全栈开发
前端三件套
网页开发的三大基石
HTML
内容与结构
骨架
divspanforminput
CSS
呈现与样式
外观
colorflexgridanimation
JavaScript
行为与交互
灵魂
事件DOM操作网络请求
前端框架演进
从 jquery 到现代框架
原生时代1990s
直接用代码操控页面元素,一切从零开始
HTMLCSSJavaScript
jquery 时代2006-2015
简化页面操控,跨浏览器兼容
jqueryBootstrap
MVVM 时代2010-2015
数据驱动视图,双向绑定
Angular.js
组件化时代2013-至今
声明式、组件化,框架自动更新页面
VueReactAngular
新时代2020-至今
编译时优化,更少运行时开销
SvelteSolid
框架的本质:解决 "数据变化后如何高效更新 UI" 的问题。现代框架让你只需关注 "数据是什么",框架自动处理 "数据变化后 UI 怎么变"。
全栈领域
全栈知识地图—— 点击卡片查看各方向学习路线
前端基础
用户界面、交互体验、浏览器端的一切
HTML5CSS3JavaScriptTypeScriptES6Sass/LessPostCSSTailwind CSSUnocssCSS-in-JS
前端框架
构建用户界面的主流框架与库
ReactVueAngularSvelteSolid.jsQwikPreactEmber.js
前端工程化
构建、测试、规范、自动化——让代码从源码到上线
npm/pnpmVite/WebpackESM/CommonJSAMD/CMD/UMDVitestCI/CDESLint/PrettierMonorepo/Polyrepo
后端开发
服务端业务逻辑、API 设计与数据处理
Node.jsJavaGoPythonRustPHP
后端开发框架
各语言最流行的后端框架(每语言两个)
Node.js: Express / FastifyJava: Spring Boot / QuarkusGo: Gin / FiberPython: Django / FastAPIRust: Actix Web / AxumPHP: Laravel / Symfony
数据库与存储
数据的建模、持久化、缓存与文件存储
OracleMySQLSQL ServerPostgreSQLMongoDBRedisElasticsearchSQLiteMariaDBCassandra
跨端开发
一套技术栈,覆盖 Web、小程序、移动端、桌面端
小程序/Uni-appReact NativeFlutterElectron/TauriPWASwiftUI/Compose
全栈框架
前后端一体,SSR/SSG/API 一把梭
Next.js/ReactNuxt.js/VueRemix/ReactSvelteKit/SvelteAstroNest.js/Node.js
部署与运维
让应用稳定、安全、高性能地跑在线上
DockerNginxShellLinuxKubernetes云服务器Sentry/监控
服务器
国内主流云服务器提供商
阿里云华为云腾讯云天翼云移动云百度智能云京东云金山云
AI 编程助手
AI 编程助手与大模型应用开发
CursorClaude CodeGitHub CopilotQWenDeepSeekOpenAIPrompt Engineering
算法
数据结构与算法——程序员的底层内功
数组/链表栈/队列/堆哈希表树/图排序/二分查找贪心递归/回溯动态规划BFS/DFS双指针/滑动窗口
学习路径:① 前端基础 + 一个主流框架 → 能写页面 ② 补工程化(构建/测试/规范)→ 能交付 ③ 后端语言 + 框架 + 数据库 → 能写接口 ④ 全栈框架串联前后端 → 独立做项目 ⑤ 跨端 + 部署 + 服务器 → 能上线 ⑥ AI 编程助手贯穿全程 → 提效。
语言选择指南
根据目标选语言
前端
网页、小程序、H5
推荐:JavaScriptTypeScript
后端
API 服务、业务系统
推荐:Node.jsGoJavaPython
移动端
iOS / Android 应用
推荐:SwiftKotlinFlutter
AI / 数据科学
机器学习、数据分析
推荐:Python
系统编程
操作系统、嵌入式
推荐:CC++Rust
快速原型
脚本、自动化、小工具
推荐:PythonShell
💡 选择原则
没有"最好的语言",只有"最适合场景的语言",建议如下
