技术术语手册

目标: 把后端“黑话“翻译成人话，快速查阅。

📖 使用说明

这是一本随时查阅的词典，不需要从头到尾看。

使用场景:

看文档遇到陌生术语
面试前快速复习
写代码时忘记概念
向 AI 提问时需要用到的“关键词“

查找方法: 按 Ctrl+F（Mac: Cmd+F）搜索术语

💡 Vibe Coding 核心提示

重要：这份手册是给你“看懂“用的，不是让你背代码用的。

你的任务：理解概念（通过类比和图解）
AI 的任务：写具体代码（通过你提供的术语和需求）

每个术语下面都会给出“如何让 AI 帮你写代码“的提示词示例。

1. 数据存储技术

1.1 MySQL / PostgreSQL（数据库）

一句话: 专门存储“结构化数据“的软件（像 Excel，但更强大）

类比理解:

数据库 = 图书馆的档案系统
- 每本书（数据）都有固定格式：书名、作者、ISBN、分类
- 有严格的分类规则（表结构）
- 可以快速查找（索引）
- 支持复杂查询（"找所有2020年后出版的科幻小说"）

MySQL vs PostgreSQL:

特性	MySQL	PostgreSQL
速度	🚀 快	🏃 中等
功能	⭐⭐ 基础	⭐⭐⭐ 强大
适用场景	简单业务	复杂业务

我们用什么？ → Supabase（基于 PostgreSQL）

🤖 如何让 AI 帮你？

当你需要数据库操作时，可以这样向 AI 提问：

"帮我用 Supabase（PostgreSQL 数据库）创建一个用户表，
需要包含：用户名、邮箱、密码、注册时间。"

你不需要懂 SQL 语法，AI 会帮你生成创建表的代码。你只需要：

说清楚要存什么数据（用户名、邮箱…）
复制 AI 给的代码到 Supabase 控制台执行

1.2 Supabase（数据库云服务）

一句话: 不用自己搭建服务器，直接用现成的数据库服务

类比理解:

自己搭 MySQL = 自己盖房子
- 需要买地（服务器）
- 需要装修（安装配置）
- 需要维护（修 Bug、升级）

用 Supabase = 住酒店
- 拎包入住（注册即用）
- 有人维护（自动备份、升级）
- 免费额度充足（小项目够用）

Supabase 提供什么？:

┌─────────────────────────────────────┐
│         Supabase 全家桶              │
├─────────────────────────────────────┤
│ 🗄️  Database     │ PostgreSQL数据库  │
│ 🔐 Auth          │ 用户登录注册      │
│ 📦 Storage       │ 文件上传存储      │
│ 🔄 Realtime      │ 实时数据订阅      │
│ 🛠️  Dashboard    │ 可视化管理界面    │
└─────────────────────────────────────┘

1.3 OSS / Storage（对象存储）

一句话: 专门存储“文件“的云服务（图片、视频、PDF 等）

类比理解:

OSS = 云端的移动硬盘
- 存大文件（视频、图片、文档）
- 给每个文件一个"下载链接"
- 不适合存结构化数据（用户信息、订单等）

数据库 vs OSS:
┌──────────────┬───────────────┬─────────────┐
│   数据类型   │   存在哪里    │   例子      │
├──────────────┼───────────────┼─────────────┤
│ 结构化数据   │ 数据库        │ 用户名、价格│
│ 文件         │ OSS/Storage   │ 头像、PDF   │
└──────────────┴───────────────┴─────────────┘

常见服务:

| 服务 | 免费额度 | 适用场景 | |——|———|———|\n| Supabase Storage | 1GB | 小项目（推荐） | | 阿里云 OSS | 无 | 国内项目 | | AWS S3 | 5GB/12个月 | 大项目 |

2. 架构设计模式

2.1 DAO（Data Access Object，数据访问对象）

一句话: 专门负责“操作数据库“的代码层

类比理解:

DAO = 仓库管理员
- 只负责存取货物（数据）
- 不关心为什么要取货（业务逻辑）
- 提供标准接口（get/create/update/delete）

你（业务层）："给我拿编号123的商品"
DAO："好的，马上去仓库找"

示例代码:

class UserDAO:
    def get_by_id(self, user_id: int):        # 根据ID查询
    def get_by_username(self, username: str): # 根据用户名查询
    def create(self, data: dict):              # 创建
    def update(self, user_id: int, data: dict): # 更新
    def delete(self, user_id: int):            # 删除

