本文整理了一份适合零基础和转后端同学的 Python 后端学习路线，覆盖 Python 基础、HTTP、RESTful API、JWT 鉴权、MySQL、Redis、ORM、FastAPI、Django、Celery、Docker、Nginx、项目实战和面试高频知识点，帮助你从语法学习逐步过渡到能独立完成后端项目。

本文讲解 Redis 高频问题，包括缓存穿透、缓存击穿、缓存雪崩、分布式锁、限流和缓存一致性，适合 Python 后端项目实战和秋招面试。

本文讲解 FastAPI 工程化实践，包括项目结构、依赖注入、Pydantic 模型拆分、统一异常处理、中间件、配置管理和接口测试。

本文讲解 Python 后端分层架构，包括 API/Controller、Service、Repository 的职责划分，以及 AI 应用后端中 Workflow、Client、Retriever 的拆分思路。

本文讲解 Docker 和 Docker Compose 在 Python 后端项目中的使用，包括 Dockerfile、镜像、容器、端口映射、环境变量、数据卷和常见部署坑。

这篇笔记参考了我本地的 `03_AI应用开发` 学习目录，核心内容包括 AI 基础技能、Ollama、本地模型、MCP、RAG、Agent Skills、完整 Agent、多 Agent 协作和求职作品。实际项目里，错误经常不是 Prompt 写得不够玄学，而是参数错、超时、返回结构不稳定、额度耗尽、密钥泄露、日志没打、重试没有边界。不是把名词堆一遍，而是按项目倒推学习顺序：先会稳定调用模型，再补

本文介绍一个面向 Web 应用测试场景的多模态 AI Bug 定位 Agent。项目支持输入页面截图、操作录屏、前端日志、后端日志和源码片段，通过规则解析、证据融合、代码定位和大模型二次审查，自动生成结构化 Bug 报告、原因分析、可疑代码位置以及 pytest / Playwright 测试用例。相比单纯依赖日志或截图的分析方式，该项目更接近真实测试排查流程，能够把“页面现象、接口异常、运行日志

本文介绍一个面向 Web 应用测试场景的多模态 AI Bug 定位 Agent。项目支持输入页面截图、操作录屏、前端日志、后端日志和源码片段，通过规则解析、证据融合、代码定位和大模型二次审查，自动生成结构化 Bug 报告、原因分析、可疑代码位置以及 pytest / Playwright 测试用例。相比单纯依赖日志或截图的分析方式，该项目更接近真实测试排查流程，能够把“页面现象、接口异常、运行日志