- 先学一门,学深:建立编程思维
- 再学第二门,对比:理解语言设计差异
- 按需学习:根据项目需求选择
全栈工程师
全栈工程师 = 能独立完成前端 + 后端开发的工程师 = 前后端通吃
全栈技能树前后端通吃的核心能力
前端能力
HTML/CSS
JavaScript
框架使用
响应式设计
全栈核心
HTTP 协议
Git 协作
调试能力
系统设计
后端能力
API 设计
数据库操作
业务逻辑
服务器部署
全栈不等于全部精通:核心是打通前后端,能独立完成一个完整功能,不需要在每个领域都达到专家级别。
1️⃣ 全栈的优势
| 优势 | 说明 |
|---|---|
| 独立交付项目 | 从需求分析到部署上线,一个人搞定全流程 |
| 沟通成本低 | 不需要前后端来回扯皮,减少信息折损和排期等待 |
| 问题定位快 | 出 Bug 能从浏览器→网络→服务→数据库全链路排查 |
| 技术视野广 | 理解整个系统如何运作,做技术选型时能站在全局视角决策 |
| 学习迁移快 | 掌握全链路后,学任何新技术都能快速理解它在链路上的位置 |
| 创业/副业友好 | 快速验证想法,MVP 开发,降低早期人力成本 |
✅ 全栈成长建议
sh
第 1 阶段:建立根据地
└── 选一个方向深入(建议从前端或后端开始)
└── 达到能独立完成项目的水平
第 2 阶段:横向扩展
└── 学习另一个方向的基础
└── 能完成简单的全栈项目
第 3 阶段:融会贯通
└── 理解前后端如何协作
└── 能设计完整的技术架构
第 4 阶段:持续精进
└── 在某个领域保持深度
└── 其他领域保持"能用"水平AI 算法工程师
AI 算法工程师 —— 让机器学会思考
AI 工程师 vs 传统开发
1️⃣ AI 工程师 vs 传统开发
AI 工程师 vs 传统工程师工作方式的差异
传统工程师
1理解需求
2查阅文档学习语法
3手写代码实现
4调试修复 Bug
5优化代码性能
6编写测试用例
编码时间占比60-70%
思考时间占比30-40%
VS
AI 工程师
1理解需求
2用自然语言描述给 AI
3审核 AI 生成的代码
4判断是否符合预期
5调整需求重新生成
6整合到项目中
编码时间占比20-30%
思考时间占比70-80%
能力重心转移
↓语法记忆重要性下降
↑需求描述能力重要性上升
↓手写代码速度重要性下降
↑代码审核能力重要性上升
↓查文档能力重要性下降
↑架构设计能力重要性上升
↓调试技巧重要性下降
↑问题定位能力重要性上升
AI 时代的核心竞争力:不是"会写代码",而是"会描述需求、会判断对错、会设计方案"。AI 是你的编程助手,但决策者永远是你。
2️⃣ 对比
| 维度 | 传统开发 | AI 算法工程师 |
|---|---|---|
| 核心任务 | 实现确定性的业务逻辑 | 训练模型、优化算法 |
| 思维方式 | "如果 A 则执行 B" | "让机器从数据中学习规律" |
| 代码产出 | 功能模块、系统 | 模型、训练脚本 |
| 调试方式 | 断点、日志 | 看指标、调超参 |
| 成功标准 | 功能正确、无 bug | 准确率、召回率达标 |
AI 工程师的技能树
sh
AI 工程师(2025)
│
├── 基础能力
│ ├── Python(主力语言)
│ ├── 数据处理(Pandas, NumPy)
│ └── 基本数学直觉(线性代数、概率统计)
│
├── 大模型应用(最热门方向)
│ ├── Prompt Engineering(提示词工程)
│ ├── RAG(检索增强生成)
│ ├── AI Agent(智能体,让 AI 自主完成任务)
│ ├── Function Calling / MCP(让 AI 调用外部工具)
│ └── 微调与部署(LoRA, vLLM)
│
├── 生成式 AI(GenAI)
│ ├── 文本生成(GPT, Claude, Gemini)
│ ├── 图像生成(Stable Diffusion, Midjourney, FLUX)
│ ├── 视频生成(Sora, Kling)
│ └── 多模态(文本 + 图像 + 音频)
│
└── 传统机器学习(仍然重要)
├── 监督学习(分类、回归)
├── 深度学习框架(PyTorch)
└── 模型评估与优化Vibe Coding 时代的 AI 工程师
AI 辅助开发对 AI 工程师的影响
| 变化 | 说明 |
|---|---|