⚠️ 看到代码头晕？别管它！ 这些 def、self、: 都是 Python 语法细节，你不需要记。这段代码只是让你知道 DAO 层有哪些基本操作。

🤖 如何让 AI 帮你？

当你需要数据库操作层时，向 AI 这样说：

"帮我用 FastAPI + Supabase 写一个 UserDAO 类，
需要实现：根据 ID 查询用户、创建用户、更新用户、删除用户。
请用 SQLAlchemy ORM。"

AI 会生成完整的 DAO 代码，你只需要：

告诉 AI 需要哪些操作（查询、创建、更新…）
说明是操作哪个表（用户表、文章表…）
把生成的代码保存到 dao/user_dao.py 文件（AI 会告诉你文件名）

2.2 Service（服务层/业务逻辑层）

一句话: 专门负责“业务逻辑“的代码层

类比理解:

Service = 餐厅经理
- 接收顾客需求（路由层传来的请求）
- 制定处理流程（业务逻辑）
- 指挥仓库管理员（调用 DAO）

例子：顾客要点"宫保鸡丁"
经理（Service）：
1. 检查食材是否充足（业务验证）
2. 通知后厨准备（调用 DAO 查询库存）
3. 安排厨师烹饪（组合多个 DAO 操作）
4. 上菜给顾客（返回结果）

Service 层的职责:

✅ 业务验证（用户名是否存在、密码是否合规）
✅ 数据转换（密码加密、日期格式化）
✅ 业务流程（先创建用户→再发邮件→再记录日志）
✅ 调用多个 DAO（一个业务可能涉及多个表）
❌ 不直接操作数据库（交给 DAO）
❌ 不处理 HTTP 请求（交给 Router）

🤖 如何让 AI 帮你？

当你需要业务逻辑层时，向 AI 这样说：

"帮我用 FastAPI 写一个用户注册的 Service 层函数，
需要：
1. 检查用户名是否已存在
2. 对密码进行加密（用 bcrypt）
3. 调用 UserDAO 创建用户
4. 返回成功或失败的信息"

AI 会生成完整的 Service 代码，你只需要：

描述清楚业务流程（先做什么，后做什么）
说明需要什么验证（用户名重复？密码长度？）
把代码保存到 services/user_service.py 文件

2.3 Router / Controller（路由层/控制器层）

一句话: 专门负责“接收请求、返回响应“的代码层

类比理解:

Router = 餐厅服务员
- 接待客户（接收 HTTP 请求）
- 记录点单（解析请求参数）
- 转交后厨（调用 Service）
- 上菜（返回响应）

服务员不做菜（不写业务逻辑），只负责传话

三层架构流程:

用户请求 → Router（接待） → Service（处理） → DAO（存取） → 数据库
         ↓
      返回响应 ← Router（送菜） ← Service（做菜） ← DAO（取食材）

3. 接口与通信

3.1 API（Application Programming Interface，应用程序接口）

一句话: 软件之间“对话“的标准规则

类比理解:

API = 餐厅的菜单
- 菜单上写了"宫保鸡丁 ¥38"（接口文档）
- 你不需要知道怎么做菜（后端实现细节）
- 只需要说"来一份宫保鸡丁"（发请求）
- 厨师按标准做好端给你（返回响应）

API 的组成:

POST https://api.example.com/users/register
     ────────────────────── ──────────────
            基础URL              路径

Headers:（请求头）
    Content-Type: application/json
    Authorization: Bearer token123

Body:（请求体）
    {
        "username": "zhangsan",
        "password": "123456"
    }

Response:（响应）
    {
        "code": 200,
        "msg": "注册成功",
        "data": {"user_id": 123}
    }

3.2 RESTful API（REST 风格的 API）

一句话: 用“URL 表示资源、HTTP 方法表示操作“的 API 设计规范

类比理解:

RESTful = 图书馆的统一管理规则

不遵守规则的图书馆：
- "我要借《三体》" → 去3号窗口
- "我要还《三体》" → 去8号窗口
- "我要续借《三体》" → 去15号窗口
混乱！

遵守 REST 规则的图书馆：
- 都去"图书管理窗口"
- 用不同的操作卡：借书卡、还书卡、续借卡
统一！

对应到 API：
GET    /books/123  →  借书（获取）
POST   /books      →  买新书（创建）
PUT    /books/123  →  换书（更新）
DELETE /books/123  →  扔掉书（删除）

RESTful 的核心原则:

操作	HTTP方法	示例
查询	GET	`GET /api/users/123`
创建	POST	`POST /api/users`
完整更新	PUT	`PUT /api/users/123`
部分更新	PATCH	`PATCH /api/users/123`
删除	DELETE	`DELETE /api/users/123`

