Go 后端 + AI 应用学习讲义¶

更新时间：2026-03-21

本文档由gpt5.4收集资料总结而成，仅供本人阅读方便使用。

先读这页¶

1. 这份讲义是什么¶

这份讲义要承担的是“教材”的职责，而不是“目录”或“收藏夹”的职责。

也就是说，你在这里读到的内容，不应该只是：

有哪些概念
有哪些链接
有哪些框架

而应该是：

这个概念到底是什么
为什么需要它
不这样做会出什么问题
它在真实工程里通常怎么落地
面试时应该怎么把它讲清楚

如果你把它当教材来读，正确的期待不是“把所有东西背下来”，而是逐步建立三层能力：

先听懂概念。
再能解释设计原因。
最后能把它变成工程判断。

2. 如果你几乎零基础，先抓住这条主线¶

很多人一上来就被名词压住，例如 goroutine、context、RAG、Tool Calling、MCP、Agent、trace。其实更稳的办法不是先背名词，而是先抓住整条学习主线：

第一层：Go 基础¶

这一层解决的是“你能不能把程序里的数据和控制关系写明白”。

你会学到：

数据怎么表示，例如结构体、slice、map
状态怎么修改，例如值语义和指针语义
错误怎么返回和包装
并发怎么启动、同步、停止

如果这一层不稳，后面所有后端和 AI 话题都会悬空。因为你连“数据有没有共享”“请求有没有取消”“错误有没有保留下文”都讲不清。

第二层：Go 后端工程¶

这一层解决的是“一个请求怎么稳定地从入口走到出口”。

你会学到：

HTTP 请求怎么进入服务
数据库连接怎么管理
中间件、日志、测试、可观测性怎么组织
服务关闭时在途请求和后台 worker 怎么收尾

如果这一层不稳，AI 功能接进来以后，只会把不稳定放大。

第三层：AI 应用工程¶

这一层解决的是“怎么把模型这种不稳定、昂贵、不可完全信任的能力，变成可控的业务能力”。

你会学到：

prompt 在系统里到底扮演什么角色
为什么要结构化输出
为什么 Tool Calling 本质上是后端工作流
RAG 为什么不是“把文档贴给模型”
Agent 为什么真正难在治理，而不难在喊口号

你可以先把这个岗位理解成一句话：

它不是“研究模型的人”，而是“把模型能力接进业务系统、并且把风险兜住的人”。

3. 这份讲义默认怎么解释术语¶

为了让这份材料更接近教材，而不是术语表，后面遇到重要概念时，会尽量遵循这几个约定：

先用人话，再用术语¶

例如：

struct 可以先理解成“带名字的字段集合”
interface 可以先理解成“对外承诺自己会哪些行为”
RAG 可以先理解成“先找资料，再让模型回答”
Tool Calling 可以先理解成“模型提建议，服务端掌执行权”

这不是在降低标准，而是在先建立正确心智模型。

先讲问题，再讲方案¶

如果一开始就抛方案名词，学习者很容易只记住名字，记不住边界。

例如讲 context 时，真正先要回答的问题是：

请求为什么需要被取消
客户端断开后，下游为什么还要停
超时为什么不能只在入口层写一个数字

先明白问题，再学方案，知识会更牢。

先讲最小闭环，再讲扩展框架¶

这份讲义不会把学习顺序设计成“先看最火的框架”。更稳的路线是：

先理解最小原理。
再理解标准做法。
最后再理解框架帮你省了什么。

这样你不会把“会用框架”误当成“理解系统”。

4. 推荐的阅读方法¶

如果你想把这份教材读扎实，而不是读完就散，建议按四遍来用：

第一遍：只建立地图¶

目标不是记细节，而是知道每一章在解决什么问题。

例如：

Go 基础在解决数据和控制的基本语义
Go 后端工程在解决请求链路和服务稳定性
AI 应用工程在解决模型不确定性
RAG/Tool Calling 在解决“怎么查、怎么调、怎么控”

第二遍：每章都做最小复述¶

每读完一节，用自己的话回答三个问题：

这节在解决什么问题？
为什么需要这个设计？
不这样做会怎样？

如果你答不出来，说明还没真正吸收。

第三遍：和项目主线绑定¶

把章节知识往一个主项目上挂。例如企业知识库问答系统：

Go 基础对应数据结构、错误处理、并发
后端工程对应 HTTP、数据库、日志、测试
AI 工程对应模型接入、结构化输出、流式
RAG 对应文档解析、切块、召回、引用

当知识能落到同一个项目里，它才开始从“知道”变成“会用”。

第四遍：按面试表达回收¶

这一遍不要再问“我记住了吗”，而要问：

我能不能在 2 分钟里讲清一个概念
我能不能把一个方案的优点、代价、失败方式说完整
我能不能从业务目标一路讲到系统链路和风险控制

这一步做完，教材才真正转化成面试能力。

5. 这份讲义最适合什么读者¶

它最适合下面这类人：

已经确定目标是 Go 后端或 Go 后端 + AI 应用岗位
不想只看零散链接，而想按主线系统学习
希望学的是工程落地，而不是只会讲概念

它不以模型训练、算法论文和底层推理加速为主线。如果你的目标是算法研究或模型训练，这份讲义不是主教材。

6. 资料来源与时间边界¶

这份讲义不是拍脑袋整理的，而是基于官方文档、协议规范、SDK、开源项目 README 与关键代码路径，以及公开面试题中的高频问法来重组。

重点包括：

Go 官方关于 context、memory model、race detector、module layout、database/sql、net/http、pprof、log/slog 的文档和文章
OpenAI 官方关于 Responses API、Function Calling、Streaming、Conversation State、Prompt Caching、File Search、Evals、Tracing、MCP、Agents、Using tools、Background mode 等资料
pgvector、MCP 官方规范以及多类 Go / Agent / MCP 开源项目的 README 和关键代码路径
公开面试题与八股文章中的高频问法，但只把它们当作题型来源，不直接拿来当事实结论

这意味着：

知识结论尽量回到一手资料
版本、接口、框架成熟度这类信息会带上时间边界
真正需要谨慎的地方，会强调“这是工程判断”，而不是“永远不变的教条”

7. 编写说明¶

这份讲义是在原始学习提纲基础上重写而成，目标是把“链接清单 + 面试要点”变成一份可以直接阅读学习的教材。原始提纲和链接清单已单独保留，当前正文负责承担三件事：

把概念讲明白。
把工程主线串起来。
把学习内容回收到项目和面试表达中。