"我想学 Python 来做 AI 应用，但不知道从哪里开始。"

这是 2026 年最常见的学习需求之一。好消息是：你不需要成为 Python 专家，只需要学够用的部分。

一、学习路径规划

目标：30 天后能独立开发一个完整的 AI 应用（调用 OpenAI/Claude API，有用户界面，能处理真实任务）

每天投入：1-2 小时

阶段时间内容

基础 Python第 1-7 天变量、函数、列表、字典、循环 调用 API第 8-14 天HTTP 请求、OpenAI SDK、处理响应 构建应用第 15-21 天文件操作、数据处理、Streamlit UI 完整项目第 22-30 天一个完整的 AI 应用从零到能用

二、必学的 Python 基础（只学这些）

2.1 变量和数据类型

python
字符串（最重要，AI 应用全是文字处理）
name = "张三"
prompt = f"你好，{name}，请帮我..."
数字
max_tokens = 2000
temperature = 0.7
列表（对话历史）
messages = [
    {"role": "user", "content": "你好"},
    {"role": "assistant", "content": "你好！"}
]
字典（API 参数、配置）
config = {
    "model": "gpt-4o",
    "max_tokens": 1000,
    "temperature": 0.7
}

2.2 函数（封装常用逻辑）

python
def call_ai(user_message, system_prompt="你是一个助手"):
    """调用 AI API 并返回回复"""
    messages = [
        {"role": "system", "content": system_prompt},
        {"role": "user", "content": user_message}
    ]
    response = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=messages
    )
    return response.choices[0].message.content

2.3 循环（批量处理）

python
批量处理一组问题
questions = ["什么是RAG？", "什么是微调？", "什么是Embedding？"]
answers = []
for question in questions:
    answer = call_ai(question)
    answers.append({"q": question, "a": answer})
    print(f"✅ {question[:20]}...")

2.4 文件操作（读写数据）

python
读取文本文件（比如你要让 AI 分析的文档）
with open("document.txt", "r", encoding="utf-8") as f:
    content = f.read()
保存 AI 的输出
with open("output.txt", "w", encoding="utf-8") as f:
    f.write(ai_response)
读写 JSON（存储对话历史等）
import json
data = {"messages": messages}
with open("chat_history.json", "w") as f:
    json.dump(data, f, ensure_ascii=False, indent=2)

三、调用 OpenAI API

安装和配置

bash
pip install openai python-dotenv

创建 .env 文件（存放密钥，不要提交到 git）：

OPENAI_API_KEY=sk-...

基础调用

python
from openai import OpenAI
from dotenv import load_dotenv
import os
load_dotenv()
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))
def chat(user_input, history=[]):
    """支持多轮对话的函数"""
    messages = history + [{"role": "user", "content": user_input}]
    
    response = client.chat.completions.create(
        model="gpt-4o-mini",  # 便宜版，学习用
        messages=messages,
        temperature=0.7
    )
    
    assistant_reply = response.choices[0].message.content
    history.append({"role": "user", "content": user_input})
    history.append({"role": "assistant", "content": assistant_reply})
    
    return assistant_reply, history
使用
reply, history = chat("Python 中的列表和元组有什么区别？")
print(reply)
reply, history = chat("能举个例子吗？", history)
print(reply)

四、用 Streamlit 做界面（最简单的 UI 方案）

bash
pip install streamlit

python
app.py
import streamlit as st
from openai import OpenAI
import os
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))
st.title("我的 AI 助手")
初始化对话历史
if "messages" not in st.session_state:
    st.session_state.messages = []
显示历史消息
for message in st.session_state.messages:
    with st.chat_message(message["role"]):
        st.markdown(message["content"])
接收用户输入
if prompt := st.chat_input("输入你的问题..."):
    st.session_state.messages.append({"role": "user", "content": prompt})
    with st.chat_message("user"):
        st.markdown(prompt)
    
    # 调用 AI
    response = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=st.session_state.messages
    )
    reply = response.choices[0].message.content
    
    st.session_state.messages.append({"role": "assistant", "content": reply})
    with st.chat_message("assistant"):
        st.markdown(reply)

运行：streamlit run app.py

20 行代码，一个完整的 AI 聊天界面。

五、30 天项目建议

Week 4 的完整项目选题（选一个）：

文档问答助手：上传 PDF，能回答关于文档内容的问题

邮件智能助手：粘贴一封邮件，AI 帮你生成专业回复

代码解释器：粘贴代码，AI 解释每行在做什么

写作润色工具：输入文章，AI 给出多个改进版本

六、推荐学习资源

基础 Python：

Python 官方教程（docs.python.org）

CS50P（哈佛免费课程，英文但有字幕）

AI 开发：

OpenAI 官方 Cookbook（cookbook.openai.com）

Anthropic 官方教程（docs.anthropic.com）

动手练习：

每天用 AI 帮你检查学到的代码有没有问题

把每个学到的知识点立刻用在 AI 应用里

---

延伸阅读

Vercel AI SDK 实战教程

AI Agent 提示词工程实战

LangChain vs LangGraph 实战指南