写在前面
2026 年，我想把自己的技术方向收得更清楚一点。
过去一段时间，我花了不少时间使用 AI 工具。ChatGPT、Claude、DeepSeek、Cursor、Claude Code，这些工具确实很有用。它们可以帮我解释报错、生成代码、梳理思路、改文章，也能让我更快完成一些以前需要查很久的事情。
但用得越多，我越感觉到一个问题：只会使用 AI 工具，并不能形成真正稳定的竞争力。因为工具本身会越来越普及，今天我会用，明天别人也会用。真正能拉开差距的，不是用过多少工具，而是能不能借助这些工具做出一个真实项目。
所以我今年的重点不是继续收藏更多工具，而是把 AI 能力接入到具体应用里。简单说，就是从”工具使用者”往”项目构建者”转。
为什么不能只停留在 AI 工具使用
会用工具已经不稀缺
现在很多人都会用 AI 写代码、改简历、总结文章、生成方案。这当然是好事，AI 工具降低了学习和开发的门槛，也确实能提升效率。
但如果一个人的能力只停留在”我会让 AI 帮我写代码”，那其实很危险。因为这件事本身并不稀缺，而且很难证明自己真正理解项目。比如我说我会用 Claude Code 或 Cursor，这只能说明我知道这个工具。但别人真正关心的是：我用它做出了什么？项目有没有上线？核心模块怎么设计？数据库怎么设计？接口失败怎么处理？大模型输出不稳定怎么办？如果这些问题讲不清楚，工具使用经验就会显得很薄。
AI 提高效率，但不替代判断
AI 很适合辅助学习和开发，但它不能替我做判断。
它可以给我生成一段代码，但这段代码是否适合当前项目，需要我判断。它可以给我几个技术方案，但最终选择哪个方案，需要我承担后果。它可以帮我写 Prompt，但用户到底需要什么，还是要我自己想清楚。它可以解释报错，但项目结构、数据流和权限设计，不能完全交给它。
我现在对 AI 工具的理解是：它是放大器，不是方向盘。如果我有清楚的目标，它能帮我更快推进；如果我自己方向不清楚，它只会帮我更快制造一堆碎片。所以今年我会继续用 AI，但不会把”会用 AI”当成终点。
我的技术定位
我更适合先做 AI 应用开发
我现在不会把自己定位成大模型底层研究者，也不会假装自己在做算法突破。对我目前的阶段来说，更实际的方向是 AI 应用开发，也就是把大模型能力接入到具体场景里，做成用户可以使用的功能。比如简历优化、知识库问答、内容生成、文档分析、面试辅助、学习规划、个人效率工具。
这些方向不一定听起来最硬核，但它们很贴近实际产品，也适合我现在用项目来训练综合能力。我现在最需要的不是空谈 AI 趋势，而是把一个 AI 应用项目从 0 做到上线。
技术主线：AI 应用开发 + Java 后端工程化
我今年的技术主线会放在两个方向上。
第一个是 AI 应用开发，重点是需求分析、Prompt 设计、大模型 API 接入、结构化输出、异常兜底、成本控制和隐私保护。第二个是 Java 后端工程化，重点是 Spring Boot、MySQL、Redis、JWT、接口设计、权限控制、异常处理、日志、限流、Docker、Nginx 和服务器部署。
这两个方向必须结合起来。如果只有 AI，没有后端工程能力，项目很容易变成一个临时 demo；如果只有后端，没有 AI 应用场景，项目又容易变成普通管理系统。我希望做的是二者结合：用后端工程能力支撑 AI 应用，让项目真正可用、可部署、可展示。
今年的第一个重点项目：简喵
为什么选择 AI 简历项目
我今年准备重点做的项目叫”简喵”，一个 AI 简历优化项目。选择这个方向不是因为它最热门，而是因为我自己确实遇到过类似问题。
有一次我在网上用简历模板，填了很久，最后导出 PDF 的时候才提示要付费。当时的体验很差。后来我就想，能不能做一个对学生更友好的免费简历工具。但真正开始思考这个项目后，我发现问题不只是”免费导出”。
