systemscomic

一句话定位

把《数据密集型应用系统设计》（DDIA）里最硬的概念画成可交互漫画——不是插画配文，而是"读概念 → 看真实机器 → 把系统推到崩"的三层读物。

做这个东西的人

Samuel Xing（GitHub: SamuelXing），个人项目。仓库里几乎所有提交都带 "Co-Authored-By: Claude Opus"（Opus 4.8/5，1M 上下文），人类作者负责否决和修正——提交记录里能看到 "basic view" 被标记 built-and-rejected、"Sam did not like the thing"。

判断：这是"人与模型共同写作"最诚实的一种样本：AI 批量产出，人做的是编辑工作——删掉不对的，改掉错的，定下标准。提交历史把这条工作流全暴露了，反而成了这个项目最好的说明书。

它到底能做哪几件事

• 第一层：概念漫画——tail latency、B-tree vs LSM、主从复制、一致性哈希、隔离级别、Raft 等 12 个概念，每个都画成短漫画
• 第二层：机器深潜——Kafka、Postgres、Redis、RabbitMQ、S3、Web 层共 6 篇，讲真机器由哪些概念拼成、在哪会崩
• 第三层：系统模拟——2 个模拟器，请求像粒子一样流过真实服务，流量超过容量时队列堆积、节点变红
• 内置"容量计算器"：输入负载直接出机器数量，每个数字都能回查到算出它的那一步
• 第二本书《The Papers That Broke the Database》在写，18 章上线 1 章

内容里嵌了一套明确的设计机制（来自仓库里的设计技能文档）：

• Step.think {q,a}：苏格拉底式提问，答案藏在 "Reveal" 后面
• Comic.inTheWild：4 个真实生产问题，默认折叠
• Comic.tradeoffs：真实决策框架，用大白话动词标签

原则一句话：思考深度不等于文字密度（depth of thinking != density of prose）。

它在替代什么旧行为

以前想搞懂"为什么 tail latency 会吃掉 63% 的请求"，要么啃 600 页原书，要么去翻零散博客。替代的是这两条路：

• 被动阅读——书和文章是单向的，看完只能背结论
• 视频讲解——3Blue1Brown 式视频是单向的，看完同样没法上手推

它的三层结构把"读"变成"读-看-推"：概念用漫画讲，然后去 Kafka/Postgres 里看这个概念长什么样，最后在模拟器里亲手把它推崩。核心转移是学习从接受变成验证。

商业模式

未披露。 无付费墙，无定价页。GitHub 仓库许可为"代码 MIT，漫画和文字保留权利"——内容本身是资产，但还没变现。

判断：这更像个人作品而非生意：作者的真实回报是方法论公开后带来的声誉和注意。值得注意的是"代码开源、内容保留"这个划分——内容才是稀缺物，代码不是。

硬数字

• HN 7 分 / 0 条评论（2026-08-13）
• GitHub 82 次提交，173 个测试，58 条路由
• 第一本：12 概念漫画 + 6 机器深潜 + 2 模拟器；第二本上线 1/18 章
• 页面有 Star 链接（github.com/SamuelXing/systems-comic），Star 数未记录到

四维评估

判断

这是目前最值得抄的"AI 共创教育内容"工作流之一，因为它的方法是被提交记录和测试暴露出来的，不是嘴上说的。

可迁移的规律有三条：

1. 内容也分三层——概念（漫画/比喻）、实物（真实系统/案例）、验证（模拟/练习）。绝大多数教育产品只做第一层。
2. 设计机制要显式化——提问（Step.think）、真实案例（inTheWild）、权衡（tradeoffs）被写成可复用的组件，而不是每篇随缘发挥。
3. AI 负责产量，人负责标准——人否决、人修错、人定"思考深度≠文字密度"这条原则。质量上限由人决定，速度由模型提供。

代价：这个模式的成本是人审校。12 篇漫画背后是 82 次提交和 173 个测试，速度并不快。它证明的是"人+模型"可以做出高质量教育内容，而不是"模型能自动产出"。

下一步看什么

① 第二本书（18 章）的更新频率——是持续项目还是一锤子 ② 有没有人公开模仿这套机制（特别是 Step.think 问答组件） ③ 是否出现付费或订阅迹象——内容资产开始变现说明模式成立

可借鉴的做法

产品逻辑：给"难懂的内容"做三层结构——比喻层讲清直觉、实物层接上真实世界、验证层让读者亲手推翻结论。做 AI 产品营销的人可以把自己的技术白皮书按这个结构重写一遍。

定价结构：无。未披露。"代码开源、内容保留"的许可划分本身就是一种产品决策，值得参考。

结论

值得关注。 这是这批小项目里最扎实的一个：方法被完整暴露、可复现、且正在做第二本验证可扩展性。把它的三层结构和三件设计机制记下来，做知识型产品时直接套用。