AI全棧：模型 + 表示學習 + 向量庫 + API + UI
一句話定義：
? AI 全棧開發，是指開發者從原始文本/語音/圖像開始，結合大模型能力，構建完整應用閉環的技術能力棧。
AI全棧應用的過程
AI應用 ≠ 一個GPT接口，它通暢包含
🔣 輸入：用戶提供問題 / 文檔 / 圖片 / 音頻
↓
🧠 表示學習（Embedding）：把輸入變成向量
↓
🔍 檢索（Faiss / Milvus）：在知識庫中找相關內容
↓
💬 生成（LLM）：構造 Prompt + 調用模型生成答案
↓
📦 服務封裝：FastAPI / Flask 做成 API 接口
↓
🖼? 前端可視化：Vue + Axios 作為用戶交互界面
核心模塊
graph TDA[用戶輸入] --> B[文本預處理]B --> C[Embedding 向量化]C --> D[向量數據庫]D --> E[檢索 Top-K]E --> F[構造 Prompt]F --> G[調用大模型]G --> H[輸出結果]H --> I[前端呈現]架構圖:
+------------------------------------------------------------+
| 前端層（交互與可視化） Vue/React + WebAssembly + AI Plugin |
+----------------------------|-------------------------------+
| 后端層（服務與集成） FastAPI/Django + gRPC + JWT |
+----------------------------|-------------------------------+
| 推理服務層（模型服務化） TorchServe/ONNX + Docker + K8s |
+----------------------------|-------------------------------+
| 訓練與數據處理層 PyTorch/TensorFlow + Pandas |
+----------------------------|-------------------------------+
| 數據采集與標注 Airflow/Spark + Label Studio |
+------------------------------------------------------------+
| 模塊 | 能力范圍 | 常用技術棧/工具 |
|---|---|---|
| 數據工程 | 數據采集、清洗、標注、特征工程 | Pandas、Spark、Airflow、Label Studio |
| 模型訓練 | 模型開發、訓練、調優 | PyTorch、TensorFlow、Hugging Face Transformers、Sklearn |
| 模型評估 | 模型評估、A/B 測試、指標體系設計 | MLflow、TensorBoard、Prometheus/Grafana |
| 模型部署 | 模型服務化、容器化、版本管理 | ONNX、TorchServe、TF Serving、Docker、Kubernetes、FastAPI |
| 后端集成 | 與業務系統集成、API 網關設計、權限/安全性處理 | Django/FastAPI、gRPC、OAuth2、JWT |
| 前端呈現 | 前端交互、可視化、AI 驅動的 UI | Vue、React、ECharts、WebSocket、WebAssembly |
| 監控與迭代 | 模型監控、漂移檢測、自動更新 | Evidently AI、Feast、Seldon、Kubeflow |
AI全棧開發與傳統的全棧開發
| 對比維度 | 傳統全棧開發 | AI 全棧開發 |
|---|---|---|
| 目標 | 搭建業務應用系統（Web/Mobile） | 構建端到端的智能系統（AI 應用） |
| 技術核心 | CRUD、認證授權、頁面交互 | 模型訓練部署、智能交互 |
| 數據處理 | 數據庫交互、簡單處理 | 大規模數據預處理、特征提取、向量化 |
| 后端職責 | RESTful API、業務邏輯處理 | 模型服務封裝、推理接口、高并發優化 |
| 前端職責 | UI/UX、交互邏輯 | AI 能力集成（如人臉識別、對話框、推薦模塊） |
| 部署工具 | Docker、Nginx、K8s | + 模型推理優化工具（ONNX、TensorRT） |
| 性能關注點 | 網絡、數據庫、響應時間 | + 推理延遲、吞吐量、模型精度與漂移 |
mindmaproot((AI 全棧開發))定義原始輸入 → 模型 → API → UI應用流程輸入（文本/語音/圖像）Embedding（表示學習）向量檢索（Faiss / Milvus）生成（構造 Prompt + 大模型）封裝 API（FastAPI）前端可視化（Vue + Axios）
架構設計圖：
mindmaproot((架構分層))前端層Vue / ReactWebAssemblyAI Plugin后端層FastAPI / DjangogRPCJWT推理服務層TorchServeONNXDocker / Kubernetes訓練與數據處理PyTorch / TensorFlowPandas數據采集與標注Airflow / SparkLabel Studio
核心模塊能力：
mindmap
root((核心模塊能力))數據工程PandasSparkAirflowLabel Studio模型訓練PyTorchTransformersSklearn模型評估MLflowTensorBoardPrometheus模型部署ONNXTorchServeTF ServingDockerKubernetes
