当前位置：首页>python>月之暗面的 kimi-code 放弃 Python,全面使用 Node + TS.AI Agent 全栈到底学 Node、Java 还是 ?

月之暗面的 kimi-code 放弃 Python,全面使用 Node + TS.AI Agent 全栈到底学 Node、Java 还是 ?

2026-06-25 17:39:14

大家好，我是 Sunday。

这两天恰饭恰的不少，连发了两天的广告，怪不好意思的。。。

如果没有记错的话，我的公众号「程序员Sunday」已经有一年多的时间没有接过任何广告了。

但是，最近开始有了特别多的 AI 相关的广子来找

你就看吧，一看一个不吱声。。。

不过从广告的内容上也可以发现目前市场上的变化。

通常，我们都说 哪里就业好，培训就会往那里走

现在培训基本上全部都往 AI 走，现实也是这样。 AI 全栈开发的就业，也确实好。。。

具体的，大家可以看这里 4 月的招聘市场，Agent 全栈开发溢价极高

我就不再重复说了，要不又弄得跟做广告似的。

其实，今天这篇文章主要想说的是另外一件事，就是：

学习 AI Agent 全栈，到底应该学那种语言？
Node、Java、Python 的学习路线分别应该是什么？

接下来，咱们就一个一个来说。

AI 全栈学哪种语言？

很多同学看到这里可能会说：“这还用问，肯定 python 呀！”

还真没那么肯定。

不知道大家有没有看最近的新闻，说的是：“kimi code 正式放弃了 python，使用 Node + TS 进行了全面重构”

现在打开 kimi-code 的 Github 可以发现 TS 占比已经达到 97% 了

这事还挺有意思的，“不都说 python 才是 AI 时代的第一编程语言吗？” 怎么到头来还从 python 换成 Node 了呢？

其实，每个语言都有自己适合的场景：

Node 适合：做 AI 应用产品
Python 适合：做 AI 能力验证和模型侧工程
Java 适合：做企业级应用落地

我展开说一下。

Node 最适合的：AI 应用

因为，现在大量 AI 应用，本质上还是 Web 应用。

前端要做聊天界面、工作台、知识库管理、Agent 配置页、文件上传、流式输出、权限系统。
要接模型 API、做 tool calling、做 RAG、接数据库、接向量库、写 SSE 或 WebSocket、做任务队列。

你如果用 Node + TS，一套语言能从前端写到后端。

Vue、React、NestJS，这些东西串起来之后，非常适合做 AI 原生应用。（前端 + Node 组成 AI 全栈）

而且 TypeScript 还有一个很现实的优势。

类型。

以前很多人觉得类型是负担，写起来麻烦。

但是现在有了 Vibe Coding 之后，这些反而都不是问题了

比如，你写一个 tool，需要什么参数，返回什么结构，前端怎么展示，后端怎么校验，就全部都能统一起来。

所以 Node 适合的是那种「我要把 AI 做成一个真实产品」的人。

Python 适合：AI 能力验证

比如 RAG 怎么切 chunk，embedding 怎么选，rerank 要不要加，LangGraph 工作流怎么编排，多 Agent 怎么协作。

甚至包括你要做模型训练、数据处理、评估、爬虫、自动化脚本。

这些内容 python 都非常合适。

因为整个 Python 的生态就是往这方面去做的

你想找什么库，基本都有。想快速跑一个实验，也很方便。

比如你想做一个知识库问答。

先用 PDF 解析一下，切 chunk，做 embedding，塞进向量数据库，再用 LangGraph 搭一个带状态的 Agent。

就完事了。

但是问题在于，很多同学学 Python 学偏了。

学了半天语法，学了半天爬虫，学了半天数据分析，最后一到 AI Agent 项目，还是不知道怎么把东西做成一个完整产品。

这就很尴尬。

所以我一直觉得，如果你是为了就业学 AI 全栈，Python 不能只学成脚本语言。

这时候 Java 后端的价值就出来了。

Java 适合：做企业级应用落地

万年老 java，这个含金量应该就不用说了。

Java 的优势在 企业系统。

你想想看，现在那么多公司里的核心系统是什么写的？

不都是 Java 吗。

而 AI Agent 真正进入企业之后，它一定要接业务系统的。

这个时候，Java 后端就有优势了。

因为你本来就懂这些系统怎么跑。

同时 Spring AI 现在也在补这块生态，官方文档里已经有 MCP 的 client 和 server 示例，而且 Spring 团队也参与了官方 MCP Java SDK 的维护。

