学习 Python第一步并不是背语法而是理解计算机如何执行程序并搭建一套稳定、可复现的开发环境。本篇笔记复盘程序执行、AI 编程工具的局限以及 Conda、虚拟环境和 JupyterLab 的基本用法。一、程序是怎样执行的计算机不会猜测人的意图只会按照明确的指令执行操作。理解程序可以从三个要素入手存储把程序和数据保存在内存或磁盘中指令告诉计算机要完成什么操作顺序规定各条指令执行的先后关系。name 学员 print(你好 name)运行时Python 先把字符串保存起来并用变量名name指向它随后读取name完成字符串拼接并输出结果。如果在赋值前使用变量就会出现NameErrorprint(score) score 90因此看到变量相关报错时首先应向上检查变量是否已经定义。初学阶段还要特别注意中英文符号混用例如中文括号不能替代英文括号()。二、Python 在技术栈中的位置Python 并不是所有场景下性能最强的语言但它语法简洁、生态完善常用于自动化脚本、数据分析、人工智能和快速原型开发。例如批量重命名文件、分析 CSV 数据通常适合使用 Python操作系统内核、追求极致性能的游戏引擎则更常使用 C、C 或 Rust浏览器交互主要由 JavaScript 完成。AI 时代学习 Python 的价值也没有降低。生成式工具可以快速提供代码草稿但需求澄清、结果判断、异常处理和最终验收仍要由人负责。学习 Python 的目标不只是“手写每一行代码”更是能够看懂、修改并验证工具生成的程序。三、AI 生成代码的四类常见问题工具生成的代码“看起来合理”并不代表可以直接交付常见问题包括幻觉 API调用不存在的函数、参数或软件接口忽略边界没有处理空值、零除、文件不存在等情况逻辑错误代码能够运行但结果与需求不符难以维护变量命名随意、缺少说明后续修改困难。例如下面的函数对纯数字列表有效但遇到None或字符串时会报错def count_positive(values): return len([x for x in values if x 0])在使用前需要明确输入是否只能包含数字空列表怎样处理非法元素应该报错还是跳过一个实用原则是工具负责提速人负责正确。四、把模糊需求变成可验收规格“写一个计算平均分的程序”还不是完整需求。真正动手前应明确输入是什么类型是否允许空列表输出是整数还是浮点数保留几位小数遇到字符串、None等非法数据时怎样处理哪些正常值、边界值和异常值必须通过测试。assert calculate_average([80, 90, 100]) 90 assert calculate_average([59.5, 60]) 59.75验收代码时可以依次使用正常输入、边界输入和异常输入将实际结果与预期结果比较。发现差异后根据报错类型和行号定位问题修改后重新运行全部用例避免修复一个问题又引入新的错误。五、选择合适的 Python 环境常见学习环境有三类Windows 本地、macOS 本地和云端 Notebook。本地环境性能稳定、文件管理方便适合长期学习云端环境不需要安装软件适合设备受限或临时练习但依赖网络也要注意文件持久化和数据安全。本地学习可以使用 Anaconda 或更轻量的 Miniconda。安装后建议通过Anaconda Prompt或初始化完成的终端使用 Conda不必为了省一步操作而随意把多个 Python 路径全部加入系统 PATH以免不同版本互相冲突。先验证conda --version python --version六、虚拟环境与 JupyterLab不同项目可能依赖不同版本的软件包。若全部安装到全局环境更新一个项目的依赖可能导致另一个项目无法运行。因此应养成“一门课程或一个项目对应一个独立环境”的习惯。# 创建 Python 3.10 环境 conda create -n psit-alpha python3.10 -y # 激活环境 conda activate psit-alpha # 安装 JupyterLab 和内核组件 conda install jupyterlab ipykernel -y # 将环境注册为 Jupyter 内核 python -m ipykernel install --user \ --name psit-alpha \ --display-name Python (psit-alpha) # 启动 JupyterLab jupyter lab进入 JupyterLab 后新建 Notebook选择刚注册的内核并运行import sys print(Jupyter 已就绪) print(sys.executable)sys.executable可以显示当前内核实际使用的 Python 路径是排查“终端安装了库但 Notebook 无法导入”的重要依据。常用快捷键包括Shift Enter运行并进入下一单元格Ctrl Enter只运行当前单元格命令模式下按A、B分别在上方、下方插入单元格。七、常见故障排查遇到问题时不要反复重装应先读取完整报错并检查命令来源现象排查方向找不到conda命令使用 Anaconda Prompt检查 Conda 是否安装、终端是否初始化python指向错误位置Windows 使用Get-Command python其他终端使用which pythonNotebook 无法导入已安装的库检查 Jupyter 内核与安装依赖的环境是否一致旧项目与新项目依赖冲突分别创建虚拟环境不要混用全局环境Jupyter 页面没有自动打开复制终端输出的本地 URL 到浏览器八、环境验收清单环境搭建完成后至少确认以下五点conda --version能输出版本号jupyter lab可以正常启动Notebook 能运行print(OK)右上角显示的内核与创建的环境一致sys.executable指向该虚拟环境中的 Python。仅仅“安装完成”不等于环境可用能够重复启动、运行并确认解释器路径才算真正通过验收。总结Python 入门阶段最重要的不是记住多少命令而是形成正确的工作习惯理解程序按照存储、指令和顺序运行把模糊需求转化为可测试的规格对 AI 生成代码进行边界检查和结果验收通过虚拟环境隔离项目依赖最后用版本、内核、解释器路径和实际输出验证环境。当这些习惯建立起来后后续学习变量、容器、条件、循环和函数时遇到问题就不再只是“试着改代码”而是能够沿着执行顺序、数据状态和运行环境有依据地排查。