# AI驱动的python编程实战-配套代码

**Repository Path**: xueshanlinghu/AI-Driven-Python-Programming-Code

## Basic Information

- **Project Name**: AI驱动的python编程实战-配套代码
- **Description**: 《AI驱动的python编程实战》视频课配套代码
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-05-28
- **Last Updated**: 2025-05-28

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# AI 驱动的 Python 编程实战：从零基础到智能应用开发

## 课程讲师

### 雪山凌狐

## 课程目录

### 第 1 章 Python 基础语法与数据类型：用 Trae 搭建你的 AI 编程起点

- 1.1 Python 简介：迈出智能编程第一步
- 1.2 Python 的安装：为 AI 开发打好本地基础
- 1.3 安装 Trace：构建高效编程工作台
- 1.4 AI 编程 vs 传统编程：范式跃迁的本质区别
- 1.5 Jupyter Notebook 与 AI 实验室：打造交互式智能工作流

### 第 2 章 变量、输入输出与运算符：掌握 AI 任务的数据基本单元

- 2.1 变量与数据类型：整数、浮点数、字符串、布尔值全掌握
- 2.2 动态类型机制：支撑 AI 函数输入输出的核心特性
- 2.3 基本输入输出：打造智能交互式 AI 脚本
- 2.4 注释与代码风格：AI 协作时代的代码可读性提升法
- 2.5 基本运算符与表达式：构建 AI 逻辑链条的第一块积木

### 第 3 章 函数与模块：打造可复用的智能函数单元

- 3.1 函数定义与调用：实现 AI 流程模块化
- 3.2 AI API 调用规范设计：函数式封装大模型接口
- 3.3 参数传递与返回值：构建清晰的 Prompt 逻辑结构
- 3.4 内置函数与标准库：Python 原生能力服务 AI 场景
- 3.5 模块导入与组织：打造结构化的 AI 开发架构
- 3.6 类型提示与函数注解：确保上下游参数传递符合规范
- 3.7 构建 AI 助手：模块化接入大模型实现对话系统

### 第 4 章 条件与循环：实现 AI 流程中的自动决策

- 4.1 条件语句：智能判断与逻辑分支
- 4.2 结构模式匹配：match-case 带来的新体验
- 4.3 循环结构：自动化 AI 批处理核心机制
- 4.4 控制流语句：精准调度任务运行状态
- 4.5 实战项目：基于 DeepSeek 的智能语义计算器开发

### 第 5 章 数据结构：构建 AI 算法的底层容器

- 5.1 列表（List）：处理模型返回结果的万能容器
- 5.2 AI 数据处理实战：自动清洗 CSV 训练数据
- 5.3 元组（Tuple）：管理 AI 流程中不可变参数
- 5.4 字典（Dict）：构建大模型 API 的配置映射
- 5.5 AI 变量管理：大模型参数的可追溯存储方式
- 5.6 集合（Set）：实现结果去重与交并差运算
- 5.7 数据容器的对比：选择最恰当的容器
- 5.8 综合案例：打造 AI 会议纪要结构化工具

### 第 6 章 文件 I/O 与路径管理：搭建 AI 数据读写中枢

- 6.1 文件读取与写入：构建大模型输入输出通道
- 6.2 上下文管理器：高效稳定处理文件资源
- 6.3 文件路径操作：跨平台 AI 项目结构管理
- 6.4 文件读写模式：选择合适的数据存取方式
- 6.5 综合案例：智能简历解析器项目开发

### 第 7 章 异常处理：构建健壮的 AI 应用系统

- 7.1 常见异常类型：识别 AI 运行中潜在风险
- 7.2 异常处理机制：保障模型调用流程不中断
- 7.3 自定义异常：打造 AI 开发专属错误提示体系
- 7.4 综合练习：用户输入 + 文件操作容错处理
- 7.5 综合案例：API 调用限流 + 智能熔断机制实现

### 第 8 章 标准库与 AI 增强工具集：Python 原生能力拓展

- 8.1 math 模块：模型计算与数学底层逻辑
- 8.2 datetime 模块：AI 时间轴与数据标注同步
- 8.3 random 模块：解决你的选择困难症
- 8.4 re 模块：构建数据预处理正则系统
- 8.5 API 实战：AI 绘图提示词 & 文生图 智能生成体验

### 第 9 章 面向对象编程（OOP）基础：AI 模型结构抽象核心

- 9.1 类与对象：构建智能系统的数据蓝图
- 9.2 构造函数与 self：定义大模型组件初始化流程
- 9.3 属性与方法：搭建模块化 AI 功能组合
- 9.4 继承与多态：实现 AI 系统的可扩展性
- 9.5 综合练习：AI 组件的 OOP 程序设计

### 第 10 章 面向对象进阶：构建大型 AI 系统模块化能力

- 10.1 封装与私有属性：保护 AI 核心数据逻辑
- 10.2 高阶继承与多态机制：构建多模型协同体系
- 10.3 str 与 repr 方法：优化 AI 日志与调试信息
- 10.4 静态方法与类方法：封装高复用 AI 工具函数
- 10.5 实战：封装 HuggingFace 模型加载器为静态方法
- 10.6 本地 AI 服务模块化开发：打造轻量型 AI 框架
- 10.7 综合练习：设计复杂的多角色 AI 系统类结构

### 第 11 章 数据库与 AI 数据管理：存储你的智能知识体系

- 11.1 数据库基础：AI 知识的结构化存储底座
- 11.2 CRUD 操作：构建可迭代训练数据平台
- 11.3 向量数据库入门：支持大模型的记忆能力
- 11.4 实战：Milvus 向量数据库操作实现
- 11.5 综合案例：构建智能问答知识库系统

### 第 12 章 智能客服系统实战：LLM + LlamaIndex 构建行业应用

- 12.1 项目全景图与核心组件介绍
- 12.2 环境搭建与 LlamaIndex 初识
- 12.3 接入大模型能力：大语言模型+向量化模型
- 12.4 出口提供者：查询引擎和路由引擎
- 12.5 完整客服系统封装实战
- 12.6 UI 界面生成与提供服务

### 第 13 章 热门视频搜索推荐实战：编写自己的 MCP，让 AI 自己干活

- 13.1 MCP 协议基础与核心概念
- 13.2 体验 MCP：地图导航规划行程
- 13.3 效率提升：将 python 的包管理交给 uv
- 13.4 自己编写一个 MCP 服务：使用 FastMCP 构建视频搜索服务
- 13.5 自己编写一个 MCP 服务：配置和调用