很多大学生写简历的难点，其实是不会表达自己的经历：做过项目，但写得很平；学过技术，但不知道怎么写进项目描述；有一些成果，但不会量化；投不同岗位，也不知道简历应该怎么调整。所以简喵的核心不只是模板，而是帮助用户把已有经历整理成更适合求职场景的表达。
第一版想做到什么程度
简喵第一版不会一上来做得很复杂。我希望先完成一个基本闭环：用户注册登录；上传 PDF 或 Word 简历；系统解析简历文本；用户输入目标岗位；AI 分析简历内容；输出评分、问题和优化建议；生成项目经历改写示例；保存历史分析记录；部署到服务器，能够在线访问。
这个版本不一定完美，但要真实可用。我不想做一个只能截图展示的项目，至少要能让别人打开链接体验，能看到功能流程，能通过文章了解背后的技术设计。
我需要补的后端能力
不只写接口
以前我有时候会把后端理解成写接口、查数据库、返回结果。但真正做项目以后，会发现后端需要考虑的问题更多：用户有没有登录？接口有没有权限校验？用户能不能访问别人的简历？上传文件有没有格式和大小限制？AI 调用失败时怎么提示？日志会不会记录用户隐私？大模型 API 会不会被刷爆？数据库表以后能不能扩展？上线后出问题怎么排查？这些问题才是项目真正容易暴露短板的地方。
所以我今年会重点补后端工程化，而不是只追求功能表面能跑。
围绕项目补技术
我不打算孤立地学一堆技术名词，而是围绕简喵这个项目去补。
Spring Boot 用来搭建后端接口和业务模块；MySQL 用来保存用户、简历、岗位和分析记录；Redis 用来做限流、验证码、缓存或调用次数控制；JWT 或 Session 用来处理登录和接口鉴权；Docker 用来保证部署环境一致；Nginx 用来做反向代理和静态资源访问；阿里云服务器用来让项目真正上线；大模型 API 用来完成简历分析和优化建议生成。
这些技术只有放进具体项目里，才不会停留在”我学过”的层面。以后我写技术文章，也会尽量从项目问题出发，而不是单独写概念。比如我更想写：简喵为什么需要 Redis 限流；大模型 API 为什么不能暴露在前端；简历上传为什么要做文件校验；Prompt 为什么要要求结构化输出；日志为什么不能打印完整简历内容。这种写法对我自己也更有帮助。
AI 应用开发真正要解决的问题
调 API 只是第一步
很多 AI 项目看起来像是”接入一个模型接口”。但我现在越来越觉得，调用 API 只是最简单的一步。真正困难的是让模型能力变成稳定的产品功能。
以简喵为例，如果我只是把用户简历直接丢给大模型，然后让它”帮我优化一下”，这个功能可能偶尔能用，但很难稳定。它可能输出很空泛的建议，可能格式每次都不一样，可能编造用户没有的经历，可能忽略目标岗位，可能返回太长前端不好展示，也可能超时、失败、成本失控。所以 AI 应用开发要考虑的不只是”能不能回答”，还要考虑结果是否稳定、可解析、可保存、可展示、可追踪。
Prompt、结构化输出和兜底
我需要在项目里重点处理几个问题。
第一是 Prompt 设计。模型需要知道它的角色、任务、输入内容、评分维度、输出格式和限制条件。第二是结构化输出。如果模型只返回一大段文字，前端展示和后端保存都会很麻烦，所以最好让它输出固定字段，比如总分、优势、问题、修改建议、项目经历改写等。第三是异常兜底。模型不一定每次都按要求返回，它可能输出非法 JSON，也可能缺字段，还可能调用失败，后端必须能处理这些情况，而不是直接让用户看到一堆错误。
这些内容会是我做简喵时重点记录的部分。
项目必须上线
本地能跑不算结束
今年我给自己定了一个比较硬的要求：项目尽量都要上线。因为本地能跑，只能说明功能初步完成，真正部署到服务器以后，才会遇到更多实际问题：环境变量怎么配置、数据库连接怎么处理、前后端跨域怎么解决、Nginx 怎么配置、HTTPS 证书怎么申请、服务器端口怎么开放、日志怎么查看、移动端访问是否正常。这些问题不一定复杂，但如果没有亲自部署过，就很难真正理解。