| 代码生成 | AI 能生成训练脚本、数据处理代码 |
| 论文阅读 | AI 能帮你总结论文要点 |
| 实验记录 | AI 能帮你整理实验结果 |
| 不变的是 | 对问题的理解、对结果的判断、对方向的把握 |
从入门到精通
成长路线图
工程师成长路径从入门到精通的技能演进
入门期0-1 年
学习基础语法和工具,能完成简单任务
核心技能:
典型产出:能独立完成小功能、修复简单 Bug
成长期1-2 年
熟悉常用框架和最佳实践,能独立负责模块
核心技能:
典型产出:独立负责一个功能模块,代码质量稳定
进阶期2-3 年
深入某个领域,开始有技术选型能力
核心技能:
典型产出:主导技术方案设计,解决复杂问题
成熟期3-5 年
全栈能力或领域专家,能带领小团队
核心技能:
典型产出:负责核心系统,指导新人成长
专家期5 年+
技术决策者,有行业影响力
核心技能:
典型产出:技术方向决策,培养技术团队
成长关键点:前 1-2 年打基础,建立独立完成任务的能力;2-3 年选方向,建立深度;3-5 年横向扩展,培养架构思维;5 年+ 技术决策与团队影响力。
各阶段能力要求
| 阶段 | 时间 | 核心能力 | 典型产出 |
|---|---|---|---|
| 入门 | 0-1 年 | 掌握一门语言 + 基础工具 | 能完成简单功能模块 |
| 进阶 | 1-2 年 | 熟悉一个技术栈 + 工程化 | 能独立完成中型项目 |
| 高级 | 2-3 年 | 深入一个领域 + 架构能力 | 能设计系统方案 |
| 资深 | 3-5 年 | 技术深度 + 业务理解 + 团队协作 | 能主导大型项目 |
Vibe Coding 时代的学习策略
Vibe Coding 学习策略AI 时代怎么学更高效
1
先理解,再让 AI 写
不要一上来就让 AI 写代码。先理解问题是什么,想清楚解决方案,再用 AI 加速实现。
2
把 AI 当编程伙伴
遇到不懂的概念,问 AI 解释。遇到复杂问题,和 AI 讨论方案。AI 是你的知识渊博的同事。
3
学会审核 AI 的输出
AI 生成的代码不一定对。你需要有能力判断:逻辑对不对?有没有安全隐患?性能如何?
4
建立自己的知识体系
AI 能帮你查漏补缺,但核心知识框架要自己建立。知道"有什么",才能问出"怎么用"。
5
在实践中学习
做真实的项目,解决真实的问题。AI 帮你扫清语法障碍,你专注于解决业务问题。
核心原则:AI 是你的编程助手,但决策者永远是你。学会提问、学会判断、学会整合,比学会写代码更重要。
💡 核心建议
- 基础比工具重要:语言特性、数据结构、算法思维是根基
- 实践比理论重要:做项目是最好的学习方式
- 思考比记忆重要:理解"为什么"比记住"怎么做"更有价值
- AI 是工具不是拐杖:用 AI 加速学习,不要用 AI 替代思考
Vibe Coding 时代的核心竞争力
1️⃣ 全局认知
- 领域划分:前端、后端、移动端、AI、运维、数据 —— 各有侧重
- 技术选型:没有最好的技术,只有最适合场景的技术
- 成长路径:先深后广,建立根据地再横向扩展
- AI 时代:AI 能帮你写代码,但不能替你思考
2️⃣ Vibe Coding 时代的三层能力
sh
┌─────────────────────────────────────────┐
│ 第 3 层:判断力(AI 替代不了) │
│ - 知道什么是对的 │
│ - 知道什么是好的 │
│ - 知道该往哪个方向走 │
├─────────────────────────────────────────┤
│ 第 2 层:架构思维(AI 辅助) │
│ - 系统设计能力 │
│ - 模块划分能力 │
│ - 技术选型能力 │
├─────────────────────────────────────────┤
│ 第 1 层:代码实现(AI 擅长) │
│ - 语法编写 │
│ - API 调用 │
│ - 常见模式实现 │
└─────────────────────────────────────────┘参考资料
- JavaScript 明星项目
- Vibe Coding 时代下的全栈开发
- Best of JS: ⭐ 这里汇集了构建出色 Web 应用程序所需的最佳组件。JavaScript 的精华!
- JavaScript 名人堂: 一些 JavaScript 社区中最杰出的开发者、作家和演讲者。
- Site Generators: Jamstack 网站的静态站点生成器列表