第25章 学完 Gradio 之后该往哪里走
你已经读到了本书的结尾！但其实你才刚刚走到起点。
Gradio 是一个出色的工具，能快速把 Python 代码变成交互式应用。
它可以让你的想法从：
Python 函数
变成：
交互式应用
而不需要你先成为一名前端工程师。
但 Gradio 并不是每个项目的终点。
深入学习 Python
如果 Gradio 是你接触的第一个正经 Python 框架，那么请继续夯实你的 Python 基础。
学习这些内容：
函数
类
模块
包
异常
文件处理
装饰器
类型注解
测试
异步编程
Python 功力越深，你的 Gradio 应用就越强大。
学习 API
很多 AI 应用都依赖 API。
了解基础知识会让你受益匪浅，比如：
HTTP
REST
JSON
身份认证
请求方法
状态码
速率限制
这些知识会让对接外部服务变得轻松很多。
学习机器学习
如果你的目标是做 AI 开发，Gradio 只是界面层。
你应该去了解模型到底是怎么工作的。
学习这些主题：
监督学习
无监督学习
神经网络
Transformer
嵌入（embeddings）
模型评估
模型推理
之后，Gradio 就成了你把这些模型变成可用应用的工具。
学习检索增强生成（RAG）
如果你喜欢文件分析项目，可以进一步了解检索增强生成（RAG）。
需要掌握的内容：
向量表示（embeddings）
向量数据库
文本分块（chunking）
相似度搜索
检索
上下文构建
评估
这将为你打开文档助手、研究工具、知识库和企业级 AI 应用的大门。
学习 Web 开发
Gradio 能带走的距离比你想象的要远，但走到某个阶段，你可能需要对前端有更多掌控，了解更多前端技术。
这时，HTML、CSS、JavaScript 和 React 等就能派上用场了。
不必放弃 Gradio，关键是搞清楚每种工具适合什么场景。
学习后端开发
对于更大规模的应用，可以探索后端框架与架构。
需要理解的概念包括：
身份认证（authentication）
数据库
API
后台任务（background jobs）
缓存（caching）
队列（queues）
可观测性（observability）
部署
Gradio 非常适合模型驱动的用户界面，但大型产品往往需要更完整的后端架构。
学习部署
不要止步于：
demo.launch()
去了解应用在实际环境中如何运行。
可以探索：
容器（containers）
云平台
CI/CD
环境配置
监控
日志（logging）
扩缩容（scaling）
阅读文档
框架会更新，参数会改名，组件会增加功能，API 会演变。
最好的 Gradio 开发者不是背下了所有参数的人，而是能快速找到正确信息的人。
遇到不工作时，先检查：
官方文档（https://gradio.app/docs）
当前安装的 Gradio 版本
错误信息
最小复现示例
近期的相关案例
以用户为中心来构建
技术上再惊艳的应用，如果没人看得懂怎么用，照样会失败。
先问自己：
这是给谁用的？
再想：
他们想完成什么？
然后：
最简单的界面是什么样的，能帮他们达成目标？
比起一上来就问"我可以用哪些 Gradio 组件"，这样的出发点更好。
持续动手尝试
做东西不需要谁批准。
有想法？直接做个原型。
需要界面？用 Gradio 搭。
需要模型？找一个或者自己训练。
需要部署平台？学着部署就行。
Python、机器学习和实用的界面设计三者结合，能带你走到相当远的地方。