所以，如果你要学习 Python，那么一定要和 java 一起学。

也就是 java + python 大模型

怎么学呢？

说到这里，路线就比较清楚了。

无非就是：

前端 + Node 做：前端 AI 全栈应用开发
java + Python 做：AI 大模型开发

前端 + Node 学习路线

如果你走的是前端 + Node 这条线，首先你一定要先想明白的是 Node 不是重点，AI 才是重点。

因为，你最后要能做出来的是这种东西：AI 聊天应用、Agent 工作台、代码分析工具这些。

所以学习路线应该围绕 AI 工具产品的路线去走

1、前端基础

HTML、CSS、JavaScript、TypeScript 这些东西不用说，尤其是 TypeScript，一定要认真学。

以前你可能觉得 TS 很烦。

但是做 AI Agent 之后，TS 就漏不下了。

因为 Agent 处理结构化数据的能力非常强

并且在很多 AI 工具类项目中，也都需要强类型语言。比如：参数、模型返回值啥的。

也不要觉得 TS 难，这玩意说实话真没啥难的

大不了 any 走天下呗

2、学一个前端框架

Vue 或 React 都行。

不用纠结哪个更牛逼。

只要是能写页面，能做流式输出就可以。

同事一定要记得，多做几个项目

3、学 Node 后端

不要学 express、koa 这些了。

你现在如果要学 Node ，你就学 NestJS。因为他的思想和传统后端的思想更像

4、AI 应用开发

大家一定要搞明白 AI 应用开发和 Vibe Coding 的区别。

AI 应用开发指的是：使用编程技术对接 AI 大模型完成一个应用产品的落地
VibeCoding 指的是：使用 Codex 或者 CC 这种工具对接一个编程大模型，通过自然语言的方式完成应用开发

前者是需要学习的，后者说实话不咋用学。。。

在 AI 应用开发的时候，要注意学模型 API 调用、Prompt、结构化输出、Function Calling、Tool Calling、RAG、向量数据库、Agent 状态管理。

也不要一上来就搞很复杂的多 Agent(A2A)。

先把一个单 Agent 做好就可以了

最后，特别注意：一定要多落地几个项目才可以

Java + Python 学习路线

如果你走 Java + Python 这条线，目标就不一样了。

这条线不是为了做一个好看的 AI 网页。

它更偏向于企业级应用落地。

说白了，就是把 AI 接进真实业务系统里。

其中：

Java 负责稳定的业务系统。
Python 负责 AI 能力验证和模型侧工程。

1、Java 后端基础

Java 基础不用说。

集合、泛型、Stream、异常、IO、多线程、JVM 这些东西，该会还是得会。

然后就是 Spring Boot。

这个其实也没啥好说的。

你如果走 Java 后端路线，Spring Boot 肯定是主线。

接口开发、参数校验、统一返回、统一异常、日志、拦截器、过滤器、配置管理，这些都得会。

再往后就是 MySQL、Redis、MQ、权限认证、文件上传、定时任务、部署。

这一整套的 Java 内容，都得掌握才行。

不要觉得有 VibeCoding 了，这些都不重要的。 并没有

2、学 Spring AI

Java 其实也有直接对接 AI 的库，就是： Spring AI。

所以，别一上来就自己封装一堆乱七八糟的 HTTP 请求。

你要用 Java 的方式，把 AI 能力接进 Java 工程体系里。

Spring AI 里面要重点看这些东西：

ChatClient
Prompt Template
Structured Output
Tool Calling
RAG
向量数据库集成
MCP client / server

尤其是 Tool Calling 和 MCP。

3、Python 基础和 FastAPI

Python 这边，不要只学语法。

如果你是为了 AI 大模型方向去学 Python，那你重点应该放在 AI 能力验证上。

Python 基础肯定要会。

函数、类、虚拟环境、依赖管理、文件处理、异步、常用数据结构，这些差不多够用。

然后一定要学 FastAPI。

因为你得能把一个 AI 能力包成服务。

比如 Java 系统调用 Python 服务，让 Python 去做文档解析、embedding、rerank、评估、复杂 Agent 编排。

FastAPI 就很适合做这件事。

4、AI 能力验证

Python 真正要学的是 AI 的内容，其中包括了：

RAG
文档解析。
chunk 切片
embedding 向量化与向量数据库
LangChain 或 LangGraph 怎么编排工作流。
Prompt 怎么做版本管理。

这些东西，你想找什么库，在 python 里面基本都有。

5、一定要做企业级项目

最后还是那句话。

一定要做项目。

要尽量往企业级场景靠。

目前市面上比较常见的系统有：

企业知识库问答
智能工单助手
合同审查助手
客服质检系统
内部审批 Agent
工业管理平台

这些项目也比较接近真实公司需求。

最后

所以回到最开始那个问题：AI 全栈到底应该学什么语言？

我的答案其实很简单。

先想清楚你到底想要做什么。

同时：Node、Java、Python 不是谁替代谁。

Node 离产品最近
Python 离 AI 能力最近
Java 离企业业务最近

你真正要学的，也不是某一个语言本身，而是 怎么才能跳槽涨薪

对不对！

同时，一定要注意的就是 无论你学的是什么，一定要有几个可以真实落地的项目

别最后搞来搞去，语法都看过，项目一个都没有。

就尴尬了。

本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：wyl860211@qq.com 。