大家好，我是程序員魚(yú)皮。

用 AI 編程做項(xiàng)目的時(shí)候，你一定會(huì)遇到各種沒(méi)見(jiàn)過(guò)的技術(shù)名詞。

比如 AI 跟你說(shuō)：用 Next.js 搭前端，Prisma 連數(shù)據(jù)庫(kù)，部署到 Vercel。

你一臉問(wèn)號(hào)：這都是啥？算了，讓 AI 干就完了，我不用管……

但問(wèn)題是，如果你對(duì)這些技術(shù)完全沒(méi)概念，跟 AI 溝通時(shí)就說(shuō)不清楚自己想要什么，AI 選錯(cuò)了方向你也判斷不出來(lái)。

我之前做項(xiàng)目就遇到過(guò)，AI 給我用了一個(gè)很冷門(mén)的數(shù)據(jù)庫(kù)方案，我不了解就直接用了，結(jié)果后面想加功能的時(shí)候發(fā)現(xiàn)生態(tài)太差，很多東西沒(méi)有現(xiàn)成方案，只能推翻重來(lái)。

所以我寫(xiě)了這篇文章，幫你把 AI 編程時(shí)代最核心的技術(shù)梳理一遍。你不需要深入學(xué)習(xí)每一個(gè)技術(shù)，但至少要知道它們是干嘛的？什么時(shí)候該用？做技術(shù)選型的時(shí)候心里有數(shù)就行。

一、編程語(yǔ)言

首先，你必須了解 AI 編程中最常用的 2 套編程語(yǔ)言。

1、JavaScript / TypeScript

JavaScript 最早是給瀏覽器用的語(yǔ)言，負(fù)責(zé)網(wǎng)頁(yè)上的各種交互效果。后來(lái) Node.js 的出現(xiàn)讓它也能跑在服務(wù)器上寫(xiě)后端，于是 JS 變成了前后端通吃的全棧語(yǔ)言。

TypeScript 是 JavaScript 的增強(qiáng)版，給每個(gè)變量都標(biāo)注了類型，寫(xiě)代碼時(shí)編輯器就能幫你檢查錯(cuò)誤。

現(xiàn)在 AI 生成代碼默認(rèn)就會(huì)優(yōu)先用 TypeScript，因?yàn)橛辛祟愋托畔⒑螅珹I 理解代碼的上下文更準(zhǔn)確，生成的代碼質(zhì)量也更高。

如果你想做網(wǎng)站相關(guān)的項(xiàng)目，JS/TS 幾乎是綁定的。

2、Python

Python 的語(yǔ)法接近英語(yǔ)，讀起來(lái)像偽代碼一樣直觀，所以很多零基礎(chǔ)的同學(xué)第一門(mén)語(yǔ)言就學(xué) Python。

它在 AI、機(jī)器學(xué)習(xí)、數(shù)據(jù)分析、自動(dòng)化腳本這些領(lǐng)域有統(tǒng)治級(jí)的地位，大量 AI 框架和工具都是用 Python 寫(xiě)的。

如果你要做 AI 應(yīng)用開(kāi)發(fā)、數(shù)據(jù)處理、爬蟲(chóng)這些事情，Python 是非常好的選擇。

簡(jiǎn)單來(lái)說(shuō)，做網(wǎng)站選 JS / TS，做 AI 應(yīng)用選 Python，兩者都會(huì)就更好了。

二、前端三件套

前端就是用戶能看到和交互的部分，也就是你在瀏覽器里看到的一切。

AI 編程中，前端是最容易搞定的部分，因?yàn)楦耐甏a刷新一下就能看到效果。

傳統(tǒng)的前端三件套是 HTML + CSS + JavaScript，但是 AI 時(shí)代，我愿稱 React + Next.js + Tailwind CSS 為全新的前端三件套，因?yàn)檫@是 AI 編程工具最愛(ài)用的前端組合。

1、React

React 是 Meta 開(kāi)發(fā)的前端框架，核心理念是把頁(yè)面拆分成一個(gè)個(gè)可復(fù)用的組件。

比如一個(gè)按鈕是一個(gè)組件，一個(gè)導(dǎo)航欄也是一個(gè)組件，像搭積木一樣拼起來(lái)就是一個(gè)完整的頁(yè)面。

根據(jù)開(kāi)發(fā)者調(diào)查數(shù)據(jù)，React 的使用率超過(guò)了 80%，是全球最主流的前端框架。AI 訓(xùn)練數(shù)據(jù)中 React 代碼量最大，所以 AI 生成 React 代碼的質(zhì)量也是最高的。我們團(tuán)隊(duì)的產(chǎn)品基本都是用 React 開(kāi)發(fā)的。

