Python 环境与基础语法：从安装解释器到稳定运行脚本

问题与目标

我第一次写 Python 时，最容易低估的不是语法，而是环境。

同一段代码，在终端里能运行，到了编辑器里却提示找不到包；明明刚执行过安装命令，程序还是报 ModuleNotFoundError；电脑里同时出现几个 Python，最后连自己正在使用哪一个解释器都说不清。

这些问题表面上像“环境玄学”，实际都在追问同一件事：

到底是哪一个 Python，在什么目录下，带着哪些依赖，执行了哪个文件？

如果这句话回答不出来，后面的代码越多，排查问题越被动。大模型项目的依赖通常比普通脚本更多，环境不稳定时，模型还没有开始调用，人已经先被解释器路径劝退了。

所以第一步不是记住多少语法，而是建立一个能重复验证的运行方式。

核心理解

Python 程序的运行可以拆成四个部分：

Python 解释器 + 项目目录 + 项目依赖 + Python 文件

• 解释器负责执行代码。
• 项目目录确定代码和相对路径从哪里开始寻找。
• 虚拟环境隔离这个项目需要的第三方依赖。
• .py 文件保存真正要执行的程序。

基础语法解决的是“代码怎么表达”，稳定环境解决的是“这段代码由谁来执行”。两者缺一个，程序都不算真正可控。

完成标准

完成这一篇后，应当能够独立完成这些操作：

• 确认 Python 版本和解释器路径。
• 为项目创建并激活虚拟环境。
• 使用当前解释器安装、查看和卸载依赖。
• 区分交互模式和脚本模式。
• 正确使用注释、缩进、变量和基础运算符。
• 接收用户输入，并用格式化字符串输出结果。
• 从终端稳定运行一个 .py 文件。

程序如何变成运行结果

写下的 .py 文件保存在磁盘上，不会自己运行。执行 python app.py 时，操作系统会创建一个进程，把 Python 解释器和程序需要的数据加载到内存，再由 CPU 执行最终的机器指令。

以最常见的 CPython 为例，可以把过程简化为：

Python 源代码
    ↓ 解析与编译
字节码
    ↓ Python 虚拟机执行
操作系统进程
    ↓
CPU 计算 + 内存保存运行状态 + 磁盘保存文件

这里的“解释型语言”不等于源代码逐字符直接交给 CPU。CPython 通常会先把源代码编译成字节码，再执行字节码。初学阶段不需要记内部指令，但要知道解释器是源代码与运行环境之间的执行者。

可以查看当前 Python 实现和版本：

import platform
import sys

print(platform.python_implementation())
print(sys.version)
print(sys.executable)

输出中的实现名、版本和解释器路径，比“电脑上已经安装过 Python”更能准确说明当前程序由谁执行。

先把运行环境说清楚

确认 Python 来自哪里

先在终端执行：

python --version
python -c "import sys; print(sys.executable)"

有些系统使用 python3 命令，对应写成：

python3 --version
python3 -c "import sys; print(sys.executable)"

