布尔巴基按「结构」而非学科重画数学地图——这条路线不适合从零学数学，却是整理已学知识的最强方法：三大母结构当分类轴，结构强弱当研究动作，一张地图统御全部课程。
按学科整理，为什么必然失控
整理知识的第一直觉是沿用课表：线性代数一个文件夹、泛函分析一个文件夹、概率论一个文件夹。十门课以内尚可维持，规模一大必然失控——同一批对象在每门课里换名字重逢：线性代数里的内积空间，到泛函分析里叫 ，到概率论里是随机变量的二阶矩空间。三个学科标签，一个数学对象。失控的根源不在笔记工具，在分类轴本身：学科是历史的偶然，不是知识的形状。
布尔巴基学派正是看穿了这一点，主张数学不按对象分类，按结构分类（学派史实见 尼古拉·布尔巴基）。这个视角有清晰来路：伽罗瓦与群论的诞生 证明五次方程不可解时，关键已不在根本身，而在根之间的置换结构——「对象是什么」自此让位于「结构如何」。
三大母结构：三条分类轴
换轴之后，全部数学被归到三种母结构名下，各回答一个基本问题——代数问「怎么运算」，序问「谁大谁小」，拓扑问「谁靠近谁」：
| 结构 | 核心 | 关键词 | 典型对象 |
|---|---|---|---|
| 代数 | 运算、对称性 | 封闭性、单位元、同态、商 | 群、环、域、模、向量空间、李代数 |
| 序 | 大小、单调 | 偏序、上下界、保序映射 | 实数序、格、有序线性空间、鞅 |
| 拓扑 | 邻近、连续 | 紧、完备、连通、邻域 | 度量空间、流形、拓扑向量空间 |
高级数学几乎全是母结构的杂交：拓扑+代数给出李群，代数+序给出巴拿赫格，三者合流给出希尔伯特空间。对机器学习从业者，这套分类轴照用不误——你每天打交道的对象本就是杂交结构：线性空间是代数与拓扑的嫁接，这条观念演化正是 线性代数史 从行列式到向量空间 的主线；概率模型落在 σ-代数加测度的地基上，其公理化之路见 概率论思想史 从赌桌到公理化；embedding 空间之所以能谈「语义距离」与「正交分解」，凭的全是内积结构，向量空间的结构 对这个家族有全景梳理。
强弱阶梯：研究动作就是加减结构
分类轴回答「放在哪」，下一步是「往哪走」。结构有强弱，越弱适用越广，越强结论越锐：
拓扑空间 → 只有连续与紧
+度量 → 换来收敛与完备
+范数 → 换来线性算子与 Hahn-Banach
+内积 → 换来正交分解与谱定理每加一层结构，换来一批新定理；读定理时反过来问「它到底用了几层」：压缩映射原理只需完备度量，拿掉线性照样成立；谱定理离不开内积，抽走一层就整块坍塌。于是研究被还原成两个动作——减结构：剥掉定理中不必要的假设，换更广的适用范围；加结构：在对象上补一层假设，换更锐的结论。读论文时先辨识作者在做哪个动作，比记住结论本身更有迁移价值。
例子—结构—定理：三层笔记法
轴与阶梯齐备，还剩一个缺陷要补：布尔巴基著作省略例子，《数学原理》因此被讥为只有骨架没有血肉。整理笔记时恰好反向操作，每张卡片写三层——底层放具体例子（、、），中层放隶属的抽象结构（希尔伯特空间、巴拿赫空间），顶层挂一般定理（不动点定理、共鸣定理、谱定理）。从任何一层进入，都能拉起另外两层。
配套一个一句话练习，作为全文方法的行动收束——对课表里每门课写一句「在 _____ 结构上，研究 _____ 性质」：
- 泛函分析：在拓扑+代数结构上，研究无穷维线性算子
- 微分几何：在拓扑+代数（光滑结构）上，研究曲率
- 概率论：在 σ-代数+测度结构上，研究随机变量与期望
写完通常会立刻发现：一堆课在结构阶梯的不同层上重演同一套思维。
警告：这是整理术，不是学习路径
最后一个问题：既然结构统领一切，能否从公理直接学起？不能。《数学原理》是写给成熟数学家的成果总结，不是入门路径；从公理到结构再到具体的顺序学数学，只会得到能背诵定义却不会计算的空架子。正确关系是方向随目的翻转：学的时候具体到抽象，例子先行；理的时候抽象到具体，结构统领。结构主义是学成之后的地图，不是学步时的拐杖。