--- title: '2026 年最佳 AI 自动化技术栈学习指南' video_id: omU3zR3K7-U url: https://youtu.be/omU3zR3K7-U title_en: "The Best AI Automation Stack to Learn in 2026" channel: Dave Ebbelaar published: 2026-06-19 duration: "16:33" topics: - AI 自动化 - AI 编程与建站 - Agent 工程 noted: 2026-07-07 value: S views: '1.4万' --- [![封面](https://i.ytimg.com/vi/omU3zR3K7-U/maxresdefault.jpg)](https://youtu.be/omU3zR3K7-U) > Dave Ebbelaar(Datalumina 创始人)· 16:33 · 发布 2026-06-19 · 1.4 万次观看(截至抓取)· [观看原视频](https://youtu.be/omU3zR3K7-U) · 全文中译 ## 主旨 Dave 给出他用了多年、生产环境跑过 50+ B2B AI 项目的「5 层 AI 自动化技术栈」:Backend(Python + FastAPI + Celery)/ Database(Postgres + Supabase)/ Frontend(React + Vite + shadcn/ui)/ AI Layer(LLM 与多模态 API 直调)/ Infrastructure(Docker → Railway 或 VPS),并明确表态**工具派(n8n/Zapier/Gumloop)不是招聘市场要的,底层工程能力才是**。 ## 核心论点 1. **招聘市场不要工具名,要底层能力**——n8n/Zapier/Gumloop 几乎不会出现在 JD 里,要的是后端、数据库、前端、AI、部署这五层工程功底。(→ 详解 1) 2. **Backend 三件套 = Python + FastAPI + Celery**——FastAPI 接 webhook 同步请求, Celery 跑后台 worker + 定时 cron,Dave 自己公司就用这套。(→ 详解 2) 3. **Postgres 一招打天下,Supabase 是省心包装**——Instagram 用 Postgres 撑到几亿用户,向量也能存;Supabase 把 auth + admin UI 帮你省掉。(→ 详解 3) 4. **Frontend 选 React + Vite + shadcn/ui,纯前端写代码者已经「cooked」**——shadcn 把组件源码直接 import 进项目,让 AI coding agent 改得动,这是工具链关键设计。(→ 详解 4) 5. **AI Layer 就是「一行 API 调用」,不需要新工具栈**——LLM/embedding/vision/STT/TTS/图像生成全是 API 端点,几十年的工程栈直接复用,不要 Gumloop 这类新封装。(→ 详解 5) 6. **Infrastructure 走 Docker → Railway(上手)或 VPS(进阶)两步**——Railway 有 MCP server,让 coding agent 帮你管部署。(→ 详解 6) ## 知识点详解 ### 1. 招聘市场要的是「栈的能力」,不是「工具的名」 [00:30](https://youtu.be/omU3zR3K7-U?t=30) 译 Dave 开篇点破一个反直觉的事实:n8n / Zapier / Make / Gumloop 这类"AI 自动化工具"在招聘 JD 里**几乎从不出现**。他要招人(以及他自己公司交付 50+ B2B 项目的经验),需要的不是会拖拽节点的人,而是能**自己搭后端、接数据库、做前端、调用 AI、部署上线**的工程师。工具每周都在换名字,但底下那 5 层工程能力十年没变过。 这条直接定义了本片立场:**工具派 vs 工程派**——本片站工程派。对一个想转 AI 自动化的人来说,信号很清楚:别把时间押在某一个工具的精通上,押在 5 层工程基础 + AI API 调用的组合上。 ### 2. Backend: Python + FastAPI + Celery [02:01](https://youtu.be/omU3zR3K7-U?t=121) 译 [03:06](https://youtu.be/omU3zR3K7-U?t=186) 译 [03:47](https://youtu.be/omU3zR3K7-U?t=227) 译 [04:11](https://youtu.be/omU3zR3K7-U?t=251) 译 Python 是语言底盘。**FastAPI** 是 Python 生态里搭 API 层的标准库——它把 GET / POST / PUT / DELETE 端点收口,既是 webhook 入口,也接前端调用。 **Celery** 是大多数人不知道的隐藏宝石。两类用法:① 当**后台 worker**——FastAPI 收到请求后,把慢活儿丢给 Celery 跑,接口秒回、任务不丢;② 当**定时任务调度器**——把 cron 写在 Python 里,而不是写系统 crontab。Dave 自己公司就是这样:webhook 全进 FastAPI,所有定时任务全跑在 Celery tasks 上。 这个分工的核心价值是**把"接请求"和"干重活"解耦**——前端/外部永远不阻塞,重活按需伸缩 worker 数量。 ### 3. Database: Postgres 一招打天下,Supabase 帮你省心 [04:46](https://youtu.be/omU3zR3K7-U?t=286) 译 [05:06](https://youtu.be/omU3zR3K7-U?t=306) 译 [05:13](https://youtu.be/omU3zR3K7-U?t=313) 译 [05:28](https://youtu.be/omU3zR3K7-U?t=328) 译 Postgres 是唯一需要关心的关系型数据库——Dave 拿 Instagram 用 Postgres 撑到几亿用户当背书(实务上限远超大多数项目)。两层甜点: - **向量也能存 Postgres**——pgvector 扩展让 RAG 场景不用单独搞一个向量库,小项目够用,省一层基础设施。 - **Supabase 是省心包装**——它本质就是 Postgres + 自动生成的 REST/GraphQL API + auth + admin dashboard。对独立开发者和小团队是巨大杠杆:你不用自己写注册登录、不用写 admin UI,Supabase 全给了。 代价是绑在 Supabase 的云上,但对个人项目和 MVP 是非常划算的"先跑起来"路线。 ### 4. Frontend: React + Vite + shadcn/ui,纯前端开发者已"cooked" [07:52](https://youtu.be/omU3zR3K7-U?t=472) 译 [08:15](https://youtu.be/omU3zR3K7-U?t=495) 译 [08:26](https://youtu.be/omU3zR3K7-U?t=506) 译 [09:07](https://youtu.be/omU3zR3K7-U?t=547) 译 [09:42](https://youtu.be/omU3zR3K7-U?t=582) 译 三层组合拆开看:**React** 是组件化 UI 的行业标准,没什么好选的;**Vite** 把 React 代码转成可运行的 Web 服务器,是开发/打包/部署的一站式;**shadcn/ui** 是这套栈里最有洞察的一环——它不是 npm 包,而是把组件**源码直接 import 进你的项目**。 为什么这个设计关键?因为**你的 AI coding agent 能直接改它**。npm 组件库是 node_modules 里的黑盒,agent 改不动;shadcn 进了项目就是普通代码,agent 想加表单字段、调圆角、换主题色,直接动 .tsx 就行。这是 2025-2026 年 AI 编程工具链成熟之后,组件库选型逻辑的根本变化。 Dave 顺带给了一个很重的判断:**"just being a front-end developer, like you're cooked"**——纯前端写代码者价值大降,因为 AI 几秒就能出一个标准 UI。但**UX/设计能力**仍然是稀缺品(他强调"the user experience that is still something where AI lacks a little bit")。 适用边界:做内部工具、admin dashboard、简单聊天界面,这栈无敌;做面向消费者的设计驱动产品,UX 仍然要人。 ### 5. AI Layer: 一行 API 调用,不要新工具栈 [11:04](https://youtu.be/omU3zR3K7-U?t=664) 译 [11:35](https://youtu.be/omU3zR3K7-U?t=695) 译 [11:46](https://youtu.be/omU3zR3K7-U?t=706) 译 本片最强立场点:**LLM / embedding / vision / STT / TTS / 图像生成,全是 API 端点**。AI 层在大多数项目里是最容易的一层——一个 API call,搞掂。 Dave 的核心论点是:**几十年成熟的工程栈已经够用**,不要因为"加了一个 LLM 调用"就换一套工具(n8n / LangChain / Gumloop / CrewAI)。这跟很多"AI 革命 = 换工具栈"的市场叙事相反。生产环境里,想用某个模型就去对应的云厂商(OpenAI / Anthropic 直接用,或走 AWS / Azure / GCP 的企业 endpoint 拿到统一计费 + 数据合规 + 弹性扩容),API 调用模式完全一样。 换句话说:**AI 没改变工程栈,只改变了 API 端点的形状**。所以本片列的 5 层里 AI 这一层最短,这是有意的——它本来就该是工程栈里的一个依赖,而不是新世界。 ### 6. Infrastructure: Docker → Railway 或 VPS 两条路 [13:44](https://youtu.be/omU3zR3K7-U?t=824) 译 [14:08](https://youtu.be/omU3zR3K7-U?t=848) 译 [15:08](https://youtu.be/omU3zR3K7-U?t=908) 译 部署层是新手最容易卡的一层,因为 n8n/Zapier 时代不用碰这个(浏览器里拖完点保存就跑)。自定义代码栈必须做这一步:**把代码变成线上可用的服务**。 **入门级:Railway**——把 FastAPI + Celery + Docker Compose 推到 GitHub,告诉 coding agent "帮我部署到 Railway",agent 直接干完。Railway 还提供 MCP server,让 agent 不仅能部署,还能管理(查日志、扩容、回滚)。