技术栈汇总

发布于：2025-04-19 ⋅ 阅读:(30) ⋅ 点赞:(0)

💻 编程语言与后端开发：

C/C++, Java, C#, Golang, Python, JavaScript：常用编程语言，适用于系统开发、后端服务、AI模型、Web前端等。
Spring, MyBatis, JPA, Junit：Java 技术栈，主要用于企业级后端开发。
Flask, Django：Python 的 Web 框架，适合快速搭建后端接口或AI模型部署。
.NET：C# 的开发平台，用于构建 Windows 应用或 Web 应用。

☁️ 微服务与云原生：

Cloud Native：云原生架构。
Dubbo, Kafka, RabbitMQ：微服务通信与消息中间件。
Redis, MySQL：缓存与数据库服务。
事务隔离机制（Transaction Isolation）：数据库并发处理的关键机制。
Docker, K8S：容器化与容器编排，云端部署的标配工具。

🌐 前端与移动端开发：

HTML, CSS, JS, Vue, React, Bootstrap, Layui：Web前端技术栈。
Android 原生开发、Fragment 生命周期、网络通信：Android 移动端应用开发知识。
微信小程序：轻应用平台。
云存储、数据库：数据管理和持久化。

🔁 团队协作与工具：

Git、协作开发：版本管理与团队开发协作。

🎮 游戏与图形引擎：

U3D（Unity3D）：游戏开发与可视化平台。

🧠 人工智能与深度学习方向：

Torch, TensorFlow：主流深度学习框架。
GAI（Generative AI）：生成式AI。
Computer Vision：计算机视觉。
CNN, RNN, LSTM, GCN, Transformer：深度学习模型架构。
VAE, GAN, VQ-VAE, VQ-GAN：生成模型，用于图像生成、重建等。
DDPM（扩散模型）：最先进的生成模型之一。
YOLO：目标检测模型。
超分辨率、压缩与恢复：像素级视觉任务。
SD图像生成：Stable Diffusion，一种扩散模型。

🧠✨ 模型微调和强化学习：

VAR（向量自回归）：时间序列建模。
LoRA：参数高效微调方法。
强化学习（RL）：智能体通过与环境交互学习。
RLHF, PPO, DPO：强化学习在人类反馈上的优化策略，适用于LLM对齐。

🧰 LLM工具与开源框架：

Ollama, Vllm, FastGPT, Dify, Llama-Factory, Firefly：最近很火的 LLM 生态工具与平台，支持部署、微调、加速推理、UI 构建等。