2、Next.js

Next.js 是基于 React 的全棧框架，由 Vercel 公司開(kāi)發(fā)。

它的厲害之處在于不僅能寫(xiě)前端頁(yè)面，還能在同一個(gè)項(xiàng)目里寫(xiě)后端接口，真正實(shí)現(xiàn)了一個(gè)項(xiàng)目搞定前后端。而且它支持服務(wù)端渲染，對(duì)搜索引擎收錄非常友好。

很多 AI 零代碼平臺(tái)生成的項(xiàng)目默認(rèn)就是 Next.js。你在 app 目錄下創(chuàng)建一個(gè)文件夾就自動(dòng)對(duì)應(yīng)一個(gè)頁(yè)面路徑，后端接口寫(xiě)在 app/api 目錄下，前后端代碼能放在同一個(gè)項(xiàng)目里，但邏輯上是分開(kāi)的。

而且能夠輕松部署到 Vercel 平臺(tái)，只需要把代碼推到 GitHub，連接倉(cāng)庫(kù)后每次推送自動(dòng)構(gòu)建上線，非常省事。

3、Tailwind CSS

Tailwind CSS 是一個(gè)原子化的樣式框架。

傳統(tǒng)開(kāi)發(fā)網(wǎng)頁(yè)是先寫(xiě) HTML 結(jié)構(gòu)，然后再寫(xiě) CSS 文件定義樣式。而 Tailwind 的思路不同，它把常用樣式都變成了一個(gè)個(gè)小 class 名，直接在 HTML 里拼就行。比如想讓一個(gè)元素水平垂直居中，寫(xiě) flex justify-center items-center 就搞定了。

剛開(kāi)始你可能會(huì)覺(jué)得 class 名一大串有點(diǎn)丑，但用習(xí)慣之后真的回不去了。

AI 生成的前端代碼默認(rèn)就很喜歡用 Tailwind，因?yàn)樗恍枰~外維護(hù) CSS 文件，而且每個(gè)樣式類名只有一種寫(xiě)法，AI 生成的準(zhǔn)確率特別高。

不過(guò)你可能也注意到了，AI 生成的頁(yè)面經(jīng)常是藍(lán)紫色漸變的配色，就是因?yàn)?Tailwind 的默認(rèn)色板有藍(lán)色和紫色，AI 用起來(lái)特別順手，導(dǎo)致做出來(lái)的東西千篇一律…… 想避免這個(gè)問(wèn)題，記得在提示詞里明確你想要的配色風(fēng)格。

React + Next.js + Tailwind CSS 這三個(gè)技術(shù)為什么總是綁定出現(xiàn)呢？

因?yàn)?AI 模型是從互聯(lián)網(wǎng)上的大量代碼中學(xué)習(xí)的，React、Next.js、Tailwind CSS 恰好是這幾年開(kāi)源項(xiàng)目用得最多的組合，AI 對(duì)它們最熟悉，生成的代碼最靠譜。這形成了一個(gè)飛輪效應(yīng)，AI 越推薦，用的人越多，訓(xùn)練數(shù)據(jù)越多，AI 就更推薦。

三、后端框架

后端是用戶看不見(jiàn)的部分，負(fù)責(zé)處理業(yè)務(wù)邏輯、存儲(chǔ)數(shù)據(jù)、管理用戶身份。

當(dāng)你在網(wǎng)站上點(diǎn)擊「注冊(cè)」按鈕，前端會(huì)把你填的信息發(fā)給后端，后端負(fù)責(zé)校驗(yàn)數(shù)據(jù)、存到數(shù)據(jù)庫(kù)、返回結(jié)果。

如果你用 Next.js，其實(shí)后端接口可以直接寫(xiě)在同一個(gè)項(xiàng)目里，不需要單獨(dú)搞一個(gè)后端項(xiàng)目。但如果你需要更獨(dú)立、更強(qiáng)大的后端服務(wù)，就得選一個(gè)后端框架了。

1、Spring Boot

Spring Boot 是 Java 后端開(kāi)發(fā)的標(biāo)配框架，國(guó)內(nèi)大部分企業(yè)的后端系統(tǒng)都是用它寫(xiě)的。

它的理念是「約定大于配置」，幫你把各種繁瑣的配置都簡(jiǎn)化了，開(kāi)箱即用。

如果你學(xué) AI 編程的同時(shí)也想提升后端就業(yè)競(jìng)爭(zhēng)力，Spring Boot 是必學(xué)的。而且 Spring AI 框架的推出，讓 Java 程序員也能很方便地開(kāi)發(fā) AI 應(yīng)用了。