这是 agentic infrastructure 思路的现成落地。 **进阶级:VPS 直接跑**——AWS / Azure / GCP 的容器服务,或者直接租一台 VPS。Dave 的公司过去 3 年用 **Hostinger**(德国厂商,主机起家)做这件事,主要是成本和可控性考虑。这一段带轻微赞助倾向(Hostinger 是他公开承认在用的厂商,不是 affiliate 关系)。 走 VPS 之后你就**真的在跑基础设施**了——systemd / nginx / 防火墙 / HTTPS 证书 / 备份——每项都是独立技能。本片给的是入门路标,不是终极答案。 ### 7. 五层系统总览(从代码到上线) [15:13](https://youtu.be/omU3zR3K7-U?t=913) 译 [16:22](https://youtu.be/omU3zR3K7-U?t=982) 译 Dave 总结:5 层 = **后端(处理) + 数据库(存储) + 前端(展示) + AI 模型(智能) + 部署(上线)**。每层都有清晰职责: - 后端是引擎,把所有东西串起来 - 数据库是记忆 - 前端是给用户看的面(可选,有些自动化不需要) - AI 模型给整个系统"聪明劲儿" - 部署是让这一切从你的电脑里走出来、变成别人能访问的服务 Dave 把整个 codebase 公开供 clone(描述里写明),并把他那 4 小时 live build 视频作为下一站推荐:从空白开始用这 5 层栈搭一个企业文档 copilot,跑通从开发到部署。 ## 可执行步骤 - [ ] 在 5 层中找出自己最薄的一层,定一个 30 天的最小项目把那一层练到能交付(而不是"再学一门课") - [ ] 把现有任何 Zapier / Make / n8n 自动化里**最贵 / 最重要**的一条,重写成 FastAPI + Postgres 实现,体验"工具派换工程派"的具体阻力 - [ ] 装 Supabase 云版,在一个小项目里同时用上 auth + Postgres + 向量(pgvector),验证"一招打天下"是否成立 - [ ] 跑一次 shadcn/ui 初始化,让 Claude Code 在你的项目里改一个 shadcn 组件,验证"组件源码在项目里 = agent 改得动"这个设计的好处 - [ ] 把当前任何一个手动跑的 cron / 定时任务,改写成 Celery beat,体验"定时任务从系统层搬到应用层"的可观测性提升 ## 关联 - 印证:[[2026-06-23-用AI构建精美UI的设计工作流|用AI构建精美UI的设计工作流]] 把「agent-readable 组件库」推到更上游——连设计系统也以源码/MCP 形式暴露给 coding agent,与本片 shadcn 源码进项目同一逻辑。 - **冲突/更新(派别分流)**:与 [[2025-01-31-零代码搭建AI自动化工作流Gumloop实战拆解]]「子流程 / Loop 模式 / 自建节点 / 步骤清单可自动化判据」构成明确分歧——Gumloop 笔记站**工具派**(零代码、子流程、Loop 规模化),本片站**工程派**(写代码、不要 Gumloop/n8n 这类新封装,几十年的工程栈够用)。两片不互否,适用场景不同:本片对应"接生产、接企业、合规敏感"的场景,Gumloop 笔记对应"快速搭、轻量、运营/营销自动化"。Leo 选型时应按项目**生命周期**和**合规要求**分流,而不是把任意一边当通用答案。 - **印证(后端/前端分层思路)**:与 [[2025-12-17-用n8n MCP让Claude Code为工作流生成前端界面]]「Workflow 后端配 AI 前端」互补——本片也支持"后端逻辑搭在独立服务、前端交给 AI agent 改"的分层模式,只是具体工具是 FastAPI + shadcn/ui(自定义代码栈),而非 n8n workflow + Claude Code(工具栈 + agent 生成)。这印证"后端/前端分层 + agent 改前端"是 2026 年的共识方向,**实现路径分两条**(工程派 vs 工具派),不是只能选其一。 - **印证(agent 友好的基础设施)**:与 Agentic Engineering「用完整 spec + 自动化 eval + CI 门禁让 agent 自主发现并修正问题」思路一致——本片 Railway 配 MCP server 让 coding agent 帮你管部署,本质是 agentic infra 的现成实现,印证"agent 不只改代码,还能改部署"。 - **冲突/更新(对工具派的总体判断)**:与 [[2025-01-31-零代码搭建AI自动化工作流Gumloop实战拆解]] 对"Gumloop 这类工具的总体价值"判断方向不同——Gumloop 笔记认为工具提供了**真实杠杆**(Loop 模式、子流程、瀑布式富集),本片认为工具在招聘市场和生产环境**没有持久价值**。两片立场都站得住,关键变量是"目标用户是要**快速搭**还是要**长期维护**"。 - 复现:[[2026-07-05-Claude Fable 5 七级建站：从聊天框到 design extraction 一键出片|Fable 5 七级建站]] 的 Level 3/5 直接 import shadcn/ui 组件源码,正是本片提出的 agent-readable 组件库 选型逻辑(组件源码而非 npm 包进项目、好让 agent 改得动)在建站场景里的具体落地。 ## 一手来源与延伸 - Dave 配套 4 小时 live build 视频:[Document Copilot 从零到部署](https://youtu.be/qF5il_9IwME)——视频内反复推荐,本片的实操完整版,本笔记是他把 5 层栈**为什么这么选**讲透的认知层 - Hostinger VPS(Dave 公开承认在用 3 年的厂商,非 affiliate):https://www.hostinger.com/ - Supabase(Postgres 包装层):https://supabase.com/ - shadcn/ui(组件源码进项目,非 npm 依赖):https://ui.shadcn.com/ ## 术语 - **FastAPI** — Python 生态的 API 框架,把 GET/POST/PUT/DELETE 端点收口,作为 webhook/前端的入口层 - **Celery** — Python 生态的分布式任务队列,做后台 worker + 定时任务调度,解耦"接请求"和"干重活" - **Cron Job** — 按时间表自动触发的任务;Celery beat 可在 Python 层取代系统 crontab - **Postgres** — 开源关系型数据库;本片主张它是大多数 AI 自动化项目唯一需要的 SQL 引擎 - **pgvector** — Postgres 的向量检索扩展;小到中等 RAG 项目可直接用,不必上专用向量库 - **Supabase** — Postgres 之上的 BaaS,提供 auth + 自动 REST/GraphQL API + admin UI,省掉一层工程 - **Vite** — 现代前端构建/开发服务器,把 React 源码转成可部署的静态站点 - **shadcn/ui** — 把 UI 组件**源码**直接 import 进项目的组件库,不是 npm 依赖;关键设计是让 AI coding agent 能直接改动组件 - **MCP Server** — Model Context Protocol 服务端,把外部工具(数据库、部署平台、文件系统)以标准协议暴露给 agent;Railway 有现成 MCP 让 Claude Code/Cursor 帮你管部署 - **VPS** — 虚拟专用服务器,一台被切成多份的物理机;本片作为"进阶级"部署选项(对比 Railway 的"入门级"托管) - **Agentic Engineering** — 用 spec + eval + CI 门禁让 agent 自主完成工程任务的开发方式(概念来自 Agentic Engineering) ## 金句 > "almost no job will list one of these tools as a requirement" — [00:30](https://youtu.be/omU3zR3K7-U?t=30) 译 > 工具名不会出现在 JD 里,底层能力才会。 > > "we don't all of a sudden need a completely new stack or a completely new tool" — [11:35](https://youtu.be/omU3zR3K7-U?t=695) 译 > 加了一个 LLM 调用不等于要换工具栈,几十年的工程栈够用。 > > "just being a front-end developer, like you're cooked" — [09:42](https://youtu.be/omU3zR3K7-U?t=582) 译 > 纯前端写代码者价值大降,UX/设计能力才是稀缺品。 ## 立场与利益 - **Datalumina(自家课程与 agency)**:description 三个核心外链都指向 `go.datalumina.com/...`(带 ref 参数,affiliate 漏斗)——卖课 + AI 咨询业务。Dave 反复提"我 5 小时 Python 课""我 4 小时 live build",结尾直接导到他的付费内容。 - **Glaido 赞助**:description 顶部"sponsored"位是 Glaido(语音转文字 app,带 `get.glaido.com/dave` 跟踪链接),付费赞助。 - **Workless.ai 线下活动**:description 第一个链接,是他和 Liam Otley、Nate Herk 等组织的黑山线下 AI 创作者聚会(2025-07-29 起,3 天),自己主办。 - **Hostinger(VPS 厂商)**:无 affiliate 链接(描述里没有 hostinger.com),但 Dave 在视频中明确说"过去 3 年公司一直在用"。这是产品背书,不是付费广告。 - **主张与工具的强绑定关系**: - "工具派不需要"这条主张 → 跟 Datalumina 卖"工程派课程"的商业利益**强绑定**(他自己不卖 Gumloop / n8n 课) - "Railway / Hostinger / Supabase 推荐" → 没有 affiliate 关系(描述里没跟踪链接),属于**从业者真实选型分享** - "5 层栈的清晰心智模型" → 是**普适的工程框架**,与具体工具无关,这条主张不绑死工具,经得起时间 - **取舍建议**:5 层栈框架和"工具派不要"的判断可以采纳(框架普适、立场站得住);具体工具(Python/FastAPI/Celery/Postgres/Supabase/React/Vite/shadcn/Docker/Railway)按需采纳,不必全盘照搬,也可换 Node.js(Next.js 全栈)/ Elixir(Phoenix LiveView) 等同类替代。 ## 价值定位 对**目标学习者**(想从工具使用者升级为 AI 自动化工程师、准备接生产/接企业的开发者)的价值: - **适合谁**:已经在用 Python / 做过一些 side project,想"把自动化从能跑变成能交付"的开发者;特别适合**正在选技术栈准备开干的团队**——本片把 5 层选型一次说清 - **解决什么**:AI 自动化项目的**技术选型**——Backend 用什么、Database 用什么、Frontend 用什么、怎么部署。Leo 自己做独立站/AI 工具,这套 5 层栈**直接可复用**为生产环境骨架 - **认知 vs 实操**:本片是**选型认知 + 心智模型**,不是手把手教程——真正搭一个项目要去看他 4 小时 live build 视频。但"先有地图、再走路径"对个人学习者极其重要 - **与 已有笔记 重叠**: - 与 [[2025-12-17-用n8n MCP让Claude Code为工作流生成前端界面]] 重叠在"后端/前端分层"思路;本片**独有**——给出"5 层框架"的完整心智模型,且明确反对"工具派" - 与 Agentic Engineering 重叠在"agent 改代码、agent 改部署";本片**独有**——把 Railway MCP + shadcn 源码进项目作为"agent 友好工具链"的具体设计案例 - 与 [[2025-01-31-零代码搭建AI自动化工作流Gumloop实战拆解]] 重叠在"自动化"主题;本片**独有**——明确给出"工具派 vs 工程派"的派别分流判断,这是 Gumloop 笔记没明说的立场维度 (个人是否采纳、是否复习由 frontmatter `value: S` 承载,不在本节) ## 自检问题 1. 为什么 Dave 说"n8n / Zapier / Make 这类工具在招聘 JD 里几乎从不出现"?这条判断对想转 AI 自动化的人意味着什么? **答案**:工具名不出现意味着招聘方要的是底层工程能力(后端/数据库/前端/AI/部署 5 层)而不是某一工具的熟练度。对学习者意味着:不要把时间押在某个工具的精通上,押在 5 层工程基础 + AI API 调用组合上。具体见「详解 1」。答案末尾回跳:[00:30](https://youtu.be/omU3zR3K7-U?t=30) 译 2. FastAPI 和 Celery 在 5 层栈里的分工是什么?为什么这套分工对生产环境关键? **答案**:FastAPI 收口 GET/POST/PUT/DELETE 端点,作为 webhook 入口和前端调用层,处理同步请求;Celery 跑后台 worker(慢活异步化)+ 定时任务(Celery beat 取代系统 crontab)。分工的核心价值是解耦"接请求"和"干重活"——前端/外部永远不阻塞,重活按需伸缩 worker 数量。具体见「详解 2」。答案末尾回跳:[03:06](https://youtu.be/omU3zR3K7-U?t=186) 译 3. shadcn/ui 跟传统 npm 组件库(Ant Design / Material UI)的关键设计差异是什么?这个差异为什么在 AI 编程时代变得重要? **答案**:shadcn/ui 不发布 npm 包,而是把组件**源码**直接 import 进项目。差异点在于:传统组件库在 node_modules 里是黑盒,AI coding agent 改不动;shadcn 进了项目就是普通代码,agent 想加字段、调圆角、换主题色直接动 .tsx 即可。这是 2025-2026 年 AI 编程工具链成熟后,组件库选型逻辑的根本变化——选"agent 改得动"的库比选"组件最全"的库更重要。具体见「详解 4」。答案末尾回跳:[08:26](https://youtu.be/omU3zR3K7-U?t=506) 译 4. Dave 为什么说"加了一个 LLM 调用不等于要换工具栈"?这条主张对 Leo 做 AI 工具/独立站选型意味着什么? **答案**:LLM/embedding/vision/STT/TTS/图像生成全是 API 端点,一个 API call 搞定——几十年成熟的工程栈(后端/数据库/前端/部署)直接复用,不要因为加了 LLM 就换 Gumloop/n8n/LangChain 这类新封装。对 Leo 意味着:独立站/AI 工具的工程栈可以继续用熟悉的 FastAPI/Postgres/React/Docker,只在 AI 层加一行 API 调用,不必为 AI 重写基础设施。具体见「详解 5」。答案末尾回跳:[11:35](https://youtu.be/omU3zR3K7-U?t=695) 译 5. 如果你有一个用 n8n 跑的关键业务自动化,按 Dave 的 5 层栈框架,你会怎么判断要不要重写成工程栈?判断的关键变量是什么? **答案**:判断的关键变量是**生命周期**和**合规要求**——n8n 适合"快速搭、运营/营销自动化、低合规要求";FastAPI+Postgres 工程栈适合"接生产、接企业、合规敏感、长期维护"。如果自动化涉及客户数据、需要审计、需要 SLA、需要规模化伸缩,工程栈是更稳的选择;如果是内部运营/营销触达、几个月就换一版,n8n 仍是更快的杠杆。具体见「关联」节与 [[2025-01-31-零代码搭建AI自动化工作流Gumloop实战拆解]] 的对比。答案末尾回跳:[12:47](https://youtu.be/omU3zR3K7-U?t=767) 译 > [!quote] 💬 热门评论 top-20 主 + 5 回(抓取 2026-07-07) > > [6] **@sandipjaiswar3012**:这个视频让我想起我在每晚9点的开发者会议中不断看到的一个职业错误。