过境笔记

主题

Python × AI Agent 15 天学习计划 ​

配套的详细课程施工说明见：Python × DeepSeek Agent 实战课程设计。它定义了连续项目、DeepSeek 接入节点、15 章内容结构和交给内容生成模型的执行指令。

这份计划的目标不是系统学完整门 Python，而是尽快获得阅读、运行和修改 LangChain、LangGraph 示例的能力。

已有前端开发基础，所以不再花大量时间重复变量、流程控制等通用编程概念。学习方式以“看懂差异、亲手运行、立即用进 Agent”为主。

学完后要做到什么 ​

15 个学习日结束后，至少能够：

  • 看懂常见 Python 项目的目录、依赖和启动方式
  • 独立创建虚拟环境并安装依赖
  • 调用模型 API，处理消息、JSON 和环境变量
  • 理解 LangChain 中的模型、Prompt、Tool 和结构化输出
  • 理解 LangGraph 的 State、Node、Edge、条件分支和 Checkpoint
  • 修改教程示例，并做出一个带工具和状态的小型 Agent

学习节奏 ​

  • 周期：3 周，共 15 个工作日
  • 每天：45～60 分钟
  • 时间：尽量安排在工作日白天；晚上不补高强度课程
  • 固定闭环：看一个概念 → 手敲一个例子 → 留一句学习记录
  • 卡住时按需补 Python，不回头刷几百集完整基础课

React 继续保留原来的工作技能线；Python 直接并入 AI Agent 学习线，不再新增一条互相争抢精力的长期任务。

第一周：Python 生存基础 ​

Day 1：环境与基本语法 ​

学习内容：

  • 安装并确认 Python 版本
  • 运行 .py 文件
  • 变量、数字、字符串、布尔值
  • print()、f-string

当天产出：写一个脚本，输入名字和今天的学习主题，再打印一句学习记录。

Day 2：常用数据结构 ​

学习内容：

  • list、dict、tuple、set
  • 下标、切片、增删改查
  • 遍历列表和字典

当天产出：用字典保存一条 Agent 消息，并打印角色、内容和时间。

Day 3：判断与循环 ​

学习内容：

  • if / elif / else
  • for、while
  • 列表推导式只学会看懂常见写法

当天产出：根据问题中的关键词，把它分类为“查资料”“执行任务”或“普通聊天”。

Day 4：函数 ​

学习内容：

  • 定义和调用函数
  • 位置参数、关键字参数、默认值
  • 返回值
  • 作用域只理解常见情况

当天产出：把 Day 3 的分类逻辑封装成函数。

Day 5：模块、依赖与虚拟环境 ​

学习内容：

  • import
  • pip
  • venv
  • requirements.txt 或 pyproject.toml 的作用

当天产出：创建一个干净项目，安装一个第三方包并成功调用。

第一周验收：独立写出一个命令行小脚本，读取问题、完成简单分类并输出结果。

第二周：Agent 开发常用能力 ​

Day 6：文件、路径与 JSON ​

学习内容：

  • pathlib
  • 文本文件读写
  • json.load()、json.dump()
  • UTF-8 编码

当天产出：把命令行对话保存到 JSON 文件，再重新读取。

Day 7：HTTP 请求与环境变量 ​

学习内容：

  • 请求方法、请求头、状态码
  • 使用 httpx 或 requests
  • 使用 .env 管理 API Key
  • 不把密钥写进代码和 Git

当天产出：调用一个简单 HTTP API，并打印整理后的结果。

Day 8：类与对象 ​

学习内容：

  • class、实例、属性、方法
  • __init__
  • 继承只要求能读懂，不做复杂设计

当天产出：定义一个简单的 AgentState 或 Tool 类。

Day 9：类型标注与 Pydantic ​

学习内容：

  • str、list[str]、dict[str, Any]
  • 函数参数和返回值标注
  • TypedDict 的用途
  • Pydantic 模型和数据校验

当天产出：定义一个结构化任务模型，包含标题、优先级和是否完成。

Day 10：异常、日志与异步 ​

学习内容：

  • try / except / finally
  • 基础日志
  • async / await 的基本含义
  • 什么时候需要异步，不深入事件循环原理

当天产出：给 API 调用加上超时、错误提示和一次日志记录。

第二周验收：完成一个能调用模型 API、接收问题并把对话保存到 JSON 的命令行助手。

第三周：LangChain 与 LangGraph ​

Day 11：模型与消息 ​

学习内容：

  • 安装 LangChain 相关依赖
  • Chat Model 的调用方式
  • System、Human、AI 消息结构
  • 同步调用与流式输出

当天产出：完成一个最小模型调用，并打印回复。

Day 12：Prompt 与结构化输出 ​

学习内容：

  • Prompt Template
  • 输入变量
  • Structured Output
  • 用 Pydantic 约束模型输出

当天产出：让模型把一段需求整理成固定任务结构。

Day 13：Tool Calling ​

学习内容：

  • 什么是工具调用
  • 工具参数 Schema
  • 模型决定调用工具，程序负责真正执行
  • 工具失败时如何返回清楚的结果

当天产出：实现一个日期、计算器或本地查询工具，并让模型调用它。

Day 14：LangGraph 核心结构 ​

学习内容：

  • State
  • Node
  • Edge
  • Start 与 End
  • 状态如何在节点之间传递

当天产出：做一个“接收问题 → 分类 → 生成回答”的最小图。

Day 15：条件路由与状态保存 ​

学习内容：

  • Conditional Edge
  • 循环与终止条件
  • Checkpoint
  • Thread ID 与多轮状态

当天产出：让图根据问题类型决定直接回答还是调用工具，并能延续同一线程的状态。

第三周验收：完成一个能聊天、调用至少一个工具、保存状态，并根据执行结果决定下一步的小型 Agent。

最终小项目 ​

项目暂定为“个人学习助理”，只做以下闭环：

  1. 用户输入一个学习问题或任务。
  2. Agent 判断是直接回答、查询资料还是记录任务。
  3. 需要时调用一个真实工具。
  4. 把任务或对话状态保存下来。
  5. 根据工具结果生成最终回复。

第一版只做命令行，不急着做网页界面。核心链路跑通后，再考虑接入现有微信 Agent 项目。

每日学习记录模板 ​

每天结束只记三行：

text
今天跑通：
现在能解释：
明天先做：

如果当天很忙，最低标准是亲手运行一段代码，并留下“一句今天确认了什么”。不要靠周末集中补课制造虚假的进度感。

暂时不学 ​

前三周先不展开：

  • Python 桌面 GUI
  • 爬虫体系
  • 数据分析与机器学习算法
  • 元类、描述符等高级语言机制
  • 复杂 Web 框架
  • 为刷题而刷题的数据结构与算法

这些内容不是没用，只是现在不会直接帮助我们读懂和改造 Agent 示例。