大家好,我是Petter Guo
一位热爱探索的全栈工程师。在这里，我将用最接地气的方式，带你玩转前端、后端到 DevOps 的硬核技术，解锁AI，助你打通技术任督二脉，成为真正的全能玩家!！
如果对你有帮助, 请点赞+ 收藏 +关注鼓励下, 学习公众号为 全栈派森。
本文要点:
- 知识回顾
- 下半年目标设定
知识回顾
- AI探索
在 AI 技术蓬勃兴起的浪潮中，我的探索之旅从前沿实践逐步走向深度应用，不仅积累了丰富的技术经验，更见证了技术落地的多样路径与效能革新。
最初，从 OpenAI 到阿里大模型，我持续投身新技术学习，先是尝试通过小程序搭建 AI 智能对话系统，却遭遇服务不稳定的瓶颈。这一实践反馈推动我转向国内大模型生态，随后系统研习 LangChain 框架与 Streamlit 框架，成功实现智能知识库的快速搭建 —— 这一突破让我对 AI 的认知从工具应用层面，跃升至对技术底层逻辑的理解。
在此基础上，我进一步整合 RAG 技术，依托 AWS EC2 服务器与 Docker 技术完成 AI 服务的高效部署。实践中深刻感受到 Docker 技术的颠覆性价值：它将传统服务器部署的冗长流程大幅压缩，显著提升了技术落地的效率，也让我完整掌握了 AI 技术从开发到上线的全流程闭环。
- 机器学习
为深入探究 AI 技术底层原理，我开启了机器学习的系统学习之路，通过理论钻研与实践操作相结合，收获颇丰，且仍在持续精进。
学习中，我先从基础概念入手，掌握了监督学习、非监督学习、强化学习等核心理论，进而深入研习逻辑回归、线性回归、神经网络等更深层次的知识。同时，借助 Kaggle 平台开展大量实践实验，涵盖模型选择、数据源导入、模型训练及训练结果曲线分析等环节。这些实践离不开 Python 的支撑，涉及 numpy、pandas、sk-learn、pytorch 等技术框架。
虽然目前我的造诣尚浅，但已力求做到知其然更知其所以然，对机器学习有了颇为深刻的认知。正如 “皇天不负苦心人”，付出的努力终会有所回报。目前我已学习分享到第六课，后续会抽时间继续学习，而回顾知识是重中之重，唯有如此，才能将所学掌握得更为透彻。
- Flask框架
在技术学习过程中，我对 Python 相关框架及前端技术进行了探索实践，深刻体会到多技术学习对成长的助力。
Python 语言以其灵活性带来了极大的学习便利，但要深化应用，还需掌握相关框架。Flask 框架就如同 Node.js 中的 Express，是多数前端开发者会接触的工具。掌握这类灵活框架，如同了解零散积木的组成，能清晰知晓各部分功能，对学习成长大有裨益。我曾分享过 Flask 与 Django 的对比，两者各有适用场景，都值得学习。我采用 Flask 搭配 FlaskSQLAlchemy、pydantic、FlaskJWTExtended 等主要模块搭建服务，可支持后台 admin 与前端 H5 的 API 调用，还实现了阿里 OSS 文件上传功能。
前端技术方面，我入门时学的是 vue 框架，但秉持多尝试、多学习的心态，又学习了 reactJS 框架，两者各有千秋。之前的分享文章中对此有详细介绍，感兴趣的可以查阅，这里就不截图展示了。
- Nextjs
秉持着持续学习的态度，我在前端技术领域不断探索，通过 Next.js 相关技术栈的实践，收获了宝贵的成长经验。
我进一步探索了 Next.js，采用 Next15搭配 Prisma、Auth2.0 及 ShadcnUI 搭建后台管理系统，实现了登录、注册、列表查询等功能，还支持第三方授权登录，包括头像展示，路由组件设置也均采用 ShadcnUI。这款 UI 库样式美观，且支持自定义封装。
虽然系统功能点看似不多，但实际开发中却暗藏不少技术难点。唯有真正动手实操，才能发现并解决这些问题，而这正是实践带给我们的成长所在。
下半年目标设定
- 英语口语练习+学习 (还没完全的计划)
- 数据开发方向实操 (目前是有计划的)
目标其实很简单, 但是不知道能不能达成, 往往设立目标真的很简单, 一言难尽, 希望我们每个人都可以达成心中的目标, Flag 还是不立了, 有句话怎么说来的, 说出来的往往不是很灵, 看看最后年中总结,会有些啥内容 !!
感谢阅读, 欢迎交流心得, ⛽️⛽️!