我最后写了一篇文章，因为这个模式太常见了，不容忽视。好奇别人是否也注意到了同样的事情。 > [8] **@thejungal1274**:对于想要构建实用AI能力的开发者和自由职业者来说，这是一个宝贵的路线图。在Jungal，我们看到对能够结合AI、自动化和软件工程技能来帮助企业提高效率、解决现实挑战的专业人士的需求日益增长。 > [9] **@abhinavmane60**:@daveebbelaar 请做一个关于如何为AI代理使用celery的视频。 > [13] **@tom19_06**:如果你想构建一个移动应用呢？哪些层可以用，哪些必须换？ > [14] **@MrEnsiferum77**:你根本不需要Python，也不需要Langchain那些破烂。但真正需要的是图数据库，Postgres用来学习还行。 > [16] **@guilhermefragaAI**:嗨Dave，你觉得Langgraph在生产环境中怎么样？ >   ↪ **@daveebbelaar(UP)**:我更喜欢PydanticAI，但我知道很多团队在用Langgraph。 > [18] **@IuliusUriesu**:你对后端层完全无服务器化怎么看？比如AWS Lambda、API Gateway、SQS（或其他类似服务）。期待今年夏天在黑山见到你！ >   ↪ **@daveebbelaar(UP)**:我不喜欢无服务器函数/后端。对我来说黑盒太多，而且长时间运行的任务会导致各种奇怪的问题。黑山会很棒！期待！ 👍 1 > [19] **@dev_brew**:快速提问！对于客户项目——在什么样的数据集规模（比如向量数量）或查询量下，你认为应该从Postgres切换到专用的向量数据库如Pinecone或Weaviate？ >   ↪ **@HasnainAnsari-p9v**:+1 > [20] **@samtx**:文档助手视频链接？代码链接？视频里没有？ >   ↪ **@daveebbelaar(UP)**:https://youtu.be/qF5il_9IwME > ——其他 10 条:感谢/夸赞([2]@LearnandFun-zs3jk、[3]@DavidDeSloovere、[4]@mohanrathod5291、[5]@humbertosequeira1536、[7]@LeoAli-y2v、[10]@sadhstack、[11]@kashifkhan_ai、[12]@soyyamkatyara8346、[15]@boudalaydiarra2544、[17]@YattishRamhorry);1 条 spam 已略 >
英文原文[1] @daveebbelaar(UP):✈Join me in Montenegro this summer: https://workless.ai 📑Download the proposal template I use to sell data & AI projects: https://go.datalumina.com/proposals 📕Python course for beginners on YouTube: https://go.datalumina.com/python ❤Subscribe for more AI Engineering videos: https://go.datalumina.com/sub 👍 1
[2] @LearnandFun-zs3jk:we want real saas project 😢🎉❤ 👍 3
[3] @DavidDeSloovere:The way AI is evolving, we could all be "workless" in a few years 😉 Vite is pronounced as the French say it. It's "fast" in French. 👍 1
[4] @mohanrathod5291:Your courses are awesome. Please can create spec driven development courses
[5] @humbertosequeira1536:Dave, you are my favorite AI YT Teacher, very clear guidance and excellent detailed docs., you make my AI learning journey much easier. Thank you!
[6] @sandipjaiswar3012:This video reminded me of a career mistake I keep seeing in my daily 9 PM developer sessions. I ended up writing an article about it because the pattern was too common to ignore. Curious if others have noticed the same thing.
[7] @LeoAli-y2v:I am glad to know I have been following the right stacks. Thanks for the video 👍 2
