AI时代用Python小技巧Java开发者因AI转战Python
曾是Java和R语言的开发者César Soto Valero，如今因AI浪潮开始写Python了。
主要原因是，AI开发绕不开Python，它是名副其实的标准语言，生态完整，支持从原型到部署。
他总结了自己转向Python后，是如何一步步搭建生产级开发环境的，每一点都不是新概念，但合起来非常实用：
1、项目结构简单直白
不追求复杂分层，整个项目（包括前端、后端、文档、CI脚本）都集中在一个Repo管理。
对于独立开发者来说，这种“单仓(monorepo)”结构搜索更方便，改起来也不容易忘。前端一般用React或Next.js，后端是Python写的API逻辑，文档部分直接用MkDocs生成网站。
2、全流程自动化
开发过程中尽量追求自动化，他用的是GitHub Actions+Makefile+Docker的组合：
- GitHub Actions跑测试、构建镜像，一条主线搞定CI/CD；
- Makefile把常用命令打包成快捷方式，比如make test、make up直接启动服务；
- Docker+Docker Compose让本地开发和部署环境保持一致，后端、前端分别作为独立容器运行，彼此通过网络连接。
3、轻量化工具组合
工具选择上，他很偏爱Astral家出品的全家桶：
- uv：包管理器，像Python界的npm，简单上手；
- ruff：格式化+代码风格检查，一次搞定；
- ty：静态类型检查，用来配合Python的typing模块，提前发现类型错误。
这套工具安装快、配置少，适合不想折腾的人。整个开发体验更偏“Node.js”风格，而不是传统Python那种依赖混乱、配置繁琐。
4、专注“可上线”的开发模式
很多用Python的人停留在写脚本、跑Notebook阶段，他强调的是“能上线”的结构：
- 每个项目都要有清晰的配置、环境说明、部署方式；
- 环境变量通过.env管理，配置用Pydantic加载，确保类型安全；
- 文档站点是项目的一部分，而不是附加内容，因此直接托管在GitHub Pages。
整体思路是，项目从一开始就准备好上线，而不是写完代码再去补部署逻辑。
原文链接：www.cesarsotovalero.net/blog/i-am-switching-to-python-and-actually-liking-it.html
