后端工程师（AI 时代）
从语言基础到 AI 增强的服务：构建正确、可观测、并能调用模型的系统。
路线进度
0% 0 / 10 个步骤已完成
如何解读信号
重要性 高 市场需求 中 自动化风险 低
- 1
一门类型化语言 + git
Go、TypeScript 或带类型的 Python。先掌握语言，再学框架。
重要性 高 市场需求 高 自动化风险 低 - 2
HTTP 与 REST API
状态码、幂等性、分页、版本化。接口契约就是产品。
重要性 高 市场需求 高 自动化风险 中 - 3
关系型数据库与 SQL
表结构设计、索引、事务、查询计划。Postgres 是稳妥之选。
重要性 高 市场需求 高 自动化风险 低 - 4
认证与安全
会话 vs 令牌、OAuth2/OIDC、哈希、OWASP Top 10。不要自己造加密轮子。
重要性 高 市场需求 高 自动化风险 低 - 5
测试与 CI
在流水线中编写单元、集成与契约测试。AI 写测试很快 —— 但由你决定验证什么。
重要性 高 市场需求 中 自动化风险 高 - 6
缓存与消息队列
Redis、幂等消费者、outbox 模式。解耦以扩展。
重要性 中 市场需求 高 自动化风险 低 - 7
可观测性
结构化日志、指标、链路追踪（OpenTelemetry）。看不见就修不了。
重要性 高 市场需求 高 自动化风险 低 - 8
容器与部署
Docker、镜像仓库，以及一个编排器或 PaaS。可复现胜过“在我机器上能跑”。
重要性 高 市场需求 高 自动化风险 中 - 9
系统设计
权衡取舍、一致性模型、容量规划。高级面试，也是高级工作本身。
重要性 高 市场需求 高 自动化风险 低 - 10
由 LLM 驱动的服务
在后端安全地调用模型：流式输出、重试、成本与 token 预算、提示注入防护。
重要性 高 市场需求 高 自动化风险 低