🏗️
第一阶段：系统设计能力
数据库设计、缓存与高并发、消息队列、系统架构设计。学会看懂大型系统架构图，能独立设计中型 SaaS 架构。
开始 →
AI Full-Stack Architect从资深前端到 AI 全栈架构师
一套系统的学习路线，补齐系统设计、后端架构和 AI 应用架构能力
这份文档是为 资深前端开发 量身定制的升级路线。目标不是成为某个技术栈的专家，而是快速补齐系统设计、后端架构和 AI 应用架构能力，升级为 AI Full-Stack Architect（AI 全栈架构师）。
你已经有前端工程经验，所以这套路线不会从编程基础讲起。重点放在前端开发平时较少完整负责的部分：数据模型、缓存、异步任务、后端服务、部署链路、AI 应用架构和系统取舍。
每一阶段、每一节的时间仅为参考，可以根据个人进度压缩。建议边学边做，把每章实践都沉淀到最后的 AI 企业知识助手 项目里。
| 阶段 | 要补的能力 | 解决的问题 | 最后沉淀 |
|---|---|---|---|
| 第一阶段 | 系统设计能力 | 看懂系统为什么这样设计 | 数据模型、缓存方案、异步流程、架构图 |
| 第二阶段 | 后端与部署能力 | 把系统做出来并跑起来 | NestJS API、Docker Compose、CI/CD、部署说明 |
| 第三阶段 | AI 应用架构能力 | 把 LLM、RAG、Agent 接进产品 | RAG API、Agent 工具调用、MCP Server、Browser Agent Demo |
| 毕业项目 | 全链路整合能力 | 做出一个能展示的 AI SaaS 原型 | AI 企业知识助手 |
这条路线先讲系统设计，再讲后端实现。原因很简单：资深前端并不缺写应用的能力，短板通常在系统边界、数据流、存储、部署和架构取舍。先建立系统视角，再写后端代码，会少走很多弯路。
前端经验不是包袱，而是起点。组件拆分经验可以迁移到后端模块边界，状态管理经验可以迁移到缓存和一致性问题，接口联调经验可以迁移到 API 设计、错误处理和鉴权，构建部署经验可以迁移到 CI/CD 和运行时环境。
学习时可以一直问一个问题：这个后端或 AI 能力，最后会怎样影响用户侧体验？这样更容易把新知识接到已有经验上。
如果你只有 6~8 周，不必完整吃下所有内容。建议按下面的顺序压缩：
| 阶段 | 优先学 | 可以先了解 |
|---|---|---|
| 第一阶段 | 数据库设计、缓存、系统设计估算 | Kafka / RabbitMQ 的完整生态 |
| 第二阶段 | NestJS、Prisma、Docker Compose、云服务器部署、GitHub Actions | Kubernetes |
| 第三阶段 | LLM 基础、RAG、Function Calling、最小 Agent Demo | LangGraph 深入、完整 Browser Agent 产品化 |
| 毕业项目 | MVP：登录、上传、RAG 问答、Docker 一键启动、基础部署 | MCP、Browser Agent、复杂缓存、MQ 异步化 |
压缩路线的目标是先做出作品，再补深度。完整路线适合系统学习，压缩路线适合短期转型和准备作品集。
| 阶段 | 周期 | 核心内容 |
|---|---|---|
| 第一阶段：系统设计能力 | 6~8 周 | 数据库 → 缓存 → MQ → 系统设计 |
| 第二阶段：现代后端与云原生 | 6 周 | NestJS → Docker Compose → 部署 → CI/CD，K8s 了解即可 |
| 第三阶段：AI 系统架构 | 8~10 周 | LLM → RAG → Agent → MCP → Browser Agent |
| 最终毕业项目 | 4 周 | AI 企业知识助手（全栈打通） |