信息卡

一句话定位

一份"有源码依据"（source-grounded）的企业分布式系统设计课程与技术参考，以 Azure Well-Architected 五支柱为贯穿视角，覆盖从基础原理一路到生产级 AI 工作负载的架构决策。

走红原因分析

作者 Microsoft MVP 的身份背书是第一驱动力；内容切中当前最热的交叉地带——把 LLM 推理服务、模型路由、RAG 证据流放进传统系统设计课程体系，填补了"会画八股架构图"到"扛得住真实流量"之间的空白；方法论有辨识度：每课沿一条请求穿越身份、网络、数据、模型与恢复路径等边界，并强制产出可评审的设计工件；六大"Hazem's Principles"用否定句式点破常见错误假设，金句式表达利于传播。

核心功能拆解

• 11 个课程模块：从 Ground zero 到系统设计基础、数据检索、AI 控制面、推理服务、HPC 执行、模型生命周期、安全、运维治理、边缘混合与案例研究；
• 5 条学习路线：工程判断、心智模型、可靠服务设计（"Scale from one to one million"）、企业 AI 系统、Hazem's Principles；
• 六大原则 P01–P06：如"组件成功不蕴含系统正确""同一 Prompt 与回答不蕴含同一执行"；
• 每章产出八类设计工件：从需求假设、信任边界、容量成本推理到失败模式观测与决策记录；
• 四张可视化图集：企业 RAG 证据流、推理请求生命周期、模型路由容错、KV cache 与连续批处理。

架构与技术栈浅析

纯 Markdown 文档仓库加 Mermaid 流程图组织，GitHub 托管配 shields.io 徽章。目标平台为 Azure，通篇引用 Well-Architected Framework 并附官方学习资源链接，定位技术参考书而非代码项目——仓库内无应用源码。

安装与环境要求

零环境依赖：git clone 后直接阅读 foundation/README.md 起步。仓库自设前置门槛："若还不能追踪、调试、反汇编并评审生产级服务，请先完成 engineering foundation 部分"；实际学习建议按 Mermaid 依赖图顺序推进模块。

快速上手示例

git clone https://github.com/DrHazemAli/enterprise-system-design.git
cd enterprise-system-design
open foundation/README.md      # 或 choose-route.md 选一条匹配自己角色的入口

新手走 00 打基础，AI 方向工程师可直接走 01→03 线聚焦检索、限流、Agent 服务设计。

进阶使用要点

把每章"评审提示词+决策记录"模板套用到团队真实架构评审；用第 10 章案例自测能否通过完整设计评审；跳读前先看依赖流地图。

典型应用场景

• 后端/平台工程师准备资深面试或晋升答辩的系统设计复习；
• 团队搭建 AI 应用前的架构预研与选型讨论底稿；
• 技术管理者建立容量、成本与可靠性权衡的共同语言；
• Azure 项目对照 Well-Architected 做工作负载自查。

同类生态位对比

对比《DDIA》等经典书目，本课程胜在时效性与免费开源可迭代，且已纳入 LLM 控制面、推理服务等 2026 年新专题；差异化在 Azure 生产语境与严格的工件化输出。短板是许可证未标注，引用前需向作者确认授权条款。

资源导航

主要入口为 README 与 foundation/ 目录；choose-route.md 提供五条路线导览；curriculum 相关文档列出全部模块；atlas 图集含四张 Mermaid 架构图资产；LICENSE 未在 README 中出现，使用内容前应向作者确认。