一个数据科学家试了10套技术栈，最后选了它

「我试过PocketBase、Next.js、Nuxt、Svelte、Django……几乎把市面上的全栈方案踩了个遍。」南非数据科学家Marcel Coetzee说这话时，Hireveld已经上线运行——这是他第十一次技术选型后的产物。

一个用Python写了十几年代码的人，为什么最后押注在一个GitHub上相对小众的框架？更奇怪的是，他声称这和自己「不太懂JavaScript」有关。

从精算师到AI顾问，再到SaaS创业者

Marcel的职业轨迹本身就像一份反共识简历。精算科学出身——保险、数理统计、风险建模——然后跳进数据科学，再滑向数据工程，最后开始动手做产品。

Python贯穿始终。但做SaaS需要全栈能力，他被迫一头扎进JavaScript生态。「我绝不是JS原生选手，」他自嘲道。

转机出现在AI编程工具爆发期。Marcel意识到一件事：如果工具能帮他补齐代码短板，他真正需要的不是「学会所有Node和React的角落」，而是一个足够高的抽象层——让他从第一天就写产品逻辑，而不是胶水代码。

南非招聘市场的「中间商税」

Hireveld瞄准的痛点很具体。南非招聘市场被三层成本压垮：

• 猎头公司抽走年薪的巨额比例

• 主流招聘网站单条职位发布收费数千兰特

• 大量岗位靠人脉内定，而非能力匹配

Marcel设计的解法也直接：雇主免费发布，求职者匿名评分排序，雇主付固定费用解锁候选人信息。没有百分比抽成，没有信息黑箱。

但要实现这套逻辑，他需要认证、数据库搜索、后台任务（自动过期旧职位）、事务邮件、支付集成——全套基础设施。

十次失败的选型日记

Marcel的踩坑清单读起来像一份全栈框架悼亡录：

PocketBase是第一个牺牲品。他喜欢「代码自主、不被云平台绑架」的理念，但很快撞上硬墙——需要PostgreSQL做搜索，需要后台任务，需要不手工拼凑的前端。「它撑不住我要做的东西。」

Next.js、Nuxt、Svelte接踵而至。它们各有优点，但代码膨胀速度惊人。「作为JS生态的新手，我很快就摸到自己的知识天花板。」

Django是 retreat 回舒适区的尝试。Python老本行，总行了吧？结果Marcel被「魔法」淹没——多年积累下来的隐藏逻辑、隐式约定，「太多东西，太多魔法。」

「配置即声明」的顿悟时刻

Wasp出现在GitHub推荐流里。Marcel说那个配置文件「让我立刻懂了」：

你想要认证？写一行。要数据库？写一行。后台任务、邮件服务？继续写。框架自己把它们串起来。

这和他信奉的哲学严丝合缝：「成功的项目，向用户暴露的抽象层要尽可能少。」他把自己推到能站稳的最高抽象层，然后发现——第一天就能写产品代码，而不是 infra 胶水。

一个有趣的细节：Marcel强调这不是「逃避学习」。恰恰相反，AI编程工具降低了「写出代码」的门槛，却让「架构决策」的重量更加凸显。选错抽象层，AI帮你生成的每一行代码都是技术债务；选对抽象层，AI变成加速器。

Hireveld目前因重大重构暂时下线，但Marcel确认会恢复运营。这个案例的真正价值不在框架本身，而在选型逻辑的倒置：

传统思路是「先成为全栈专家，再动手做产品」；Marcel的路径是「先锁定产品需求，再找一个让我不必成为专家的工具」。当AI模糊了「写代码」和「设计系统」的边界，后者的权重正在急剧上升。

如果你也在技术栈的迷宫里打转，不妨问自己：我现在纠结的，是产品该做什么，还是基础设施怎么拼？如果是后者，也许你的抽象层还不够高。