独立开发者的技术选型：从产品定位到长期演进

目前我在规划和开发两个长期产品。

第一个是面向商业化的企业 SaaS 产品。

第二个是开源项目 Evolary，一个 AI 驱动的个人与家庭长期成长记忆平台。我自己也是它的目标用户，产品重点探索长期数据记录与 AI Native 能力。

两个产品定位不同，因此我没有强行统一技术栈，而是分别选择了两条路线。

商业 SaaS：以稳定、成熟生态和长期维护为主

技术栈：

.NET 10
PostgreSQL
Redis
RabbitMQ
Vue 3
Flutter
Docker / Linux

对于商业产品，我更关心的是：

稳定性、长期维护、生态成熟度、团队扩展能力，以及技术生态的国际通用性。

因此，这套技术栈整体偏向成熟、稳定的国际企业软件技术生态。

Evolary：一条更偏 AI Native 的探索路线

技术栈：

Python
FastAPI
MySQL
Qdrant
uni-app

Evolary 和商业 SaaS 承担的是不同任务。

它是一个长期维护的开源产品，也是我系统实践 AI Native、Agent、RAG、向量检索，以及国内客户端技术生态的项目。

	商业 SaaS	Evolary
性质	商业闭源	开源
目标	稳定交付	技术探索
技术方向	企业软件 / 国际化	AI Native / 国内生态
后端	.NET 10	Python + FastAPI
数据库	PostgreSQL	MySQL + Qdrant
App	Flutter	uni-app
核心原则	求稳	探索

商业 SaaS 偏向成熟的国际企业软件技术生态；Evolary 则主动进入 Python AI 生态，同时增加对国内客户端技术体系的实践。

AI Agent 不会只属于 Python

我认为 AI Agent 最终不会是 Python 独占的技术能力。

Python 今天的优势，更多来自 AI 生态的成熟度。随着 AI 能力逐渐融入主流软件开发，.NET、Java、TypeScript、Go 等主流技术生态都会逐渐形成自己的 Agent 开发体系。

因此，我更关注 Agent 背后的通用能力，而不是押注某一种语言。

对我而言，这两个产品承担着不同角色：

商业产品负责稳定落地，开源产品负责探索未来。

一个求稳，一个探索。