這段時間陸陸續續的開發了2個AI知識庫應用，一個面向企業，一個面向C端用戶。
-
飛樹智庫：一個安全高效的面向 企業的知識庫平臺（https://fskb.coderbox.cn/）。
-
小飛樹：一個專注于個人知識管理的AI應用，致力于幫助用戶高效整理、檢索和利用知識資源的知識庫工具（https://xfs.coderbox.cn）。
這次開發，Rust是主力，從后端到客戶端（Tauri），再到模型加載部署，全部使用Rust完成。體驗很不錯。
這兩個知識庫系統，初版都已上線，歡迎大家體驗使用。
Rust適合作為后端開發嗎
在用Rust前，一直在使用Java，后端體系中，Java生態確很完善，并且有大規模的應用常見來驗證這些庫的可用性。在Rust中，后端生態自然是沒有Java好的，但是，大部分Java中的庫在Rust中也能找到平替，就看能否發現這些庫了，因為有些庫的命名確實比較奇怪，在倉庫中搜索時，可能會搜不到。
那Rust到底適不適合后端開發呢，答案是肯定的，除了常說的Rust的特性外，更多的是Rust語言本身的限定，可以避免很多隱藏的問題。比如這個Option，可以避免很多NPE的問題，再比如Rust中的枚舉，以及組合設計而不是繼承的思想，都是對復雜的后端系統是有益的。
傳統的后端系統，不外乎增刪改查，外加緩存，再復雜點的，對服務拆分，變成微服務，再用網關組織起來。其實在這些場景下Rust生態中也有對應的解決方案，只是沒有像SpringBoot這樣的框架來把它們組織起來。而使用Rust帶來的好處，最大的就是資源占用小，一是編譯產物體積小，二是運行時內存占用小，比如Java的jar包可能200M+，而用Rust實現相同的功能，可能只有50M+的體積，雖然這點體積優勢并對應后端應用來說收益微乎其微，但是在一些工具場景，使用Rust就很適合了。其次Rust的異步及并發庫，非常好用，很容易寫出支持高并發的代碼，這在Web開發中是很有優勢的。
Rust在AI場景下的應用
Rust生態對AI場景的支持有限，目前比較有名的庫就是Candle和Burn，以及tch。其實在AI方面，對于模型本身，由于是由計算密集型場景，所以性能主要受限于CPU或GPU的性能，語言本身影響不大。但對于模型部署來說，尤其是面向C端的模型部署，往往是越簡單越好，如果以Python為基礎，免不了要安裝一些環境，這對非計算機行業的人來說還是有一定困難的，而Rust的跨平臺特性，編譯對應平臺即可直接運行，無需環境依賴，非常適合做客戶端模型部署。
我們在做面向C端用戶的知識庫時，就使用了Candle來做本地化的模型部署，編譯完成后，除了模型文件外，不需要再加載其他環境和文件了，做到真正一鍵安裝啟動本地模型。
Candle課程推薦
我們也錄制了一個Candle基礎的課程，可供大家學習。
rust深度學習庫candle-簡介
Rust的學習難度
從0開始學Rust容易，從其他語言轉Rust難。為什么呢，一是受限于思維定式，從其他語言轉換過來時，往往會有一個對比，進而陷入這個對比的循環，而從0開始反而沒有負擔，更容易接受。
- 難在哪里
- 語法
Rust中的語法糖很多，需要大量的時間去熟練運用。 - 設計思想
Rust的中的生命周期、所有權的概念，以及引用借用，這些是不得不面對的問題。但是理解這些也能讓我們寫出更好的代碼。 - 宏
宏很好用，類似Java里的注解，但是，要看懂別人的宏，很費勁，寫起來也容易出錯。
- 語法
然而，當你適應Rust的這些特性后，其實也沒有那么難，反而會體會到它這樣設計的合理性。
用到的一些庫
以下是我們用到的一些庫，有興趣的同學可以自主了解以下這些庫的作用。
)
