一、核心必学（入门就能写智能体基础逻辑）
这是 Python 的 “基本功”，也是 AI 智能体开发的底线，必须掌握：
- 基础语法：变量 / 数据类型（重点：字符串、列表、字典）、条件判断（
if-elif-else，避免多 if+else 的逻辑错误）、循环（for遍历 /while会话循环）； - 函数：定义 / 调用、默认参数、关键字参数、返回值（拆分智能体工具函数，如
get_weather()）； - 异常处理：
try-except捕获 API 调用 / 文件读取错误（保证智能体不崩溃）； - 文件 / 数据处理：读写 JSON/Markdown 文件（智能体配置、知识库存储）、
json模块使用。
二、进阶提升（让智能体代码更规范、高效）
掌握后能应对复杂智能体开发，符合工程化要求：
- 面向对象（OOP）：
class定义智能体类、__init__初始化属性（如模型名、对话历史）； - 模块与包：
import导入第三方库（LangChain/OpenAI）、自定义模块拆分代码； - 异步编程：
async/await并发调用多工具（如同时查天气 + 查日历）； - 类型注解：
List/Dict/Optional标注参数 / 返回值（提升代码可读性，适配 LangChain 等库）； - 常用技巧：列表推导式（快速处理对话记录）、装饰器（日志 / 性能统计）。
三、场景实战（AI 智能体专属用法）
结合实际开发场景的 “落地技能”，不用死记，边练边会：
- 第三方库使用：调用大模型 API（
openai库）、智能体框架（langchain）； - 网络请求：
requests模块调用外部工具 API（天气、搜索引擎）； - 数据持久化：本地文件存储（Obsidian 笔记联动）、简单缓存处理；
- 基础调试：
print调试、查看报错信息（快速定位智能体逻辑问题）。
总结
- 学习优先级：先啃「核心必学」，能写出简单的智能体对话逻辑；再补「进阶提升」，优化代码结构；最后结合「场景实战」，对接真实的 AI 库和工具；
- 核心原则：不用掌握 Python 所有知识点，聚焦 “能解决 AI 智能体问题” 的最小集，比如先搞定
if-elif-else的正确用法，再学函数和异常处理，边写边学效率最高； - 关键避坑：条件判断优先用
if-elif-else（互斥判断），避免多if+else的逻辑错误，这是新手最容易踩的坑。
简单说：先会用 “变量 + 条件 + 函数 + 异常处理” 写一个能对话、调用工具的简单智能体，再用面向对象 / 异步优化代码，就是 AI 智能体开发的完整 Python 知识体系。
海龟编译器
- crtl +/ 可以注释掉选中的代码，有利于在测试新代码块时候防止前面的代码干扰
python数据结构
列表list，定义的时候等号右边是中括号就是列表，第一个元素的标号是0，第二个是元素标号是1，最后一个元素标号是-1，。倒数第二个是-2
元组Tuple。1.定义之后不可以改变 2.有序 3.元素用小括号包裹 4.允许重复元素出现，比如（1，1，2）是合法的
集合 Set 1.用大括号定义，定义之后可以改动 2.无序 3.不允许出现重复元素。与字典的区别是智友值没有键
字典 dict 1.大括号包裹的键值对，比如{“name”：“小明”，“age“ ：18}
想输出字典中的键对应的值可以用以下方法，假设字典的名字是dict1
1.dict1[”键名“]
2.dict1.get（”键名“，”未知“）# get是字典的一个方法，然后如果这个字典中没找到对应的键名和，则返回”未知“，防止了报错的情况的出现
字典嵌套取值
process_tool_call(tool_call_dict):# 输入示例（LLM返回的工具调用数据） tool_call = { "name": "search", # 工具名称 "parameters": {"query": "2026年AI Agent最新进展", "top_k": 5}, # 工具参数 "timeout": 10, # 超时时间（可选，可能不存在） "type": "function" } # 函数要求： # 1. 提取工具名称，若不存在返回默认值"unknown"； # 2. 提取参数中的query，若不存在返回默认值""； # 3. 提取timeout，若不存在返回默认值5； # 4. 返回一个元组：(工具名称, query, timeout) def process_tool_call(tool_call_dict): s=tool_call.get("name","unknown") a=tool_call["parameters"].get("query","") b=tool_call.get("name","unknown") tim3=tool_call.get("timeout","unknown") # 请写你的代码 return s,a,tim3 return pass # 测试调用 print(process_tool_call(tool_call)) # 预期输出：('search', '2026年AI Agent最新进展', 10) print(process_tool_call({"name": "calc", "parameters": {}})) # 预期输出：('calc', '', 5)
这里的parameters是tool_call字典中的一个键，同时他也是一个字典，这就是嵌套字典
嵌套字典查询时应该按照如上格式，a=tool_call[“parameters”].get(“query”,” “)
如果没有查询到相应的键，自动返回默认值”“
为了保障不报错，还可以使用嵌套get
tool_call.get(“parameters”,{}).get(“query”, “”)
取余数和取模是两种不同的运算
比如-7取余3，答案是-1
但是-7取模3，答案是2
AI agent prompt AI智能体提示词
prompt