3.3 HTTP（超文本传输协议）

一句话: 浏览器和服务器之间“说话“的语言

常用状态码:

状态码	含义	使用场景	报错了怎么办？
200 OK	成功	请求成功	-
201 Created	已创建	创建资源成功	-
400 Bad Request	请求错误	参数格式错误	检查你发送的数据格式（邮箱格式对吗？必填项都填了吗？）→ 让 AI 帮你检查 Pydantic 验证规则
401 Unauthorized	未授权	未登录或 token 无效	检查登录状态（Token 过期了？忘记带 Token？）→ 重新登录获取新 Token
403 Forbidden	禁止访问	没有权限	检查权限配置（这个用户有访问权限吗？）→ 去后台修改用户角色或 CORS 配置
404 Not Found	未找到	资源不存在	检查 URL 路径（是不是打错了？资源被删了？）→ 确认接口地址和资源 ID
500 Server Error	服务器错误	服务器内部错误	不是你的问题！这是后端代码出 Bug 了 → 查看后端日志（或让 AI 分析报错信息）

🔍 报错时的 Vibe Coding 流程：

看状态码 → 知道大概哪里出问题（是前端问题还是后端问题）
复制完整报错信息 → 包括状态码、错误消息、堆栈信息（如果有）
问 AI → “我的 FastAPI 接口返回 403 错误，完整报错是：[粘贴报错]，可能是什么原因？怎么修复？”
按 AI 建议操作 → AI 会告诉你去哪个文件改什么配置

4. 身份认证

4.1 Token（令牌）

一句话: 登录后获得的“临时通行证“

类比理解:

Token = 游乐园的手环
- 第一次入园：验证门票（账号密码） → 工作人员给你戴手环（Token）
- 后续玩项目：出示手环（带 Token 请求） → 直接放行
- 手环有效期：当天（Token 过期时间）
- 离开后失效：第二天来需要重新买票（Token 过期需重新登录）

为什么用 Token 而不是每次输密码？:

❌ 密码在网络传输不安全
❌ 每次输密码用户体验差
✅ Token 可以设置过期时间
✅ Token 可以随时撤销（比如登出）

4.2 JWT（JSON Web Token）

一句话: 一种“自包含信息“的 Token 格式

类比理解:

普通 Token = 图书馆借书卡号（123456）
- 看到卡号 123456
- 需要去系统查：这是谁的卡？有效吗？
- 需要数据库查询 ⏱️

JWT = 带照片的身份证
- 身份证上直接写了：姓名、年龄、地址
- 不需要查询，直接看身份证就知道是谁
- 不需要数据库查询 ⚡

JWT 的结构:

eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJ1c2VyX2lkIjoxMjMsImV4cCI6MTcwMDAwMDAwMH0.SflKxwRJSMeKKF2QT4fwpMeJf36POk6yJV_adQssw5c
────────────────────────────────── ─────────────────────────────────────────────────────────── ──────────────────────────────────────────────
         Header（头部）                            Payload（负载）                                    Signature（签名）
      算法类型：HS256                     用户信息：user_id=123, exp=过期时间                   用密钥生成，防篡改

⚠️ 看到这一大串乱码害怕了？别担心！

这串乱码不是你打出来的，是系统自动生成的。

你只需要知道 JWT = “加密的用户信息卡片”，具体怎么加密让 AI 写。

你不需要懂加密算法，就像你不需要知道银行卡芯片怎么工作，只要会刷卡就行。

🤖 如何让 AI 帮你？

当你需要实现 JWT 登录验证时，向 AI 这样说：

"帮我用 FastAPI 实现 JWT 登录功能：
1. 用户登录成功后生成 JWT Token
2. Token 里包含用户 ID 和过期时间（24小时）
3. 提供一个验证 Token 的函数，用于保护需要登录的接口
请使用 python-jose 库。"

AI 会生成完整的 JWT 代码，你只需要：

说明 Token 里要包含哪些信息（用户 ID、角色…）
设置过期时间（1天、7天…）
把代码保存到 auth/jwt_handler.py 文件

5. 开发框架与工具

5.1 FastAPI（Python Web 框架）

一句话: 快速开发 API 后端的 Python 框架

为什么选 FastAPI？:

