面向工程实践的 AI 全栈进阶路径
贯通端到端工程链路构建生产级 AI 全栈能力
沿 TypeScript 与 Node.js 主线，连接前端、服务端、数据存储与 AI 应用，将质量、可靠性、安全、性能与成本贯穿完整交付链路，并用代码、Trace、评测与 RFC 持续验证工程结果。
TRANSFORMATION PATH LEARNING
起点工程基础
目标AI 全栈能力
边界：聚焦 AI 应用工程，不覆盖模型预训练与 CUDA；后端重 Node.js、轻 Java。
AI FULL-STACK CAPABILITY MAP
AI 全栈工程能力图
四个技术域决定能否构建系统，横向工程与非技术能力决定能否持续交付结果，工程证据用于校验和推动演进。技术能力横向工程非技术能力工程证据
L5目标责任
ROLE OUTCOME
能够构建并持续运营端到端 AI 系统
- 业务价值判断是否值得做
- 系统交付完成端到端落地
- 生产质量对稳定、安全与成本负责
- 持续演进用证据推动系统改进
L4技术能力基础 → 工程 → 生产
T1↗
AI 技术
把模型不确定性约束进工程系统
基础
- 模型能力边界
- 生成约束
- Prompt 与消息
应用
- Agent Runtime
- Tool 与协议
- RAG 与 Memory
生产
- Trace 与评测
- 安全与权限
- Gateway 与运营
T2↗
前端技术
让复杂 AI 任务可理解、可操作
基础
- JavaScript / TypeScript
- 浏览器与网络
- 渲染与事件循环
工程
- 框架与状态
- 构建与测试
- 设计系统
进阶
- 性能与观测
- 前端架构
- Streaming / Agent UX
T3↗
后端技术
对服务运行、接口契约与故障恢复负责
运行
- Node.js Runtime
- 并发与资源
- HTTP / API
服务
- 身份与鉴权
- 接口与契约
- 异步任务
生产
- 可靠性工程
- 故障隔离
- 分布式约束
T4↗
数据存储
对数据正确性、访问效率与恢复能力负责
基础
- 数据建模
- SQL / 索引
- 事务与锁
系统
- 缓存与搜索
- 向量检索
- 消息与数据链路
生产
- 迁移与备份
- 恢复演练
- 权限与治理
L3横向工程能力贯穿所有技术域的生产约束
测试分层 · 契约 · 评测门禁
Log · Metric · Trace · SLO
超时 · 重试 · 幂等 · 恢复
身份 · 权限 · 数据 · 审计
容量 · 延迟 · 资源 · 预算
发布 · 灰度 · 告警 · 复盘
L2非技术能力把技术结果连接到业务与组织
目标、约束与收益判断
用户价值与 AI 适用性
方案表达与跨团队对齐
拆解、节奏、风险与交付
决策、标准与人才培养
平台化、推广与价值复盘
L1工程证据不以“学过”代替可验证结果
代码与测试
可运行、可回归
Trace 与指标
可观测、可定位
评测与实验
可比较、可验证
RFC 与 ADR
可解释、可追溯
Failure 复盘
可恢复、可改进
业务与团队结果
可衡量、可复用
证据反向校验
读图方式
从底部证据层向上看：非技术能力决定问题是否值得解决，横向工程能力保证系统能够进入生产，四个技术域共同支撑最终的端到端责任。
CAPABILITY DOMAINS
四个知识域，组成完整能力链路
从最接近当前能力缺口的知识域进入，再通过项目把各域连接起来。HOW TO USE
一套能力地图，三种使用方式
首页只保留定位、能力全景和行动入口；具体知识结构进入对应知识地图查看。BUILD YOUR LEARNING PATH