2、FastAPI

FastAPI 是 Python 生態(tài)中增長(zhǎng)最快的后端框架，目前已經(jīng)有接近 40% 的 Python 開(kāi)發(fā)者在使用。它天生支持異步和類型檢查，寫(xiě)完接口文檔就自動(dòng)生成了，不需要額外維護(hù)。

FastAPI 最爽的一點(diǎn)是，啟動(dòng)后訪問(wèn) /docs 路徑就能看到一個(gè)交互式的接口文檔頁(yè)面，可以直接在瀏覽器里測(cè)試接口。如果你用 AI 生成 Python 后端項(xiàng)目，大概率就是 FastAPI。

簡(jiǎn)單來(lái)說(shuō)，Java 方向選 Spring Boot，Python 方向選 FastAPI，想省事用 Next.js 的 API Routes 前后端一把梭。

四、數(shù)據(jù)存儲(chǔ)

網(wǎng)站上的用戶信息、文章內(nèi)容、訂單記錄等需要多次查詢的數(shù)據(jù)，都需要存在數(shù)據(jù)庫(kù)里。

1、MySQL / PostgreSQL

關(guān)系型數(shù)據(jù)庫(kù)就像 Excel 表格一樣，數(shù)據(jù)有行有列，數(shù)據(jù)之間可以建立關(guān)聯(lián)。

MySQL 和 PostgreSQL 是最主流的兩個(gè)關(guān)系型數(shù)據(jù)庫(kù)，都是開(kāi)源免費(fèi)的。

MySQL 在國(guó)內(nèi)用得最廣，遇到問(wèn)題基本都能搜到解決方案。PostgreSQL 功能更強(qiáng)大，支持 JSON 數(shù)據(jù)類型、地理信息、全文搜索，還能通過(guò) pgvector 插件支持向量搜索，適合開(kāi)發(fā) AI 應(yīng)用，很多海外的 SaaS 產(chǎn)品和 AI 項(xiàng)目都在用 PostgreSQL。

順帶一提，在代碼中操作數(shù)據(jù)庫(kù)一般不直接寫(xiě) SQL 語(yǔ)句，而是通過(guò) ORM 工具來(lái)操作。比如 Node.js 項(xiàng)目常用 Prisma，Java 項(xiàng)目常用 MyBatis-Plus，Python 項(xiàng)目常用 SQLAlchemy。有了 ORM，你在代碼里操作數(shù)據(jù)就像操作普通對(duì)象一樣方便。

2、Supabase

如果你不想自己維護(hù)數(shù)據(jù)庫(kù)，還有一個(gè)省事的選擇。

Supabase 是一個(gè)開(kāi)源的后端即服務(wù)平臺(tái)，底層基于 PostgreSQL，提供了數(shù)據(jù)庫(kù)、用戶認(rèn)證、文件存儲(chǔ)、實(shí)時(shí)訂閱等功能。

注冊(cè)個(gè)賬號(hào)就能用，免費(fèi)額度夠個(gè)人項(xiàng)目折騰了。

你可以跟 AI 說(shuō)「用 Supabase 做數(shù)據(jù)庫(kù)和認(rèn)證」，AI 就能幫你生成完整的集成代碼。

五、部署上線

代碼寫(xiě)完了，怎么讓全世界的人都能訪問(wèn)到你的網(wǎng)站呢？

這就需要把代碼部署到服務(wù)器上。

1、Vercel

最省事的方式是用 Vercel 平臺(tái)。

它是 Next.js 框架背后的公司，對(duì) Next.js 項(xiàng)目的支持最好。你只需要把代碼推送到 GitHub，Vercel 會(huì)自動(dòng)幫你構(gòu)建和部署，幾分鐘就能上線，還自帶 HTTPS 和 CDN 加速。免費(fèi)額度對(duì)個(gè)人項(xiàng)目完全夠用，非常適合部署 AI 編程做出來(lái)的小項(xiàng)目。

2、Linux 云服務(wù)器

不過(guò) Vercel 的服務(wù)器在海外，而且它更適合前端和全棧項(xiàng)目。如果你要做面向國(guó)內(nèi)用戶的商業(yè)產(chǎn)品，或者后端是一個(gè)獨(dú)立的 Java / Python 服務(wù)，就需要自己買 Linux 云服務(wù)器了。

