[心得] 服務業轉後端，全程用 AI 自學的踩坑紀錄

服務生

【背景】 30歲，非本科，服務業出身。目前正在求職中，兩個專案已部署上線。從近年 AI 興起開始接觸軟體，用過 GPT5.3Thinking、Gemini3.1pro、Claude opus4.6。沒有上過補習班，沒有資工背景，所有的學習判斷都是自己做的。這篇不是轉職成功心得，是一個還在上岸的人整理自己踩過的坑與選擇。【怎麼學的】我的學習方式就一個迴圈：對每個概念問「為什麼」，拆開來驗證自己是不是真的懂，確認了才繼續。AI 只是我的教學工具，但每一步的判斷是我自己做的。早期常覺得自己是不是不適合寫程式，後來發現那只是「人類的想法轉換成機器邏輯」的過程，走過去之後就沒什麼了，為此我還去Reddit看有沒有人跟我一樣覺得很痛苦。【為什麼選後端】一開始學的是前端，用 GPT 自學 HTML/CSS/JS，做了一個互動網站，有按鈕扣血、血條上限、復活功能。做了大概一個月，發現自己對畫面沒什麼驅動力，但對背後的狀態管理和資料邏輯很有感覺，就轉向後端了。第一個專案：模擬銀行系統（mini-bank）以 Python 為語言，從 Hello World 開始。【資料儲存的演變】這個專案讓我經歷了四種儲存方式，每次換都是因為上一個方案撐不住： txt：最早就是把資料寫進文字檔讓我理解CLI跟儲存的區別。問題是沒辦法查詢特定帳戶，每次都得整個檔案讀進來。 json：結構化了，但沒有事務保護，兩步操作中間出錯資料就不一致。 SQLite：進到關聯式資料庫後學到了 ACID、SSOT，也發現資料庫能原地 UPDATE 不用先搬到 Python 算完再寫回去。從這裡開始理解記憶體和磁碟 I/O 的關係。接著是正規化（1NF-3NF）、FK/PK、1:N 和 M:N 關係、手動建 index、理解B-tree。從 JSON 換到 SQLite 的時候，重構完發現主程式完全不用改，只動了底層的讀寫邏輯——後來才知道這叫資料層隔離。一開始我還在當搬運工，把資料從資料庫撈出來用 Python 算完再寫回去，後來才發現根本不需要這樣做。 PostgreSQL：第二個專案才換的，從MySQL跟postgresql 兩個中我選擇了後者，原因是跟SQLite語法相差無幾以及市場上使用的公司也不少。【OOP 重構：最痛苦的一段】寫完第一版發現所有邏輯塞在一個 .py 裡面，開始重構成 OOP。這是整個學習過程中記憶最深刻的地方。卡了好幾天，好幾次想放棄。後來才搞懂原因：我一直用寫 function 的線性思維去處理 class 的空間配置問題。寫 function 是「想到什麼寫什麼，從上往下」，寫 class 是「先決定這段 code 住在哪，再寫內容」。想通之後做了 Manager-Worker 三層架構：Manager 持有資料庫連線負責事務邊界（commit/rollback），Worker 只拿 cursor 做自己那張表的事。這個結構後來接 FastAPI 的時候幾乎不用改。在處理事務邊界的時候也踩過一個坑：存款功能裡把 input() 放在 transaction 範圍內，等於使用者去泡咖啡十分鐘那個 transaction 就鎖十分鐘。後來把人機互動拉到事務外面，只在真正需要寫入的時候才開 transaction，才解決這個長事務的問題。【從 GPT 換到 Claude】有一個轉折點：GPT 告訴我 with conn: 會自動關閉資料庫連線，我照做了。後來用 Claude review code 才發現這是錯的。從這次之後我學到一件事，AI 給的資訊必須自己驗證，不能直接信。也從這次之後我開始用 Claude 當主要的學習工具以及Gemini交叉驗證。【API 與認證】進到 FastAPI 之後，學了路由設計、Pydantic 驗證、HTTP 方法、REST 慣例、狀態碼。認證的部分碰到了 bcrypt 加密、python-jose token、HTTPBearer + Depends 依賴注入、verify_owner 授權檢查。認證是我第一次碰到「不是靠推理就能理解的知識」它是一套外部規範，必須先拆開每個零件才能理解整體怎麼串的。【測試、Docker、部署】寫了 11 個 pytest 整合測試，覆蓋從註冊到各種異常情境。沒寫單元測試，因為專案規模小，整合測試更能驗證完整流程。 Docker 階段學了 Dockerfile、.dockerignore、環境變數管理（.env / .env.example / python-dotenv）。Windows 上裝 Docker 踩了一個坑：需要開啟 WSL2 和 VirtualMachinePlatform。部署到 Render 的時候碰到 passlib 跟新版 bcrypt 不相容，API 直接噴錯。追到根因之後解法是鎖版本 bcrypt==4.0.1。第二個專案：任務管理系統（task-flow）為了證明能力不只限於銀行 CRUD，做了第二個不同領域的專案。．FastAPI + PostgreSQL ．五張表（users、tasks、categories、tags、task_tags）．13 個 REST API 端點．JWT 認證 + 授權．filtering / sorting / pagination（動態 SQL 組裝）．狀態流轉驗證（done 不可回退）．13 個 pytest 整合測試．Docker 容器化 + Render 部署部署時又踩坑：Render 的 PostgreSQL 內部 hostname 在 Docker 環境裡解析不了，最後用 Internal Database URL + sslmode 處理解決。目前狀態正在求職中，目標是 junior 後端工程師。兩個專案都部署在線上。線上為健康檢查端點,完整文件見 GitHub README GitHub：

mini-bank repo：

task-flow repo：

mini-bank 線上：

task-flow 線上：

以上就是一個服務業出身、全程用 AI 自學後端的過程。沒有美化，這就是實際走過的經歷。如果有什麼問題或建議歡迎留言。感謝您的觀看。【5/29 更新】：感謝留言區提醒，Swagger 不該在 production 環境公開，已加上環境判斷。這也是我自學過程中沒注意到的踩坑，謝謝給我真實開發過程的經驗判斷。【5/31 更新】：自己 review 時發現 task-flow 的資料庫連線是全域共用的，單人開發沒問題但併發下會產生 race condition。改成每個請求獨立建立連線（share nothing）。另外也補上了架構圖和 ERD 到 README，感謝留言區的建議。