上线后项目才更像作品
如果一个项目只有代码仓库，没有在线地址，没有截图，没有 README，没有部署说明，也没有复盘文章，别人很难判断它的完成度。我希望简喵最后至少具备这些东西：在线体验地址、GitHub 仓库、项目截图、功能说明、技术栈说明、系统架构说明、部署文档、项目复盘、面试问答整理。这样它才不只是一个练手项目，而是一个能被展示、能被理解、能被追问的作品。
博客在这条路线里的作用
写博客不是额外任务
我以前会觉得，项目先做，文章以后有空再写。但现在我觉得，博客本身就是项目的一部分。因为项目完成以后，如果没有文档和复盘，很多价值是展示不出来的。尤其是对普通本科生来说，项目文章可以补充简历里写不下的内容。
简历只能写几行，博客可以把背后的思考写清楚：为什么做这个项目、技术选型怎么定、数据库怎么设计、Prompt 怎么写、权限怎么处理、上线遇到什么问题、项目有哪些不足。这些内容写出来后，项目会更可信，自己也会更清楚。
博客、GitHub、在线地址要形成闭环
我希望最后形成一个比较完整的证据链：博客文章说明我理解项目；GitHub 仓库说明我写了代码；在线地址说明项目可以访问；README 说明我能整理文档；项目复盘说明我能总结问题；简历 bullet 说明我能把项目价值表达出来。这几个东西合在一起，才是一个项目真正对求职有帮助的地方。
2026 年的几个目标
经营好 yanxai.com
第一个目标是把 yanxai.com 持续更新起来。不是追求一开始有多少访问量，而是先把内容结构搭好。我会先写博客定位、技术路线、简喵项目开篇，然后围绕项目继续写需求分析、技术选型、系统架构、数据库设计、Prompt 设计、部署上线和复盘文章。
完成简喵 MVP
第二个目标是完成简喵的第一版。第一版不追求功能非常多，但必须有完整流程：注册登录、简历上传、文本解析、目标岗位输入、AI 分析、结果展示、历史记录和部署上线。只要这个闭环跑通，后面才能继续优化。
补齐工程细节
第三个目标是把项目做得更像真实系统。包括权限校验、统一异常处理、日志脱敏、Redis 限流、接口文档、部署文档、项目截图、测试账号和 README。这些细节可能不会让项目看起来更炫，但会让它更可靠。
转化成简历和面试材料
第四个目标是把简喵整理成能真正放进简历的项目。这包括项目描述、技术栈、亮点 bullet、1 分钟项目介绍、3 分钟项目介绍，以及一套常见面试问题。项目不是写完代码就结束，能不能讲清楚也很重要。
我会怎样使用 AI 工具
我不会减少使用 AI 工具，相反我会更系统地用。我会用它们辅助查问题、写代码、解释框架、分析方案、优化文章、模拟面试。但我会尽量避免直接把 AI 的输出当成自己的理解——AI 生成的代码，我要能看懂；AI 给出的方案，我要能判断；AI 写出的解释，我要能验证；AI 帮我整理的文章，我要加入自己的真实经历。否则很容易出现一种假象：内容看起来很完整，但其实自己没有真正掌握。
这也是我写博客时需要注意的地方。文章可以参考 AI 的帮助，但最终必须写成自己的表达，写出自己真实做项目时遇到的问题。
写在最后
2026 年，我不想只停留在会用 AI 工具。
工具当然重要，但它不是终点。对我来说，更重要的是借助工具做出真实项目，把功能部署上线，把过程写清楚，把项目转化成简历和面试里能讲得明白的材料。
所以今年的路线会比较明确：围绕 AI 应用开发做项目；用 Java 后端补工程能力；把项目部署到线上；用博客记录过程和复盘；最后把这些内容变成可以展示的作品集。
这条路不一定很快，也不会一开始就很漂亮。但至少我现在知道自己要往哪里走。后面，yanxai.com 会持续记录这个过程。