特性	FastAPI	Django	Flask
学习曲线	⭐⭐ 中等	⭐⭐⭐ 较陡	⭐ 简单
开发速度	🚀 极快	🐢 慢	🏃 快
性能	⚡ 最快	🐌 一般	🏃 中等
自动文档	✅ 自动生成	❌ 需手写	❌ 需手写
适用场景	API 后端	大型全栈	简单后端

核心特性:

📝 访问 /docs 自动生成 Swagger UI 文档
✅ Pydantic 自动验证请求数据
🚀 异步支持，性能接近 Node.js

5.2 SQLAlchemy（ORM 框架）

一句话: 用 Python 代码操作数据库，不写 SQL

类比理解:

原始 SQL = 手写信
- SELECT * FROM users WHERE username = 'zhangsan'
- 容易写错、难以复用

SQLAlchemy = 用表单填空
- db.query(User).filter(User.username == 'zhangsan').first()
- 类型安全、IDE 自动补全

ORM 是什么？:

ORM = Object-Relational Mapping（对象关系映射）

数据库的表 ←→ Python 的类
表的行     ←→ 类的实例
表的列     ←→ 类的属性

users表                      User类
┌────┬──────────┬───────┐   class User:
│ id │ username │ email │       id = Column(Integer)
├────┼──────────┼───────┤       username = Column(String)
│ 1  │ zhangsan │ ...   │       email = Column(String)
└────┴──────────┴───────┘

5.3 Pydantic（数据验证库）

一句话: 自动验证数据格式是否正确

类比理解:

Pydantic = 机场安检
- 定义规则：液体不超过100ml、不能带刀具
- 自动检查：X 光机扫描
- 不合格：拦下并告知原因

示例:

from pydantic import BaseModel, Field, EmailStr

class UserRegisterRequest(BaseModel):
    username: str = Field(..., min_length=3, max_length=50)
    password: str = Field(..., min_length=6)
    email: EmailStr  # 自动验证邮箱格式

# FastAPI 中使用
@app.post("/api/users/register")
def register(user: UserRegisterRequest):
    # FastAPI 自动验证所有规则
    # 验证失败自动返回详细错误信息
    return {"msg": "注册成功"}

⚠️ 看到 BaseModel、Field 头晕？别管语法细节！

这些 Field(..., min_length=3) 是 Pydantic 的规则写法，AI 会帮你写。

你只需要知道：Pydantic = 自动检查数据的“质检员“，用中文告诉 AI 你要检查什么就行。

🤖 如何让 AI 帮你？

当你需要数据验证时，向 AI 这样说：

"帮我用 Pydantic 写一个用户注册的数据验证模型，要求：
- 用户名：3-50个字符
- 密码：至少6个字符
- 邮箱：必须是有效邮箱格式
- 手机号（可选）：必须是11位数字"

AI 会生成完整的 Pydantic 模型代码，你只需要：

用中文描述每个字段的验证规则（长度、格式、必填/可选）
把代码保存到 models/schemas.py 文件（或者问 AI：“这个代码应该放在哪个文件？”）
在 Router 里引用这个模型（AI 会告诉你怎么引用）

实操示例（在哪里写代码）：

打开 VS Code → 找到项目文件夹
创建文件 → 在 models 文件夹下新建 schemas.py（如果没有这个文件夹，让 AI 告诉你项目结构）
粘贴代码 → 把 AI 生成的 Pydantic 代码粘贴进去
保存 → Ctrl+S / Cmd+S

6. 部署与运维

6.1 Vercel（无服务器部署平台）

一句话: 把代码推到 GitHub，Vercel 自动部署上线（不用自己管服务器）

类比理解:

传统部署 = 自己开餐厅
- 租店铺（买服务器）¥500/月
- 装修（安装 Linux、配置环境）
- 招服务员（运维人员）
- 付水电费（服务器电费、带宽）

Vercel 部署 = 在美团开店
- 入驻即用（注册账号）
- 平台管理（自动扩容、备份）
- 按单收费（免费额度很大）

工作流程:

1. 本地开发 → 写代码、测试
2. 推送到 GitHub → git push origin main（在终端/命令行输入）
3. Vercel 自动检测 → 自动构建、自动部署
4. 生成访问链接 → https://your-app.vercel.app

❓ “git push” 是在哪里输入的？

方法1（推荐新手）：使用 VS Code 的图形界面

点击左侧“源代码管理“图标（三个小圆点连线的那个）

填写提交信息（比如“添加用户注册功能“）

点击“提交“按钮（✓）

点击“同步更改“（↻）→ 自动推送到 GitHub

方法2（命令行）：在 VS Code 终端输入 git push origin main

打开方式：菜单栏 → 终端 → 新建终端

6.2 环境变量（Environment Variables）

一句话: 不同环境（开发/测试/生产）使用不同的配置

类比理解:

