这个 Go + React 的权限管理系统，让我省了不少时间

事情是这样的。

我之前不是一直想做个内部管理系统吗，什么用户管理、角色权限、数据看板，这些东西每个项目都要用到。

但每次都从零开始写，累得半死。

直到我发现了 shadmin 这个开源项目。

这是什么

简单说，就是一个企业级的 RBAC 权限管理系统。

Go 后端 + React 前端，技术栈很主流：Gin + Ent ORM + Casbin + Shadcn UI + TanStack Router + Tailwind CSS。

你要是想快速搭一个后台管理系统，直接拿这个改就行。

几个亮点

RBAC 细粒度权限控制，基于 Casbin，做到了 API 级别和菜单级别的权限控制。用户、角色、权限，这些概念都给你配好了。

多数据库支持，默认 SQLite，开箱即用。想换 PostgreSQL 或 MySQL？配置一下就行。

动态菜单，菜单从后端 API 返回，前端根据用户权限自动渲染。不用在前端硬编码菜单配置。

主题切换，亮色暗色主题支持，还能跟随系统自动切换。

响应式设计，桌面、平板、手机都能看。

怎么跑

git clone https://github.com/ahaodev/shadmin.git
cd shadmin

# 安装并构建前端
cd web && pnpm install && pnpm build

# 启动后端
cd ..
go generate ./ent
go run .

默认账号：admin / 123

后端默认监听 55667 端口，前端构建后会被嵌入到二进制里。

我的感受

对于快速启动内部管理系统来说，这个项目很实在。

技术栈选的都是主流且稳定的，代码结构清晰（Controller → Usecase → Repository），想改哪里都方便。

如果你是 Go 开发者，想给自己团队省点做后台的时间，值得一试。

本文介绍 shadmin 开源 RBAC 权限管理系统，Go + React 技术栈，支持多数据库、动态菜单、细粒度权限控制。

在 AI 技术快速迭代的今天，保持持续学习的能力比掌握任何特定的技术都更重要。理解底层原理可以帮助你在遇到新技术时更快地上手，可以在不同的技术方案之间做出更明智的选择。建议开发者建立自己的技术框架，而不是追逐每一个新的工具和框架。实践是最好的学习方式，在真实项目中应用新学到的技术，遇到问题并解决，这种经历比任何教程都更有价值。定期整理和复盘也是很好的习惯。将学到的知识归档整理，形成自己的知识库。当需要用到某个技术时，可以直接从自己的知识库中找到相关的参考，而不是从零开始搜索。

技术的价值不在于它有多前沿，而在于它能在多大程度上解决实际问题。AI 技术的快速迭代不是用来追赶的潮流，而是用来解决业务痛点的工具箱。在实际应用中，有时候简单的方案反而最有效。一个 RAG 系统用了最复杂的检索策略但文档处理没做好，效果不如一个文档处理完善但检索策略简单的系统。一个 Agent 系统用了最贵的模型但 prompt 设计粗糙，效果不如一个精心设计 prompt 的普通模型。建议在追求技术先进性之前，先把基础工作做扎实。文档清洗、数据标注、评测体系、监控告警，这些看似基础的工作，往往是决定 AI 项目成败的关键。

在软件开发领域，有一条经验法则：任何在开发阶段看起来很聪明但让调试变得困难的做法，最终都不是好主意。这条法则在 AI 应用开发中尤其适用。AI 应用的不确定性比传统软件高得多，这意味着调试和排查问题的难度也大得多。因此 AI 应用的设计应该追求简单、透明、可追踪。简单意味着每个组件的职责清晰，组件之间的依赖关系明确。透明意味着系统的每个决策过程都可以被追溯和理解。可追踪意味着每次模型调用、每步推理过程都被记录在案。只有做到了这三条，你才能在系统出现问题时快速定位根因。

AI 项目的技术栈选择决定了开发效率和后期维护的成本。Python 是目前 AI 开发的主流语言，拥有最丰富的生态。TypeScript 在 AI 应用开发中也越来越流行，特别是在需要前后端一体化的场景中。选择技术栈时的核心原则是优先考虑团队熟悉的技术，减少学习成本。框架选择同理，LangChain 功能丰富但复杂度也高，直接调用 API 可能更可控。建议从最简单的方案开始，随着需求复杂度的增加逐步引入框架。过早的框架选择会让系统复杂度不必要地增加。