技术栈系统总结

---

一、FastAPI

是什么 Python 的现代 Web 框架，专门用来写后端接口（API）。相比老牌的 Flask，FastAPI 原生支持异步、自动生成文档、自带数据校验，是目前 Python 后端的主流选择。

核心概念

路由是 FastAPI 的基础，决定"哪个 URL 对应哪个函数"。用装饰器注册，@app.get("/users") 表示 GET 请求打到 /users 时执行这个函数，@app.post("/generate") 同理。

请求数据分两种：路径参数是 URL 里的一部分，比如 /users/{user_id} 里的 user_id；请求体是 POST 请求里携带的 JSON 数据，用 Pydantic 模型来接收。

Pydantic 是 FastAPI 的核心依赖，用 class 继承 BaseModel 来定义数据结构。FastAPI 会自动用它做参数校验，格式不对直接返回 422 错误，不需要你手动写校验逻辑。

异步是 FastAPI 的重要特性。用 async def 定义异步接口，配合 await 调用耗时操作（比如 AI API 调用、数据库查询），让服务在等待期间可以处理其他请求，不会因为一个慢请求卡死整个服务。

错误处理用 try/except 捕获异常，结合 HTTPException 返回规范的错误响应，包含状态码和错误信息。统一的错误格式让前端更容易处理异常情况。

CORS 中间件解决跨域问题。前端和后端不在同一个域名或端口时，浏览器会拦截请求，加上 CORS 中间件告诉浏览器"允许这个来源访问"，前后端联调才能正常工作。

依赖注入（Depends）是 FastAPI 提供的一种机制，把公共逻辑（比如验证登录状态、获取数据库连接）抽出来复用，避免每个接口都重复写同样的代码。

/docs 是 FastAPI 自动生成的 Swagger 接口文档页面，可以直接在浏览器里测试所有接口，开发调试非常方便。

项目结构 成熟的 FastAPI 项目不会把所有代码写在一个文件里，通常按功能拆分：main.py 是入口，routers/ 存放各模块的路由，schemas/ 存放 Pydantic 数据模型，services/ 存放业务逻辑。这样代码清晰，也方便团队协作。

运行方式 用 uvicorn 启动，它是一个高性能的 ASGI 服务器，专门用来跑异步 Python Web 应用。命令是 uvicorn main:app --reload，--reload 参数让代码改动后自动重启，开发时很方便。

---

二、Redis

是什么 一个运行在内存里的键值数据库。因为数据存在内存而不是硬盘，读写速度极快，通常比普通数据库快几十倍到上百倍。

核心用途：缓存 把耗时操作的结果暂存起来，下次同样的请求直接返回缓存结果，不重复计算。典型场景：同一个 prompt 的 AI 生成结果，第一次生成后存入 Redis，第二次同样的请求直接返回，既省钱又省时间。

基础命令 SET key value 存数据，GET key 取数据，EXPIRE key seconds 设置过期时间，DEL key 删除，EXISTS key 检查是否存在。过期时间非常重要，AI 生成结果不需要永久缓存，设置合理的过期时间可以避免内存被撑满。

在 Python 里使用 安装 redis-py，连接 Redis 后就可以像操作字典一样存取数据。存之前用 json.dumps() 把 Python 对象序列化成字符串，取出来再用 json.loads() 反序列化回来。

注意事项 Redis 默认数据存在内存，断电或重启后数据会丢失（可以开启持久化但默认不开）。所以 Redis 适合存"丢了也无所谓、可以重新生成"的数据，不适合存用户账号、订单这类重要数据。

在 AIGC 产品里的价值 AI 模型调用成本高、耗时长，相同的输入大概率产出相同的结果。用 Redis 缓存这些结果，能大幅降低 API 调用费用，也能显著提升用户体验。

---

三、RabbitMQ

是什么 消息队列中间件。解决的核心问题是：系统在高并发时，不能让所有请求同时涌入后端处理，需要一个"缓冲地带"来排队。

核心模型 生产者负责把任务发送到队列，消费者负责从队列里取出任务并处理。两者解耦，互不直接依赖。生产者发完就走，不需要等消费者处理完；消费者按自己的节奏处理，不会被生产者的速度压垮。

为什么 AIGC 产品需要它 AI 模型处理一个请求需要几秒甚至几十秒。如果 100 个用户同时点击生成，直接全部打到模型上，要么模型崩溃，要么全部超时。有了 RabbitMQ，100 个任务进入队列排队，消费者按顺序一个一个处理，系统稳定，用户也知道自己在排队等待。

核心概念 Exchange 是消息交换机，决定消息路由到哪个队列。Queue 是队列本身，存放待处理的消息。Binding 是 Exchange 和 Queue 之间的绑定关系。对于简单场景，用默认 Exchange 直接发到指定队列名就够了。

在 Python 里使用 用 pika 库连接 RabbitMQ，生产者用 channel.basic_publish() 发消息，消费者用 channel.basic_consume() 监听队列，收到消息后执行回调函数处理。

管理界面 RabbitMQ 带一个 Web 管理界面（装 management 版本后访问 localhost:15672），可以看到队列里有多少消息在等待、消费者的处理速度、历史消息量等信息，排查问题很方便。