國(guó)內(nèi)的云服務(wù)商可以選阿里云、騰訊云等等，新用戶一般有免費(fèi)試用或大額優(yōu)惠，買一臺(tái) 2 核 4G 的配置就夠個(gè)人項(xiàng)目用了。

服務(wù)器的操作系統(tǒng)基本都是 Linux，所以了解一些基本的 Linux 命令是有必要的，比如 cd 進(jìn)目錄、ls 看文件這些。不過(guò)大部分操作都可以讓 AI 幫你生成命令，不用死記。

3、Docker

Docker 可以把你的代碼、運(yùn)行環(huán)境、依賴庫(kù)全部打包成一個(gè)「容器」，不管在什么機(jī)器上運(yùn)行，效果都一樣。

以前經(jīng)常會(huì)遇到「在自己電腦上能跑，到服務(wù)器上就報(bào)錯(cuò)」的情況，用了 Docker 就不存在這個(gè)問(wèn)題了。

把應(yīng)用封裝為 Docker 很簡(jiǎn)單，讓 AI 幫你寫(xiě) Dockerfile 配置文件就行，不需要自己記 Docker 文件的寫(xiě)法。

如果你的項(xiàng)目涉及多個(gè)服務(wù)，比如前端 + 后端 + 數(shù)據(jù)庫(kù)，還可以用 docker-compose 一鍵啟動(dòng)所有服務(wù)。

六、代碼管理 1、Git

用 AI 編程做項(xiàng)目時(shí)，建議用 Git 來(lái)管理代碼。比如讓 AI 改代碼之前先提交一版，萬(wàn)一改崩了還能回退。這就像游戲里的存檔，打 Boss 之前先存?zhèn)€檔，死了能重來(lái)。

你不需要死記 Git 命令，因?yàn)?AI 可以幫你執(zhí)行 Git 操作。但幾個(gè)核心概念要知道，比如 commit 是保存一個(gè)版本，branch 是創(chuàng)建一個(gè)分支，push 是把代碼推送到遠(yuǎn)程倉(cāng)庫(kù)。

2、GitHub

GitHub 是全球最大的代碼托管平臺(tái)，也是曾經(jīng)大家玩梗說(shuō)的程序員社交平臺(tái)。上面有海量的開(kāi)源項(xiàng)目，是編程學(xué)習(xí)資源的寶庫(kù)。

你可以把代碼推送到 GitHub 上，便于備份、分享和協(xié)作。前面說(shuō)的 Vercel 部署，就是連接你的 GitHub 倉(cāng)庫(kù)來(lái)實(shí)現(xiàn)自動(dòng)上線的。

七、調(diào)用 AI 大模型

借助 AI 編程 + AI 大模型服務(wù)，你可以輕松開(kāi)發(fā)出自己的 AI 應(yīng)用，比如做一個(gè) AI 客服、AI 寫(xiě)作助手、AI 數(shù)據(jù)分析工具。

要做這些事情，首先得知道怎么在代碼里調(diào)用大模型。

1、OpenAI API

OpenAI API 是目前最通用的大模型調(diào)用方式。

OpenAI 提供了一套標(biāo)準(zhǔn)的 API，你可以用它來(lái)實(shí)現(xiàn)對(duì)話、文本生成、代碼生成、圖片生成等功能。可以在代碼中安裝對(duì)應(yīng)語(yǔ)言的 SDK，然后用 API Key 初始化客戶端后就能調(diào)用模型了。

很多其他 AI 服務(wù)商的 API 也兼容 OpenAI 的接口格式，比如 DeepSeek、通義千問(wèn)等。所以學(xué)會(huì)調(diào)用 OpenAI API 后，切換到其他模型也很方便。

如果你想在一個(gè)項(xiàng)目中靈活切換不同的模型，還可以用 OpenRouter 這樣的統(tǒng)一接口服務(wù)，一個(gè) Key 就能調(diào)用上百種大模型。

2、LangChain

學(xué)會(huì)基本的調(diào)用大模型之后，如果你想做更復(fù)雜的 AI 應(yīng)用，比如讓 AI 自主使用工具、編排多步驟的工作流，就需要 AI 應(yīng)用開(kāi)發(fā)框架了。

LangChain 可以說(shuō)是最流行的 AI 應(yīng)用開(kāi)發(fā)框架，你可以把它理解成 AI 應(yīng)用開(kāi)發(fā)的「積木」，它內(nèi)置了大量的集成組件，比如對(duì)接各種大模型、向量數(shù)據(jù)庫(kù)、工具調(diào)用等。對(duì)于快速搭建 AI 應(yīng)用原型來(lái)說(shuō)，LangChain 能幫你省下大量的樣板代碼。

