#Python

AI 时代如何重新学习 Python

Brandonxiang · FEB 14, 2025

大前端人都在学 rust，我却学习 python。因为 AI 时代，Python 成为了很多工具的首选语言，它能够帮助大家快速的建立 AI 应用，“人生苦短，我用 Python”，这一句话的含金量在 AI 时代再一次焕发生命。所以为何我们不从前端 JavaScript 的视角，来重新学习一下 Python？

一、包管理

提到 Python 的包管理，大家都会想到 pip。但是它已经跟不上时代的变迁。 uv 是更高效的包管理工具，并具备项目管理的功能，是利用 rust 所写的。它可以用于替代pip, pip-tools, pipx, poetry, pyenv, twine, virtualenv。

现已成为关键一环，很多 ai 工具都优先使用它进行管理，所以它成为了 Python 必要开发工具，有了它，Python重新找回新的活力。基本使用非常简单，有些类似 npm，如下：

# 初始化项目
$ uv init example
Initialized project `example` at `/home/user/example`

$ cd example

# 添加依赖
$ uv add ruff
Creating virtual environment at: .venv
Resolved 2 packages in 170ms
   Built example @ file:///home/user/example
Prepared 2 packages in 627ms
Installed 2 packages in 1ms
 + example==0.1.0 (from file:///home/user/example)
 + ruff==0.5.0

# 执行命令
$ uv run ruff check
All checks passed!

$ uv lock
Resolved 2 packages in 0.33ms

# 同步安装依赖
$ uv sync
Resolved 2 packages in 0.70ms
Audited 1 package in 0.02ms

它还可以用作项目管理，Python 虚拟环境等控制，等同于 nodejs 里面的 nvm。例如管理全局的 Python 版本，你肯定拥有多个 Python。例如在项目中指定使用 3.11 python 版本。

# 参考所有Python 版本
uv python list

# 安装Python 3.12
uv python install 3.12

# 固定版本到当前项目
uv python pin 3.12

# 设置Python环境
uv venv --python 3.11

# 激活虚拟环境
source .venv/bin/activate

#虚拟环境中全局安装
uv pip install browser-use

二、类型定义

作为一门动态类型语言，Python 的灵活性备受开发者喜爱。然而，这种灵活性也带来了一定的风险，特别是在大型项目中，类型错误很难在开发阶段被发现，容易导致运行时异常。为了对抗这个问题，Python 3.5 引入了类型提示（Type Hints），并逐渐发展出强大的类型定义系统。本文将深入探讨 Python 类型定义，探讨其核心概念、实际应用以及未来发展趋势。

2.1 为什么需要类型定义？

在深入了解类型定义之前，我们需要明确其带来的价值：

提高代码可读性: 类型提示可以清晰地表达变量、函数参数和返回值的预期类型，更容易理解代码意图。
静态分析: 类型提示允许使用静态类型检查工具（如 mypy、pyright）在不运行代码的情况下发现潜在的类型错误，降低 bug 的风险。
代码自动补全和重构: 集成开发环境 (IDE) 可以利用类型信息提供更准确的代码自动补全和更安全的重构功能。
提升代码可维护性: 清晰的类型信息有助于团队协作，更容易理解和修改代码。

2.2 Python 类型提示的基础

Python 类型提示使用冒号 : 标注变量类型，使用 -> 标注函数返回值类型。

# 变量类型提示
name: str = "Alice"
age: int = 30
is_active: bool = True
data: list[int] = [1, 2, 3]  # Python 3.9+ 支持 list[int]
data_old: List[int] = [1, 2, 3] # Python 3.5 - 3.8 使用 typing 模块

# 函数类型提示
def greet(name: str) -> str:
    return f"Hello, {name}!"
def process_data(data: list[int]) -> int:
    return sum(data)

2.3 typing 模块：类型提示的基础设施

Python 3.5 引入了 typing 模块，用于为动态类型语言提供静态类型检查的支持。typing 模块定义了一系列类型提示工具：

List, Tuple, Dict, Set: 用于指定集合类型的元素类型。例如 List[str] 表示字符串列表。注意：Python 3.9 之后，可以直接使用 list[str] 等内置类型。
Optional[T]: 表示一个变量可能为 T 类型，也可能为 None。相当于 Union[T, None]。
Union[T1, T2, ...]: 表示一个变量可以是多种类型之一。
Any: 表示任何类型，禁用类型检查。应尽量避免使用，因为它失去了类型检查的好处。
TypeVar: 用于定义泛型类型变量。
Callable[[Arg1, Arg2], ReturnType]: 用于表示可调用类型，例如函数。

三、语法检查

ruff 是一个高性能的 Python 代码检查器，旨在替代 flake8, pylint 以及其他类似的工具，它和 uv 是同一个团队开发的工具。它速度极快，配置简单，并且提供了广泛的代码质量和风格检查。它的核心是用 Rust 编写的，它比 flake8 快 10-100 倍，比 pylint 快 20-30 倍！这意味着更快的反馈循环和更高效的开发体验，具有以下特点：

易用性: 配置非常简单，通常只需要运行一个命令即可开始使用。预设规则覆盖了广泛的常见问题。
可靠性: ruff 旨在提供准确的诊断，减少误报和漏报。
统一化: ruff 可以替代多个工具，简化了开发流程。

配置主要通过 ruff.toml 文件进行。可以将该文件放在项目根目录或用户主目录，检查整个项目:

ruff check .

ruff 会输出发现的所有问题，包括错误类型、文件名和行号

四、协程

4.1 定义与执行协程

import asyncio

async def main():
  print("Start")
  await asyncio.sleep(1)# 非阻塞等待
  print("End")
  asyncio.run(main())# 运行主协程

4.2 并发执行任务

使用 asyncio.gather() 或 create_task() 实现并发：

async def task_one():
  await asyncio.sleep(2)
  return "Task 1 Done"

async def task_two():
  await asyncio.sleep(1)
  return "Task 2 Done"

async def main():
# 并发执行并获取结果
  results = await asyncio.gather(task_one(), task_two())
  print(results)# ['Task 1 Done', 'Task 2 Done']
  asyncio.run(main())

4.3 错误处理

async def risky_task():
  raise ValueError("Oops!")

async def main():
  try:
    await risky_task()
    except ValueError as e:
    print(f"Caught error: {e}")

五、总结

通过前面的内容，我们从 JavaScript 开发者的视角重新认识了 Python 在 AI 时代的重要性和新特性：

**包管理现代化：**使用 uv 作为包管理工具，提供了类似 npm 的使用体验，极大提升了开发效率。
**类型系统完善：**Python 的类型提示系统不断进化，为大型项目提供了更好的代码可维护性和开发体验，类似 typescript。
**高效代码检查：**ruff 工具带来了超快的代码检查能力，统一了多个工具的功能。
**异步编程支持：**通过协程实现高效的异步编程，满足现代应用开发需求。

这些特性使 Python 在 AI 时代焕发新生，成为开发者构建 AI 应用的得力助手。对于前端开发者来说，了解这些特性可以更好地在 AI 项目中应用 Python。