第一条命令确认版本，第二条命令打印当前解释器的真实路径。相比“我记得装过 Python”，路径更可信。

本阶段示例使用 Python 3.10 及以上版本可直接运行的类型标注语法。实际项目应按照项目约定选择版本，不必为了追逐版本号频繁更换解释器。

每个项目使用自己的虚拟环境

在项目目录下创建虚拟环境：

python -m venv .venv

macOS 或 Linux 激活方式：

source .venv/bin/activate

Windows PowerShell 激活方式：

.venv\Scripts\Activate.ps1

激活后再检查一次解释器路径。它应该指向当前项目的 .venv。

安装依赖时，优先写成：

python -m pip install 包名

这样可以明确让“当前这个 Python”调用自己的 pip，减少 python 和 pip 来自不同环境的情况。

常用依赖管理命令包括：

python -m pip list
python -m pip show 包名
python -m pip uninstall 包名

使用完虚拟环境后，可以退出：

deactivate

虚拟环境不是把 Python 复制得越多越好，而是让每个项目拥有清楚的依赖边界。以后一个项目需要某个库的旧版本，另一个项目需要新版本，它们不必互相打架。

编辑器只是入口，不是解释器本身

PyCharm、VS Code 或其他编辑器可以提供补全、调试和运行入口，但真正执行程序的仍然是所选的 Python 解释器。

因此编辑器里出现问题时，优先检查两个地方：

• 当前项目选择的解释器是不是 .venv 中的 Python。
• 编辑器运行配置中的工作目录是不是项目目录。

这两个位置比反复点击“重新运行”更值得检查。

基础语法先掌握什么

Python 文件从上到下执行。缩进不是为了好看，而是语法的一部分。

第一阶段先抓住这些最小规则：

• 使用变量给数据起有意义的名字。
• 使用 # 写必要的说明，不解释一眼就能看懂的代码。
• 使用四个空格表示同一层代码块。
• 使用 snake_case 命名变量和函数。
• 使用 UPPER_CASE 表示约定不修改的常量。
• 使用 print() 观察程序当前得到的结果。

Python 的赋值更接近“让名字指向一个对象”，不是先准备一个固定类型的盒子。例如：

model_name = "demo-model"
temperature = 0.2
stream = True

model_name 指向字符串，temperature 指向浮点数，stream 指向布尔值。Python 会在运行时认识这些对象的类型，但这不代表类型不重要。相反，很多报错正是不同类型之间进行了不合理的操作。

交互模式和脚本模式

在终端输入 python，会进入交互模式：

>>> 1 + 2
3
>>> print("hello")
hello

交互模式适合快速验证一个表达式或查看对象，不适合保存完整程序。退出时可以输入 exit()，也可以使用终端对应的快捷键。

脚本模式把代码保存在 .py 文件中：

python app.py

脚本可以重复执行、纳入版本管理，也方便其他人复现。正式示例和项目代码都应该保存在脚本中，交互模式主要承担临时实验的角色。

注释、缩进和代码块

单行注释以 # 开始：

# 模型温度越低，输出通常越稳定
temperature = 0.2

三引号创建的是多行字符串，并不等同于专门的多行注释语法。函数、类和模块开头的三引号字符串可以作为文档字符串，供 help() 等工具读取。

Python 使用缩进表示代码层级：

enabled = True

if enabled:
    print("功能已启用")
    print("开始执行")

print("程序结束")

前两个 print() 属于 if，最后一个不属于。项目中统一使用四个空格，不混用制表符和空格。

标识符、关键字和命名

变量名、函数名和类名都属于标识符。基本规则是：

• 可以包含字母、数字和下划线。
• 不能以数字开头。
• 区分大小写，name 与 Name 是两个名字。
• 不能使用 if、for、class 等关键字。

可以查看当前 Python 版本的关键字：

import keyword

print(keyword.kwlist)

命名不仅要合法，还要能说明含义：

# 含义模糊
x = 4096

# 含义清楚
max_context_length = 4096

常用约定包括：

• 变量和函数使用 snake_case。
• 类使用 PascalCase。
• 常量使用 UPPER_CASE。
• 以下划线开头的名字通常表示内部使用。

输入和输出

input() 接收终端输入，返回值始终是字符串：

name = input("请输入名称：")
print(f"你好，{name}")

需要数值时要主动转换：

max_tokens_text = input("请输入最大输出 Token 数：")
max_tokens = int(max_tokens_text)
print(f"最大输出长度设置为 {max_tokens}")

如果用户输入的不是整数，int() 会抛出异常。第一篇先认识这个边界，01.3 再系统处理异常。

print() 可以一次输出多个值，也能控制分隔符和结尾：

model = "demo-model"
temperature = 0.2

print(model, temperature, sep=" | ")
print("生成中", end="...")
print("完成")

项目代码中，f-string 通常比字符串拼接更清楚：

summary = f"模型={model}, 温度={temperature:.1f}"

常用运算符

算术运算符处理数值：

total = 10 + 5
average = total / 2
remainder = total % 4
power = 2 ** 3

需要注意，/ 返回浮点数，// 表示整除，% 得到余数。

比较运算符返回布尔值：

temperature = 0.2

print(temperature >= 0)
print(temperature <= 2)
print(temperature == 0.2)
print(temperature != 1.0)

逻辑运算符组合多个条件：

timeout = True
server_busy = False
enabled = True

is_valid = temperature >= 0 and temperature <= 2
should_retry = timeout or server_busy
is_disabled = not enabled