不過(guò)有一點(diǎn)要注意，LangChain 更適合原型開(kāi)發(fā)和復(fù)雜的多模型編排場(chǎng)景。如果你的應(yīng)用比較簡(jiǎn)單，直接用 OpenAI 或者各家大模型的 SDK 會(huì)更輕量。

八、向量數(shù)據(jù)庫(kù)和 RAG

做 AI 應(yīng)用時(shí)，經(jīng)常遇到一個(gè)問(wèn)題：大模型的知識(shí)是有截止日期的，而且缺乏你自己的私有知識(shí)。

比如你想讓 AI 基于公司內(nèi)部文檔回答員工的提問(wèn)，直接問(wèn)大模型肯定答不上來(lái)。

這時(shí)候就需要 RAG 技術(shù)了。

RAG 的全稱是 Retrieval-Augmented Generation 檢索增強(qiáng)生成，核心思想就是 先搜再答，讓大模型在回答之前先去搜一遍相關(guān)資料，再基于搜到的知識(shí)來(lái)組織答案。就跟開(kāi)卷考試差不多，遇到不會(huì)的先翻翻書(shū)。

但怎么搜到相關(guān)的資料呢？

如果用關(guān)鍵詞匹配，很容易出現(xiàn)問(wèn)題和文檔里的用詞不一致的情況。所以需要用到 向量 的概念。

簡(jiǎn)單來(lái)說(shuō)，向量就是把一段文字用一串?dāng)?shù)字來(lái)表示，讓計(jì)算機(jī)可以比較語(yǔ)義上的相似度。負(fù)責(zé)把文字轉(zhuǎn)成向量的模型叫 Embedding 模型，存儲(chǔ)這些向量并支持快速相似度搜索的數(shù)據(jù)庫(kù)就是向量數(shù)據(jù)庫(kù)。

RAG 的做法其實(shí)就 2 步。

1）把你的文檔切成小塊，轉(zhuǎn)成向量存進(jìn)向量數(shù)據(jù)庫(kù)。

2）用戶提問(wèn)時(shí)，把問(wèn)題也轉(zhuǎn)成向量，去向量庫(kù)里搜最相似的幾個(gè)文檔塊，再把這些塊連同用戶問(wèn)題一起交給大模型生成回答。

在 AI 時(shí)代，向量數(shù)據(jù)庫(kù)的應(yīng)用越來(lái)越廣，做 AI 知識(shí)庫(kù)、語(yǔ)義搜索、推薦系統(tǒng)都需要用到它。主流的向量數(shù)據(jù)庫(kù)有 Milvus、Chroma、Qdrant 這些，PostgreSQL 也可以通過(guò) pgvector 插件支持向量搜索。

如果想深入了解 RAG 的各種進(jìn)階方案，我之前寫(xiě)過(guò)一篇 ，感興趣可以去看看。

最后嗶嗶

OK 就分享到這里，我把 AI 編程時(shí)代最核心的技術(shù)給大家梳理了一遍，從編程語(yǔ)言到前后端框架，從數(shù)據(jù)庫(kù)到部署上線，從 AI 大模型調(diào)用到 RAG 知識(shí)庫(kù)。

有了 AI 輔助編程，很多技術(shù)你不需要深入學(xué)習(xí)，只要知道它是什么、什么時(shí)候該用，AI 就能幫你搞定具體的代碼實(shí)現(xiàn)。

技術(shù)是為產(chǎn)品服務(wù)的，別為了學(xué)技術(shù)而學(xué)技術(shù)。

不過(guò)如果你想找程序員相關(guān)的工作，還是要系統(tǒng)學(xué)習(xí)這些技術(shù)的，但也不用面面俱到。實(shí)際做項(xiàng)目的過(guò)程中，遇到什么學(xué)什么，用到什么查什么。

如果你想系統(tǒng)學(xué)習(xí) AI 編程，可以看看我的免費(fèi)開(kāi)源教程 《Vibe Coding 零基礎(chǔ)入門(mén)教程》，上千張圖、幾十萬(wàn)字，從 0 開(kāi)始帶你學(xué)會(huì) AI 編程。

開(kāi)源指路：https://github.com/liyupi/ai-guide

我是魚(yú)皮，持續(xù)分享 AI 編程干貨。覺(jué)得有用的話記得點(diǎn)贊收藏和關(guān)注，也歡迎在評(píng)論區(qū)說(shuō)說(shuō)你們現(xiàn)在用的最多的技術(shù)有哪些？