Python 开发总览：先建立正确的运行心智模型

# Python 开发总览：先建立正确的运行心智模型

本篇目标

从零理解 Python 代码怎样运行、项目环境怎样隔离，以及学习 Python 时真正要掌握的主线。学完后，你应该能够独立创建并运行一个干净的 Python 项目。

理解解释器创建虚拟环境运行模块看懂学习地图

# 先记住一句话

Python 是一门动态类型语言：代码由 Python 解释器执行，变量保存的是对象引用，项目依赖应放进独立的虚拟环境。

源代码 .py
  ↓ 交给 Python 解释器
编译为字节码
  ↓ 由 Python 虚拟机执行
创建对象、调用函数、产生结果

1
2
3
4
5

平时把 Python 称为 “解释型语言” 没问题，但它并不是逐字直接执行源码。以最常用的 CPython 为例，源码会先编译成字节码，再由解释器执行。

CPython 是什么

Python 是语言规范，CPython 是使用最广泛的官方实现。它主要用 C 编写，因此叫 CPython。除此之外还有 PyPy 等实现，但初学和多数生产项目默认使用 CPython。

# 为什么 AI 开发常用 Python

Python 的优势不是单次计算最快，而是 AI 生态完整、开发效率高，并且能够调用 C、C++ 和 CUDA 等高性能底层实现。

PyTorch、TensorFlow、Transformers、NumPy 和 Pandas 等常用工具都提供成熟的 Python 接口，研究代码和示例也多以 Python 为主；
Python 语法简洁，配合 Jupyter 可以快速处理数据、调整模型并查看实验结果；
真正耗时的矩阵运算通常由框架底层的 C、C++、CUDA 或 GPU 执行，Python 主要负责调用底层计算库，并编排数据处理、模型训练或推理以及应用接入流程；
训练完成后，还可以使用 FastAPI 等框架把模型接入 HTTP 服务、数据库和业务系统。

Python 调用底层计算库并编排 AI 流程
  → PyTorch 等框架
  → C++ / CUDA 计算核心
  → CPU / GPU 执行计算

1
2
3
4

因此，Python 可以同时兼顾开发效率和计算性能，但不代表整个 AI 系统都必须使用 Python。浏览器端可能使用 JavaScript，高吞吐服务或基础设施也可能使用 Go、Rust、Java 或 C++。

# 从零创建第一个项目

# 1. 确认解释器

# macOS 和 Linux 通常使用 python3，Windows 也可能使用 python。
python3 --version

1
2

不要依赖系统自带 Python 的具体版本。团队项目应在 README 或 pyproject.toml 中明确最低版本，并在 CI 中验证。

# 2. 创建并激活虚拟环境

# 创建项目目录并进入。
mkdir python-learning
cd python-learning

# 在当前项目中创建独立环境，第三方包会安装到 .venv 中。
python3 -m venv .venv

# macOS / Linux 激活方式。
source .venv/bin/activate

# Windows PowerShell 使用：.venv\Scripts\Activate.ps1

1
2
3
4
5
6
7
8
9
10
11

虚拟环境解决的是项目依赖隔离，不是操作系统级安全隔离。项目 A 可以使用某个库的 1.x，项目 B 使用 2.x，互不污染。

如果熟悉前端项目，可以把 pyproject.toml 大致理解为 Python 项目中的 package.json：两者都用于记录项目元数据、依赖和工具配置。

Node.js 项目	Python 项目	主要作用
`package.json`	`pyproject.toml`	记录项目名称、版本、依赖和工具配置
`node_modules/`	虚拟环境中的 `.venv/`	存放当前项目安装的第三方依赖
`package-lock.json`	`uv.lock`、`poetry.lock` 等	锁定依赖的具体版本
`npm install`	`pip install`、`uv sync` 等	安装项目依赖

两者并不完全相同：package.json 通常还通过 scripts 提供统一的项目命令入口；pyproject.toml 是 Python 的标准项目配置入口，但具体安装命令和锁文件取决于 pip、uv 或 Poetry 等工具。

# 3. 编写并运行程序

# 文件位置：main.py
def greet(name: str) -> str:
    # 函数第一行的三引号字符串是文档字符串，可被 help()、IDE 和文档工具读取。
    """根据输入姓名生成问候语。类型标注用于阅读和静态检查。"""
    return f"你好，{name}！"

