与微调的对比 [译]
  • 技术领导者需要知道的 5 个关于生成式 AI 的残酷真相 [译]
  • 针对人类开发者的生产力提升,第 7 部分:软件质量 [译]
🏛️ 宝玉的分享 · 前沿大模型翻译与提示词工程实战分享专栏,聚焦海外一手 AI 技术动态与工程实践。
📄 Markdown 纯净版
💡 这篇内容对您有启发吗?
📡 RSS 订阅✨ 提交 AI 工具 / 合作
🚀 Prompt 语宙 AI 创作者生态:探索 2,800+ 全球实用 AI 工具与高精度生图提示词咒语库
🧭 语宙 AI 导航 (ai.paooo.com)🎨 AI 生图 Prompt 库📚 核心专题导航⚡ AIGC 早报生成器
Rocket AI
Leonardo.Ai
马斯克呼吁AI实验室携手审查安全问题,愿与奥尔特曼”冰释前嫌”并力挺中国AI加入合作
Musk 收购一年后,X(原 Twitter)的各项指标都在下滑 [译]
​AI 音乐创作新趋势:杭州男子月入十几万,40 秒生成一首歌
TAGGED:AI办公效率AI智能体AI编程大模型微调开源大模型
分享
Email 复制链接 打印
Share
宝玉的分享 头像
By宝玉的分享
Follow:
前沿大模型翻译与提示词工程实战分享专栏,聚焦海外一手 AI 技术动态与工程实践。
上一篇 哇!GPT-4 错得飞快。图片来源:@abacaj 探索 ChatGPT 结构化数据支持的极限 [译]
下一篇 给新手软件开发者的建议——从那些“老司机”的建议中挑选 [译] 给新手软件开发者的建议——从那些“老司机”的建议中挑选 [译]
Ad image
Ad image

最近更新

WordPress 7.2版本更新与默认随机重定向、Secrets API撤回及MCP核心能力拆解封面图
官方博客竟把关闭过滤器写错了!WordPress 7.2前瞻全拆解:默认/random/暗藏隐私与SEO风险、Secrets API紧急撤回与3项MCP只读能力落地
AI 工具
Anthropic上市募资与算力长约的隐喻:现金光环上升,数据中心暗链延伸,治理水晶承受张力与阻力冲击。
募资超1070亿美元却背负9000亿算力长约!Anthropic史上最大IPO背后的三大隐忧:1040亿年内亏损、地方抵制潮与PBC治理死结
AIGC 资讯
微软Copilot与Claude/ChatGPT价格战隐喻:发光玻璃表格堡垒守住Excel,数据流高效汇聚,企业AI竞争升级
3000万付费仅吃下4.5亿席位不到7%!微软Ignite正面叫板Claude与ChatGPT:月均30美元VS 205美元价格战与Excel保卫战全拆解
AIGC 资讯
联想AI推理时代的端边云全栈算力插画:玻璃拟态服务器核心发光,光流连接云端与边缘节点,呈现营收与订单增长动能。
AI营收暴涨80%且握5300亿服务器订单!联想Q2单季营收首破2000亿、净利狂飙166%:端边云全栈算力如何接住推理时代红利?
AIGC 资讯

相关推荐

奢华琥珀香氛瓶微距静物,黑曜石台面与水波折射焦散,冷冻水滴与金色高光,暗黑电影质感8K
AI 生图 Prompt产品与广告

[AI生图咒语] 奢华香氛微距商业静物海报:焦散水波折射(Caustics)、黑曜石台面与影棚高速闪光灯布光咒语

Prompt 语宙研究院
AI绘画提示词 Flux Midjourney Prompt stable diffusion 产品海报 商业摄影 大模型微调
印度IT巨头HCL Tech官宣进军AI数据中心,拟投资最高 350 亿卢比打造50MW容量
AIGC 资讯

印度IT巨头HCL Tech官宣进军AI数据中心,拟投资最高 350 亿卢比打造50MW容量

Prompt 语宙研究院
AI办公效率 AI智能体 开源大模型
Baichuan-M1-14B – 百川智能推出的行业首个开源医疗增强大模型
AIGC 资讯

Baichuan-M1-14B – 百川智能推出的行业首个开源医疗增强大模型

Prompt 语宙研究院
HuggingFace 大模型微调 开源大模型 百川智能
MotionCLR – AI动作编辑模型,根据文本提示生成相应的动作序列
AIGC 资讯

MotionCLR – AI动作编辑模型,根据文本提示生成相应的动作序列

Prompt 语宙研究院
3D与空间智能 AI视频生成 HuggingFace 开源大模型
/ Prompt 语宙 /

探索生成式 AI 的无限创作潜能,一站式获取前沿 AIGC 资讯、高阶 Prompt 咒语与全球实用 AI 工具。

核心专栏

  • 语宙 AI 工具导航
  • EVA 视觉抠图工坊Hot
  • 出海数字营销宝典
  • AI 生图咒语灵感库
  • 24H 硅谷 AI 情报流

生态与服务

  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作

标签

开源大模型 AI智能体 AI办公效率 AI绘画提示词 OpenAI 大模型微调 Midjourney AI编程 stable diffusion AI视频生成 ChatGPT 3D与空间智能 HuggingFace AI音频与语音 RAG检索增强 Claude Flux AIGC Gemini 通义千问 Anthropic Llama Cursor DeepSeek Prompt AI Agent Kimi 智谱AI 具身智能 YouTube
Prompt 语宙Prompt 语宙
Follow US
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.