消息确认机制 消费者处理完消息后需要发送 ACK（确认），告诉 RabbitMQ 这条消息已经处理好了可以删除。如果消费者处理到一半崩了，没有发 ACK，RabbitMQ 会把这条消息重新放回队列，确保任务不丢失。

---

四、Docker

是什么 容器化平台，把应用和它所依赖的所有运行环境（Python 版本、依赖库、系统配置）打包成一个镜像，在任何机器上都能一致地运行。彻底解决"在我电脑上能跑，在服务器上不行"的问题。

镜像与容器的区别 镜像是静态的打包文件，相当于蛋糕的配方；容器是镜像运行起来的实例，相当于按配方做出来的蛋糕。同一个镜像可以同时运行多个容器。

Dockerfile 描述如何构建镜像的文件。FROM 指定基础镜像（比如 python:3.12），WORKDIR 设置工作目录，COPY 把本地文件复制进镜像，RUN 执行命令（比如安装依赖），CMD 指定容器启动时执行的命令。写好 Dockerfile 后用 docker build 构建镜像。

常用命令 docker build -t 镜像名 . 构建镜像，docker run -p 8000:8000 镜像名 运行容器（-p 是端口映射，把容器内的端口暴露到宿主机），docker ps 查看运行中的容器，docker stop 容器ID 停止容器，docker logs 容器ID 查看日志。

docker-compose 用一个 docker-compose.yml 文件定义多个服务（比如 FastAPI + Redis + RabbitMQ），用 docker-compose up 一键全部启动，docker-compose down 全部停止。团队里新同事拿到代码，不需要手动安装各种依赖，一个命令就能把整套环境跑起来，极大降低协作成本。

在公司里的意义 公司的项目在本地开发完后，需要部署到服务器上线。Docker 保证本地和服务器的环境完全一致，避免部署时出现各种环境差异问题。理解 Docker 也是理解公司整个部署流程的前提。

---

五、Python 语法要点

虚拟环境 venv 为每个项目创建独立的 Python 环境，避免不同项目的依赖版本互相冲突。用 python -m venv venv 创建，激活后安装的所有库只属于这个项目。是 Python 项目开发的基本规范。

async / await 异步编程的核心语法。async def 定义一个协程函数，await 在调用耗时操作时主动交出控制权，让事件循环去处理其他任务，等操作完成后再回来继续。适合 IO 密集型场景（网络请求、文件读写），能大幅提升并发性能。

装饰器 @ 本质是一个高阶函数，用来给另一个函数附加功能，语法是在函数定义上方加 @装饰器名。FastAPI 里的 @app.get("/") 是把函数注册为路由，@app.middleware 是注册中间件。理解装饰器就理解了 FastAPI 路由的工作原理。

类型注解 在变量和函数参数后面加 : 类型 标注数据类型，比如 name: str、age: int、items: List[str]。Python 本身不强制执行类型，但 FastAPI 和 Pydantic 会用它自动做数据校验。也让代码更易读，别人一眼就知道这个参数应该传什么类型。

Pydantic BaseModel 用 class 继承 BaseModel 定义数据模型，字段用类型注解声明。实例化时自动校验数据类型，类型不对会抛出异常。FastAPI 深度集成 Pydantic，请求体的校验、响应数据的序列化全靠它。

模块与 import import module 导入整个模块，用 module.function() 调用。from module import function 只导入某个函数，直接用 function() 调用。大项目按功能拆分成多个文件，通过 import 互相引用。__init__.py 文件让一个目录变成 Python 包，可以被 import。

列表推导式 [expression for item in iterable if condition] 的简洁写法，比 for 循环更紧凑。比如 [x * 2 for x in range(10) if x % 2 == 0]。公司代码里经常见到，要能一眼看懂。

字典常用操作 .get(key, default) 安全取值，key 不存在时返回 default 而不是报错；.items() 遍历键值对；.keys() 和 .values() 分别取所有键和值；{**dict1, **dict2} 合并两个字典。

with 语句 上下文管理器，确保资源在使用完后被正确释放，比如文件关闭、数据库连接释放。with open("file.txt") as f: 是最常见的用法，即使中间出错也会自动关闭文件。

f-string f"Hello {name}, you are {age} years old" 的字符串格式化方式。花括号里可以放任意 Python 表达式，简洁直观。是目前 Python 最推荐的字符串拼接方式。

---

六、整体链路

用户点击生成
    ↓
FastAPI 接收请求，Pydantic 校验参数
    ↓
检查 Redis 是否有缓存
    ↓ 有缓存          ↓ 无缓存
直接返回结果    任务发入 RabbitMQ 队列
                    ↓
              消费者取出任务
                    ↓
              调用 AI 模型处理
                    ↓
              结果写入 Redis 缓存
                    ↓
              返回给用户
                    ↓
整个服务打包成 Docker 容器部署上线

这条链路是大多数 AIGC 产品后端的基础骨架。FastAPI 负责接口层，Redis 负责缓存层，RabbitMQ 负责任务调度层，Docker 负责部署层。四个组件各司其职，组合在一起构成一个稳定、可扩展的后端系统。理解这条链路，就理解了你们公司技术架构的核心逻辑。