Python 入门与环境搭建

# 安装完 Anaconda 后，用 conda 创建 AI 专用环境
conda create -n ai_dev python=3.11

# 激活这个环境（每次开始工作前都要激活）
conda activate ai_dev

# 安装 AI 开发常用库
pip install numpy pandas matplotlib scikit-learn torch openai

# 查看已安装的库
pip list

# 退出环境
conda deactivate

# 安装 Jupyter
pip install jupyter

# 在当前目录启动
jupyter notebook

# 或使用更现代的 JupyterLab
pip install jupyterlab
jupyter lab

# 安装一个包
pip install numpy

# 安装指定版本
pip install numpy==1.24.0

# 安装多个包
pip install numpy pandas matplotlib

# 更新包
pip install --upgrade numpy

# 卸载包
pip uninstall numpy

# 导出当前项目的所有依赖（用于分享项目）
pip freeze > requirements.txt

# 根据 requirements.txt 安装所有依赖
pip install -r requirements.txt

# Python 注释用井号 # 开头
# 注释不会被执行，用来解释代码

# print() 是内置函数，把内容输出到屏幕
print("Hello, Python AI World!")

# 变量不需要声明类型
name = "Claude"        # 字符串
version = 3.11         # 浮点数
is_ai_friendly = True  # 布尔值

# f-string：格式化字符串，用 {} 嵌入变量
print(f"Python {version} 是 AI 开发的利器")
print(f"适合 AI？{is_ai_friendly}")

# 简单的列表
ai_libraries = ["NumPy", "PyTorch", "scikit-learn"]
print(f"常用 AI 库: {ai_libraries}")

# 列表长度
print(f"共有 {len(ai_libraries)} 个库")

Hello, Python AI World!
Python 3.11 是 AI 开发的利器
适合 AI？True
常用 AI 库: ['NumPy', 'PyTorch', 'scikit-learn']
共有 3 个库

# 安装：pip install openai
from openai import OpenAI

# 创建客户端（API Key 从环境变量读取）
client = OpenAI()

# 调用 GPT-4o 模型
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "user", "content": "用一句话解释什么是人工智能"}
    ]
)

# 提取返回的文本
answer = response.choices[0].message.content
print(f"AI 回答：{answer}")

# 就这么几行，你已经在调用 AI 了！

# 安装 uv（macOS / Linux）
curl -LsSf https://astral.sh/uv/install.sh | sh

# 安装 uv（Windows PowerShell）
# powershell -c "irm https://astral.sh/uv/install.ps1 | iex"

# 创建虚拟环境并指定 Python 版本
uv venv --python 3.13

# 激活虚拟环境（和 venv 一样）
source .venv/bin/activate   # macOS/Linux
# .venv\Scripts\activate    # Windows

# 安装包（比 pip 快 10-100 倍）
uv pip install numpy pandas torch

# 从 requirements.txt 安装
uv pip install -r requirements.txt

# 生成锁定文件（更精确的依赖记录）
uv pip compile requirements.txt -o requirements.lock

# 运行脚本（自动创建隔离环境）
uv run train.py

# 查看安装速度对比
# pip install torch    → 约 45 秒
# uv pip install torch → 约 3 秒（有缓存时更快）

# Python 3.12+ 新类型别名语法（PEP 695）
# 旧写法（3.11 及之前）：
from typing import TypeAlias
Vector: TypeAlias = list[float]

# 新写法（3.12+）：更简洁
type Vector = list[float]
type Matrix[T] = list[list[T]]  # 泛型类型别名

# 泛型函数的新语法
# 旧写法：
from typing import TypeVar
T = TypeVar('T')
def first_old(lst: list[T]) -> T:
    return lst[0]

# 新写法（3.12+）：
def first[T](lst: list[T]) -> T:
    return lst[0]

# AI 场景：给训练函数添加类型提示
from typing import Callable
type LossFunction = Callable[[list[float], list[float]], float]

def train(data: Matrix[float], loss_fn: LossFunction) -> float:
    """类型提示让函数签名自文档化"""
    # ...训练逻辑
    return 0.0