# 只有直接运行 main.py 时才进入这里；被其他模块导入时不会自动执行。
if __name__ == "__main__":
    print(greet("Python"))

1
2
3
4
5
6
7
8
9

文档字符串（Docstring）通常写在模块、类或函数内部的第一行，用来说明用途、参数、返回值和异常。公共代码和需要生成接口文档的代码适合保留；只在局部使用的简单函数可以改用普通 # 注释。

# 直接执行脚本。
python3 main.py

1
2

__name__ 是 Python 自动提供的模块变量。直接运行文件时值为 "__main__"；导入文件时值通常是模块名。入口保护可以避免导入模块时意外执行启动逻辑。

# 脚本、模块、包和项目

名称	可以怎样理解	例子
脚本	被直接执行的 Python 文件	`python3 main.py`
模块	一个可被导入的 `.py` 文件	`import json`
包	组织多个模块的目录	`app/services/`
项目	源码、测试、依赖和配置的整体	一个 FastAPI 服务

同一个 .py 文件既可以被直接当作脚本运行，也可以作为模块被导入。真实项目更推荐从包入口启动，例如 python3 -m app，这样导入路径更稳定。

# Python 学习地图

语言基础

先掌握运行环境、对象与容器，再理解函数、模块和异常怎样组织程序。

Python 开发总览语法、对象与容器函数、模块与异常

抽象与运行机制

理解类型抽象、迭代协议、资源管理、对象生命周期和 GIL。

类、数据模型与类型标注迭代、生成器与上下文管理运行时、对象生命周期与 GIL

并发模型

分清协程、线程和进程的职责，并学会正确结束异步任务。

异步编程线程、多进程与 asyncio

工程与服务

把 Python 能力落到 Web 接口、数据库事务、测试和生产服务中。

工程化、测试与 FastAPI SQLAlchemy、事务与迁移 FastAPI 生产接口 pytest 与分层测试

项目实战

沿真实项目调用链串联入口、依赖、请求、事务、异常和任务生命周期。

完整项目阅读实战

学习时不要只背语法。遇到一段代码，持续问六个问题：程序从哪个入口运行？数据是什么对象？谁持有它的引用？依赖由谁创建？异常与事务由谁处理？任务怎样结束？

# 高频面试题与回答

1. Python 是解释型语言吗？参考答案

可以这样概括，但更准确地说，以 CPython 为例，源码通常先被编译成字节码，再由 Python 虚拟机执行。它和 Go 这类通常提前编译成本地可执行文件的语言，在发布方式和启动模型上不同。

2. 为什么项目要使用虚拟环境？参考答案

虚拟环境把不同项目的第三方依赖隔离开，避免版本互相覆盖。它只解决 Python 包和解释器环境问题，不等于容器，也不能替代权限隔离。

3. if __name__ == "__main__" 有什么作用？参考答案

文件被直接执行时，模块的 __name__ 是 "__main__"；被其他模块导入时则是它的模块名。这个判断用于隔离命令行入口或演示代码，避免导入模块时意外启动服务、读文件或执行其他副作用。

4. Python 导入一个模块时发生了什么？参考答案

解释器先查找并加载模块，然后执行它的顶层代码，创建模块对象并缓存到 sys.modules；同一进程后续通常直接复用缓存。正因为导入会执行顶层代码，连接数据库、启动线程等副作用应放进显式入口或生命周期函数。

5. 为什么 AI 开发经常使用 Python？参考答案

不是因为 Python 自己计算最快，而是因为它的 AI 生态完整、开发效率高。PyTorch、TensorFlow、Transformers、NumPy 等工具都提供成熟的 Python 接口，可以快速完成数据处理、模型实验和应用接入。真正耗时的矩阵计算通常由 C++、CUDA 和 GPU 执行，Python 主要负责调用底层计算库，并编排数据处理、模型训练或推理以及应用接入流程。生产系统也不必全部使用 Python，高吞吐服务和底层基础设施可以根据需要使用 Go、Rust、Java 或 C++。

# 接下来学什么

下一篇学习 Python 语法、对象与容器，重点不是记住所有写法，而是理解变量、对象和可变性。

首页

Choose mode