最近大家最关心的，还是这次软考相关争议。这个事情我们先等官方调查结果。尤其是软考这种“以考代评”的考试，关系到职称、岗位和个人发展，严肃性本来就应该更高。
我们希望考试公平性能够得到保障，也希望借这件事，推动后续命题、制卷、题目下发、考试组织、阅卷复核这些环节更加透明。
比如考完之后，标准答案能不能公布？案例和论文的阅卷标准能不能讲得更清楚一点？现在都机考了，作答、阅卷、复核过程理论上都有记录，是不是可以给考生更多可解释的信息？
这些问题可以继续关注。但今天这篇，我先回到真题本身，聊聊刚刚过去的 5 月系统架构设计师考试：选择题、案例题、论文题，到底难不难？
我的整体感觉是：难度还是适中的，大部分考点在我们的复习资料里面还是有覆盖的。
按比较严格的口径来看，大概一半左右的题，可以在《一本全》里找到比较直接的对应考点。比如架构风格、质量属性、架构评估、软件测试、数据库、信息安全、操作系统、网络、知识产权、设计模式、微服务这些内容，本来就是《一本全》反复强调必背的内容，也是历年真题中可以找到的一些考点。
如果把“同类知识点”“相近考法”“可以通过资料里的基础知识迁移判断”的题也算进去，整体覆盖大概能到三分之二左右。也就是说，认真看过《一本全》、配合刷过真题的同学，这套选择题拿个及格分是没有问题的。
但也要承认，这次确实有一些内容不属于《一本全》的直接覆盖范围。比如知识工程、AI 投毒、DO-178、CQRS、边缘计算等。这些题更偏扩展、偏新技术。碰到这类题，单靠背资料肯定不够，还得靠平时积累和临场排除。
那么在案例方面呢？我把真题和考前给大家准备的案例冲刺资料重新对了一遍。整体感受是：主干方向确实有不少重合。尤其是第一题和第五题，和资料里的核心内容关联很强；第二题、第三题、第四题考得更细、更场景化，后续资料还要继续补。
先看第一题，数据处理与入侵检测系统架构。
这道题考的是质量属性、质量属性场景、批处理架构和管道-过滤器架构。这个方向我们考前是明确强调过的。案例冲刺宝典里把质量属性、质量属性场景、架构风格都放在了非常重要的位置，管道-过滤器和批处理也讲过区别。
但要注意，它不是直接问“什么是管道-过滤器”，而是放到了安全态势感知、日志采集、入侵检测、实时告警这个场景里。也就是说，资料里讲的是方法，但考试不是背定义，而是要求大家把质量属性和架构风格放进真实业务场景中分析。
第二题，居家养老智能系统。
这道题考的是云边端协同架构、物联网分层、时序数据库、MQTT QoS。这里要分开看。物联网分层、边缘层、平台层、应用层这些内容，资料里是有基础的；数据库选型里面，时序数据库适合物联网设备监控、工业设备状态记录，这个方向也讲过。
但真实考试进一步考了 MQTT QoS 0、QoS 1、QoS 2，给你天气、用水用电、跌倒告警、一键求助、机器人状态这些业务场景，让你判断应该用哪个 QoS 等级。这个细节之前资料里还没有提到，MQTT 可靠性这块后续必须补。
第三题，AIoT 智能安防管理架构。
这道题考的是 AIoT 分层架构：感知层、边缘层、AI 决策层、应用层，还要求把智能门禁、生物识别设备、边缘网关、AI 模型、视觉分析引擎、规则/认知引擎、事件中心、APP、大屏、第三方系统集成放到合适层次里。
这题暴露出一个趋势：考试现在很喜欢把 AI、物联网、边缘计算、行业场景揉在一起考。它不是问你“什么是物联网三层架构”，也不是问你“什么是大模型”，而是问你一个园区安防系统，哪些东西放在感知层，哪些放在边缘层，哪些放在 AI 决策层，哪些放在应用层。你想想，这就很贴近真实架构设计了。
这题不是资料里的直接考点，但它和我们讲过的层次架构、物联网、AI 应用是同一类能力，后面我会把 AIoT 场景单独补起来。
第四题，学习路径推荐与智能辅助系统。
这题很有意思，因为它和我们自己的产品场景非常接近。题干里出现了用户画像、学习行为、测评结果、知识图谱、掌握度模型、推荐模型、智能答疑、错因分析、效果评估、冷启动、知识依赖、推荐鲁棒性。这个方向有点偏，也是芝士架构现在要做的方向。
比如怎么构建图谱？学员第一次进入芝士架构之后，我们怎么给他推荐题目？冷启动阶段是不是要给他做一些问卷，测评一下能力等等？
这些东西实际上是一个具体的场景，它不是单独的一个概念、一个见解或者一个理论，而是真正可以落地的一种方案。因此，这实际上考察得比较全面。这个也是后面我们要多补充一点的场景题，可能可以锻炼一下大家的思维。
第五题，Redis 缓存与并发控制。
这道题和资料重合度比较高。Redis 本来就是案例冲刺宝典里的重点内容，分布式锁、缓存一致性、热 Key、大 Key、Redis 事务这些方向都讲过。这次真题考优惠券领取、库存扣减、乐观锁、悲观锁、Redis 高并发控制，本质就是典型的后端工程题。说实话，这是我们后端工程师比较熟悉的内容，比如怎么加锁、每种锁有什么区别。前端工程师，或者其他转行来的、甚至本身不做后端开发的同学，就比较吃力了。
