Przez większość kariery wystarczał mi TypeScript. React i Next.js na froncie, NestJS lub Express na backendzie — jeden język od bazy danych po przycisk. Potem AI przeszło od pojedynczego wywołania API do rzeczywistej części produktu i ciągle trafiałem na tę samą przeszkodę: najciekawszy kod był w Pythonie.
API LLM mają dobre SDK JavaScript, a OpenAI i Anthropic nadal integruję z Node.js. Gdy jednak praca schodzi poniżej API — uruchamianie własnego modelu, embeddingi na dużą skalę, audio — króluje ekosystem Pythona: PyTorch, Hugging Face, NumPy, notebooki Jupyter oraz repozytoria badawcze z requirements.txt i bez odpowiednika w npm. Text-to-speech z StyleTTS2 i potoki audiobooków sprawiły, że czytanie Pythona przestało być opcjonalne.
Nauka kolejnego języka przez doświadczonego inżyniera różni się od nauki pierwszego. Nie musisz poznawać pojęcia pętli, lecz kulturę pracy: środowiska wirtualne i przypięte zależności, bo repozytorium modelu działające w zeszłym miesiącu może się zepsuć po aktualizacji torch. Type hints i Pydantic przypominają TypeScript i Zod. async w FastAPI dobrze mapuje się na wiedzę z Node. Dochodzi nawyk pracy z notebookami: eksploracja w Jupyterze, a potem przeniesienie działającego kodu do modułu z testami.
Samo AI przyspieszyło naukę. Używam modeli jako pair programmera w języku, w którym jestem słabszy: wyjaśnij tę idiomatyczną konstrukcję, przepisz mój nawyk z JavaScript na pythonowy sposób, dlaczego ten tensor ma zły kształt? Zasada jest taka, by każdą odpowiedź traktować jak pull request juniora — przeczytać, uruchomić i zrozumieć przed scaleniem. AI przyspiesza naukę, ale jej nie zastępuje.
W produkcji utrzymuję prosty podział. Node.js i TypeScript odpowiadają za produkt: uwierzytelnianie, API, płatności i UI. Python obsługuje modele: inferencję, audio, przetwarzanie danych — zwykle jako osobna usługa lub worker za kolejką, komunikujący się z produktem przez HTTP albo zadania z typowanym kontraktem. Każdy język robi to, w czym jego ekosystem jest najlepszy, bez wkraczania w zadania drugiego.
Python nie zastąpił mi TypeScriptu — poszerzył moje możliwości. Kilka lat temu „full-stack” oznaczał drogę od bazy danych do przeglądarki. W epoce AI obejmuje też otwarcie repozytorium modelu, zrozumienie, co naprawdę robi, i uruchomienie go samodzielnie. Jeśli produkt potrzebuje kroku modelu oraz prawdziwej aplikacji webowej wokół niego, właśnie na tym styku lubię pracować.
Daj kolejnemu produktowi kogoś, kto zostanie.
Chcesz zacząć? Napisz do mnie — mogę rozpocząć od razu i zostać na dłużej. Długoterminowa współpraca, nie przekazanie projektu po dwóch tygodniach. Omówmy projekt, wymagania i najlepszy sposób realizacji.