环境变量 = 餐厅的不同模式

开发环境（本地）：
- 用测试数据库（随便改）
- 开启调试模式（显示详细错误）
- API 地址：http://localhost:8000

生产环境（线上）：
- 用正式数据库（真实用户数据）
- 关闭调试模式（不暴露错误细节）
- API 地址：https://api.example.com

为什么需要环境变量？:

# ❌ 硬编码（不好）
DATABASE_URL = "postgresql://user:password@localhost/mydb"
# 问题：密码暴露在代码里、推送到 GitHub 泄露

# ✅ 使用环境变量（推荐）
import os
DATABASE_URL = os.getenv("DATABASE_URL")
# 不同环境配置不同的值

⚠️ 看到 Python 代码不要慌！ 这里只是展示原理，实际操作很简单（往下看实操步骤）。

🤖 如何让 AI 帮你？ + 📝 实操指南

场景：你需要在项目里配置 Supabase 数据库连接。

第1步：问 AI 需要哪些环境变量

"我要用 FastAPI 连接 Supabase 数据库，需要配置哪些环境变量？"

AI 会告诉你需要：SUPABASE_URL、SUPABASE_KEY 等。

第2步：在本地创建 .env 文件（开发环境）

在项目根目录（和 main.py 同级）新建文件，命名为 .env

在文件里写（AI 会给你格式）：

SUPABASE_URL=https://your-project.supabase.co
SUPABASE_KEY=your_secret_key_here

重要：在 .gitignore 文件里加一行 .env（防止密码上传到 GitHub）

第3步：在 Vercel 配置环境变量（生产环境）

打开 Vercel 项目设置 → Settings → Environment Variables
添加同样的变量名和值（这里填真实生产环境的密钥）
点击“Save“ → 重新部署项目

让 AI 帮你写读取环境变量的代码：

"帮我用 Python 的 python-dotenv 库读取 .env 文件里的 SUPABASE_URL 和 SUPABASE_KEY"

AI 会生成类似这样的代码（你直接复制到 config.py 文件）。

6.3 CORS（跨域资源共享）

一句话: 允许前端（不同域名）访问后端 API

类比理解:

CORS = 海关
- 浏览器安全策略：不同"国家"（域名）之间不能随意往来
- 前端（http://localhost:3000）想访问后端（http://localhost:8000）→ 被拦截
- 配置 CORS = 办签证：后端告诉浏览器"允许这个域名访问"

FastAPI 配置:

from fastapi.middleware.cors import CORSMiddleware

app.add_middleware(
    CORSMiddleware,
    allow_origins=[
        "http://localhost:3000",      # 开发环境前端
        "https://your-app.vercel.app" # 生产环境前端
    ],
    allow_credentials=True,
    allow_methods=["*"],
    allow_headers=["*"],
)

💡 使用建议

遇到不懂的术语：

在本文档按 Ctrl+F 搜索
看“一句话“和“类比理解“
还不懂就问 AI：

“我不理解 [术语名] 是什么，能用日常生活的例子给我解释吗？”

记住: 术语只是名字，背后的概念才重要。看懂类比，就理解了 80%。

📚 返回目录

👉 后端开发基础

查看完整学习路径。

Vibe Coding 实战手册

技术术语手册

📖 使用说明

💡 Vibe Coding 核心提示

📚 目录

1. 数据存储技术

1.1 MySQL / PostgreSQL（数据库）

1.2 Supabase（数据库云服务）

1.3 OSS / Storage（对象存储）

2. 架构设计模式

2.1 DAO（Data Access Object，数据访问对象）

2.2 Service（服务层/业务逻辑层）

2.3 Router / Controller（路由层/控制器层）

3. 接口与通信

3.1 API（Application Programming Interface，应用程序接口）

3.2 RESTful API（REST 风格的 API）

3.3 HTTP（超文本传输协议）

4. 身份认证

4.1 Token（令牌）

4.2 JWT（JSON Web Token）

5. 开发框架与工具

5.1 FastAPI（Python Web 框架）

5.2 SQLAlchemy（ORM 框架）

5.3 Pydantic（数据验证库）

6. 部署与运维

6.1 Vercel（无服务器部署平台）

6.2 环境变量（Environment Variables）

6.3 CORS（跨域资源共享）

📊 快速检索

💡 使用建议

📚 返回目录

Keyboard shortcuts

Vibe Coding 实战手册