后续资料里 Redis 这块可以继续保留，而且要继续加强秒杀、优惠券、库存、订单这些场景题。
今年的题目比我们准备的题面更“新”，更偏技术热点。
这次真实论文题有四个：多模态大模型在移动智能测试框架中的应用、六边形架构的设计和应用、系统高并发性能优化的设计与实践、向量数据库的设计与应用。
逐题来看。
第一题，多模态大模型在移动智能测试框架中的应用。
这道题和我们押的“系统测试方法及应用”是有关系的，但不是完全相同。我们准备的是系统测试，讲的是测试计划、测试用例、测试执行、缺陷管理、性能测试、自动化回归这些内容。真实题目进一步把测试放到了“多模态大模型 + 移动智能测试”这个场景里，要求写页面识别、测试路径规划、交互执行、结果分析。
所以这题应该算“测试方向相关，但技术场景升级”。如果同学考前认真准备过系统测试，至少摘要、项目背景、测试流程、用例设计、缺陷分析这些东西是能迁移的。但如果完全没有准备 AI 测试、移动端测试、多模态识别，那正文第二问会比较吃力。
有的同学很聪明。他之前考试的时候就跟我提过，我能不能写 AI 生成用例相关的东西。假如你把这一块加进去，实际上也算是往这个方向去靠了。
第二题，六边形架构的设计和应用。
这题没有直接押中。我们押了 ABSD，也就是基于架构的软件设计方法。ABSD 和六边形架构都属于架构设计方法这个大方向，但六边形架构的核心更具体：领域核心、端口、适配器、依赖方向、业务逻辑和外部技术解耦。它不是泛泛讲“以架构为中心”，而是要讲清楚 Web/API、消息队列、数据库、缓存、第三方服务这些外部技术怎么通过适配器接入，业务核心怎么保持独立。这题的特点是：看起来是很新，其实考的还是解耦、边界、依赖方向、可测试性、可维护性。
第三题，系统高并发性能优化的设计与实践。
这题我觉得是方向判断比较准的一题。虽然押题里没有直接写“论系统高并发性能优化”，但系统测试里准备过性能测试、压力测试、并发测试；服务网格里讲过熔断、限流、负载均衡、可观测性；存储计算分离里讲过弹性伸缩、资源隔离、成本优化。认真准备过的同学，写这题是有东西可写的。
第四题，向量数据库的设计与应用。
这题没有直接押中论文题面，但它和我们之前案例准备的大模型应用、RAG、知识库问答、智能应用方向是相关的。向量数据库本质上服务于语义检索、推荐、RAG、相似内容发现。真正写的时候，你肯定要写 embedding、相似度计算、召回排序、混合检索，以及在知识库问答或智能推荐系统里的应用。
这题说明一个很明显的趋势：AI 方向已经开始考 AI 应用背后的基础设施。向量数据库就是典型的 AI 基础设施。后续押题要把“AI 应用架构”拆得更细，不能只准备大模型应用，还要准备 RAG、向量数据库、智能体、AI 测试、AIoT、推荐系统这些方向。
但是整体看，好好准备的同学在写论文时优势还是很明显的。
第一个优势，是不容易在摘要和开头就乱。准备过论文的人，知道摘要要写项目背景、项目规模、本人角色、主题词和实施效果。哪怕题目有点新，也能先把文章框住，不至于一上来就写成科普文。
第二个优势，是项目素材可以迁移。比如你准备过系统测试，遇到多模态智能测试，就可以把测试流程、缺陷闭环、自动化回归迁移过去；你准备过服务网格和高并发，遇到性能优化，就可以写限流、熔断、链路追踪、指标监控；你准备过大模型或 RAG，遇到向量数据库，就可以写知识库问答、语义检索、向量召回。
第三个优势，是对考试新变化有心理准备。考试过程中我们会发现，现在系统里面已经强制限制正文不能超过 2500 字了。这个我在我们的《论文宝典》和 AI 论文助手里反复强调过，所以我们的学员大部分还是有心理准备的，能够知道这个边界在哪里。这也是这次考试的一个新点。
第四个优势，是结构不会散。论文最怕的是想到哪写到哪。好好准备过的同学，一般会按照“项目背景—问题挑战—技术方案—实施过程—遇到问题—解决办法—应用效果”来写。哪怕题目不是原题，也能保持一篇架构论文的样子。
第五个优势，是能写出工程细节。阅卷老师不怕你题目没押中，怕的是你写得像百度百科。准备充分的人会写到接口、数据库、缓存、消息队列、日志、监控、压测、灰度、回滚、效果指标，这些东西一出来，文章就不像空话。
现在距离考试还有5个多月不到，时间说长不长，说短不短。这个阶段还是以选方向、定目标为主。
你可以先加凯恩微信进备考群，群里有最新的考试资讯、备考资料、论文押题。下载芝士架构APP，随时随地刷题。购买红宝书，系统梳理知识点。
不要再纠结了，选好方向，马上开始行动。5个月之后，我们一起庆祝通过！
