Skip to content

Python → AI 应用开发 完整学习指南

学习目标

从零基础出发,在 4-6 周内掌握足够的 Python 能力,能够独立开发 AI 应用(聊天机器人、知识库问答、AI Agent 等)。


文件说明

文件内容建议学习时间
Python 基础Python 基础:变量、列表、字典、循环、函数3-5 天
Python 进阶Python 进阶:OOP、异常处理、文件操作、装饰器3-5 天
AI 核心基础AI 核心基础:requests、环境变量、封装 AI 客户端2-3 天
AI 应用实战AI 应用实战:OpenAI SDK、LangChain、RAG5-7 天

环境配置

第一步:安装依赖包

bash
# 核心依赖(必装)
pip install openai requests python-dotenv

# AI 应用框架(第四章需要)
pip install langchain langchain-openai langchain-community

# 向量数据库(RAG 需要)
pip install chromadb

# 精确 Token 计算(可选)
pip install tiktoken

# 数据处理(可选,进阶使用)
pip install pandas numpy

第二步:配置 API Key

在项目根目录创建 .env 文件:

OPENAI_API_KEY=sk-你的实际APIKey
OPENAI_BASE_URL=https://api.openai.com/v1
MODEL_NAME=gpt-4o-mini

⚠️ 如果在国内,推荐使用以下平替(更便宜):

这些都兼容 OpenAI 接口,只需修改 OPENAI_BASE_URLOPENAI_API_KEY


学习路线图

Week 1:Python 基础
  Day 1-2: 变量、数据类型(int/str/list/dict)
  Day 3-4: 控制流(if/for/while)
  Day 5-6: 函数(def、参数、返回值、lambda)
  Day 7:   综合练习(完成文末练习题)

Week 2:Python 进阶
  Day 1-2: 面向对象(class、__init__、继承)
  Day 3:   异常处理(try/except/finally)
  Day 4-5: 文件与 JSON 操作
  Day 6-7: 装饰器、常用标准库(re/datetime/collections)

Week 3:AI 基础对接
  Day 1-2: requests 库,理解 HTTP 请求/响应
  Day 3:   环境变量配置,安全管理 API Key
  Day 4-5: 手写 AI 客户端,理解 API 调用全流程
  Day 6-7: 多轮对话实现,对话历史管理

Week 4-5:AI 应用开发
  Day 1-2: OpenAI 官方 SDK 基础用法
  Day 3:   流式输出(stream=True)实现打字机效果
  Day 4-5: Function Calling,让 AI 调用外部工具
  Day 6-7: LangChain 框架入门(Chain、Prompt Template)

Week 5-6:RAG 与实战
  Day 1-2: Embedding 理解,余弦相似度计算
  Day 3-4: ChromaDB 向量数据库使用
  Day 5-6: 完整 RAG 系统构建
  Day 7:   综合项目:个人知识库问答机器人

项目实战建议

完成基础学习后,建议做以下项目加深理解:

初级项目

  1. 命令行聊天机器人 - 支持多轮对话,保存历史记录
  2. 文章摘要工具 - 输入长文章,输出结构化摘要
  3. 代码解释器 - 输入代码片段,解释每行含义

中级项目

  1. 个人知识库问答 - 上传文档,基于文档内容问答(RAG)
  2. AI 写作助手 - 支持不同风格、字数、格式的文章生成
  3. 智能翻译工具 - 支持多语言互译,保持专业术语

高级项目

  1. AI Agent - 能自主搜索网络、执行代码、完成复杂任务
  2. 多模态应用 - 图片描述、图文问答(使用 GPT-4V)
  3. 本地知识库系统 - 完整的 Web 界面 + RAG 后端

常用资源


学习建议

  1. 动手优先 - 每个代码示例都要实际运行,光看不够
  2. 修改实验 - 改变参数值、变量名,观察效果变化
  3. 遇错不慌 - 报错信息是最好的老师,仔细阅读
  4. 及时实践 - 学完一章就做章末练习题,巩固记忆
  5. 真实项目 - 尽快找一个你实际需要的小项目来做

祝学习顺利!有问题随时提问。🚀

基于 VitePress 构建