[8] @thejungal1274:This is a valuable roadmap for developers and freelancers looking to build practical AI capabilities. At Jungal, we're seeing growing demand for professionals who can combine AI, automation, and software engineering skills to help businesses improve efficiency and solve real-world challenges.
[9] @abhinavmane60:@daveebbelaar Please make a video on how to use celery for AI agents.
[10] @sadhstack:Pls create course on database!
[11] @kashifkhan_ai:This is the video I wanted 😊
[12] @soyyamkatyara8346:Dave, congrats on the 1M views on the AI for beginners tutorial vid! why am i leaving this comment here? because i wanted to say that please continue making these videos, they are highly informative and cuts off the noice. you are at 271k subs and you absolutely deverse it, i hope you hit much bigger milestones while still maintaining what you're known for. side note: i have followed youtubers who were great in their early days, i.e before 1M, 5M, 10M subs and dropped their content quality just for more and more views. at the end of the day, it's your choice and you know your audience better than i do. Thank you, Dave!
[13] @tom19_06:What if you want to build a mobile app? Which layers can be used and which have to be switched?
[14] @MrEnsiferum77:U don't need python at all, nor langchain crap. But for real deal u need graph db, postgres is fine for learning.
[15] @boudalaydiarra2544:❤❤❤
[16] @guilhermefragaAI:Hi Dave, What do you think about Langgraph in production?
  ↪ @daveebbelaar(UP):I prefer PydanticAI, but I know a lot of teams use Langgraph
[17] @YattishRamhorry:You were in Cape Town, South Africa, my home town! How come I didn't know about this?
  ↪ @daveebbelaar(UP):I was! February this year 👍 1
[18] @IuliusUriesu:What’s your take on going full serverless with the backend layer? Think AWS Lambda, API Gateway, SQS (or other providers of similar services). Looking forward to meeting you in Montenegro this summer!
  ↪ @daveebbelaar(UP):I don't like serverless functions/backends. Too much black box for me and can cause all kinds of weird issues with long running tasks. Montenegro is going to awesome! Looking forward! 👍 1
[19] @dev_brew:Quick question! for client projects - At what dataset scale (e.g., number of vectors) or query volume do you think it's time to move away from Postgres and switch to a dedicated vector DB like Pinecone or Weaviate?
  ↪ @HasnainAnsari-p9v:+1
[20] @samtx:Document copilot video link ? Code link ? Not in video??
  ↪ @daveebbelaar(UP):https://youtu.be/qF5il_9IwME