最近公司在推全栈转型，我自己也开始跟着补 Java。

我之前主要做的是前端和 Python。前端做得多一点，所以会比较习惯从页面、交互、用户体验这些角度去看问题。Python 这块主要是用来做 AI 相关的东西，比如模型调用、Agent、RAG、数据处理、一些 AI 应用的快速验证之类的。

这两个方向其实一个偏产品体验，一个偏 AI 能力落地。之前做起来还挺顺手的：前端负责把东西呈现出来，Python 负责把 AI 能力跑起来，中间很多想法也能比较快地做成 demo。

但最近明显感觉到，只靠前端和 Python，有时候还是会卡住。

一个真正要上线的功能，不只是页面能用、AI 能返回结果就结束了。后面还有接口怎么设计、数据怎么存、权限怎么处理、服务怎么拆、异常怎么兜底、上线之后怎么排查问题。以前可能这些事情会分得比较开，前端做前端，后端做后端，AI 做 AI。但现在业务节奏越来越快，如果自己能多理解一点上下游，沟通成本会低很多，解决问题也会更快。

所以我最近开始学习 Java。

一开始确实有点不适应。Python 写习惯了之后，再看 Java，会觉得它更“重”一些。类型、类、接口、异常、各种工程结构，都比 Python 明确很多。但学了一段时间之后，也慢慢能理解为什么很多企业级项目会用 Java。它确实更强调规范、结构和长期维护。

我现在的感受是，学 Java 不只是学一门语言，而是在补后端工程这块能力。

以前做 AI 相关开发时，可能更关注模型效果、调用链路、Prompt、检索效果、响应速度这些问题。现在学 Java，会开始多想一些工程化的问题：接口怎么设计更稳定，业务逻辑放在哪一层，异常怎么处理，数据结构后面会不会难扩展，服务之间怎么协作。

这些东西不是语法本身，但是真正做项目的时候很重要。

再加上现在 AI 工具越来越强，学习新技术的方式也变了。以前遇到一个不懂的点，可能要翻文档、搜博客、看很多例子。现在可以直接让 AI 帮忙解释概念、对比 Python 和 Java 的写法、生成 demo，再自己去验证和理解。效率确实高了很多。

但我也越来越觉得，AI 只是让学习和开发更快，并不代表可以不用思考。它能帮你写代码，但业务为什么这么设计、系统以后会不会出问题、代码能不能长期维护，这些还是要自己判断。

所以我理解的全栈，不是说一个人要把前端、后端、AI、运维全部做到专家级。那不现实，也没必要。

我觉得全栈更像是一种视角：你能不能看懂一个功能从页面到接口、从 AI 能力到业务系统、从数据到部署的大致链路；你能不能在遇到问题时，不只停留在自己熟悉的那一层；你能不能和不同角色的人更顺畅地沟通。

对我自己来说，之前的前端经验让我更理解用户看到的东西，Python 让我能把 AI 能力快速验证和落地，现在学 Java 是在补更正式的后端工程能力。

这几块拼起来，我觉得才更接近现在公司想要的全栈能力。

技术变化很快，AI 也在改变开发方式。以后工程师可能不能只靠单一技术栈吃很久，还是要保持学习。不是为了追热点，而是为了在业务变化的时候，自己能跟得上，也能多承担一点完整的问题。

最近学习 Java 的过程还在继续，肯定还有很多不熟的地方。但至少现在方向更清楚了：继续把前端做好，把 Python 在 AI 方向用好，同时补齐 Java 和后端工程能力。

慢慢来，把能力一点点连起来。