= 是赋值，== 才是比较。+=、-= 等复合赋值用于基于原值更新变量：

retry_count = 0
retry_count += 1

查看类型，而不是靠猜

type() 返回对象的具体类型，isinstance() 判断对象是否属于某个类型或一组类型：

temperature = 0.2
max_tokens = 512

print(type(temperature))
print(isinstance(max_tokens, int))
print(isinstance(temperature, (int, float)))

排查“字符串为什么不能和整数相加”这类问题时，先打印类型通常比反复修改运算符更有效。

in、== 和 is 不解决同一个问题

in 和 not in 判断成员是否存在：

supported_models = ["model-a", "model-b"]

print("model-a" in supported_models)
print("model-c" not in supported_models)

== 比较值是否相等，is 判断两个名字是否指向同一个对象：

left = ["python"]
right = ["python"]
alias = left

print(left == right)  # True，内容相等
print(left is right)  # False，不是同一个列表
print(left is alias)  # True，指向同一个列表

业务数据比较通常使用 ==。判断空值使用 is None 或 is not None，不要用 is 比较普通字符串和数字的值。

运算符优先级不清楚时就加括号

算术、比较和逻辑运算符存在优先级。例如 and 先于 or 结合，但依赖记忆会增加阅读成本：

is_admin = False
has_permission = True
resource_public = True

can_access = is_admin or (has_permission and resource_public)

括号不仅控制计算顺序，也直接表达业务规则。复杂条件适合拆成带名称的布尔变量，而不是把所有判断挤在一行。

基础格式约定

Python 社区通常遵循 PEP 8。第一阶段先保持几条最实用的约定：

• 每层缩进使用四个空格。
• 顶层函数和类之间保留适当空行。
• 运算符两侧保留空格，逗号后保留空格。
• 一行只表达一个主要动作，不用分号堆叠语句。
• 行太长时使用括号自然换行，不用反斜杠硬接。
• Python 3 源文件默认使用 UTF-8，文件本身也应以 UTF-8 保存。

prompt = (
    "请根据给定资料回答问题。"
    "如果资料不足，请明确说明。"
)

格式规范不会改变运行结果，却会直接影响代码能否快速阅读、评审和修改。

可运行实现：生成一份模型调用配置摘要

这个例子不连接真实模型，只验证环境、变量、命名、缩进、字符串格式化和程序入口是否正常。

新建 app.py：

MODEL_NAME = "demo-chat-model"

question = "Python 环境为什么要隔离？"
temperature = 0.2
stream = True

summary = f"""模型调用配置
- 模型：{MODEL_NAME}
- 问题：{question}
- 温度：{temperature}
- 流式输出：{stream}
"""

print(summary)

在文件所在目录执行：

python app.py

预期输出：

模型调用配置
- 模型：demo-chat-model
- 问题：Python 环境为什么要隔离？
- 温度：0.2
- 流式输出：True

例子很小，但它完成了一次完整验证：终端找到了正确解释器，解释器找到了脚本，脚本成功创建变量并输出结果。

以后接入真实模型时，配置项会增加，依赖也会增加，但最底层的运行链路没有变。

动手练习：接收并检查一组模型参数

要求程序接收模型名、温度和最大输出长度，然后输出配置摘要。温度是否处于 0 到 2 之间，只需先用布尔值记录，下一篇再用分支给出不同处理。

model_name = input("模型名称：").strip()
temperature = float(input("温度："))
max_tokens = int(input("最大输出 Token 数："))

temperature_valid = 0 <= temperature <= 2

print("\n配置摘要")
print(f"模型：{model_name}")
print(f"温度：{temperature}")
print(f"最大输出：{max_tokens}")
print(f"温度有效：{temperature_valid}")

可以用下面三组输入检查程序：

第三组输入不是程序“突然坏了”，而是暴露了尚未处理的输入边界。这正是后续学习流程控制和异常处理的入口。

常见问题与排查

安装成功，不代表装进了当前环境

最常见的情况是：终端使用一个 Python，编辑器使用另一个 Python。包确实安装成功了，只是装到了程序没有使用的位置。

我的排查顺序是：

python -c "import sys; print(sys.executable)"
python -m pip --version
python -m pip list

先看路径，再看依赖，不凭感觉判断。

文件名会遮住标准库

如果把自己的文件命名为 json.py、random.py 或 typing.py，再执行 import json，Python 可能先导入当前目录下的同名文件。

这类错误看上去像标准库坏了，实际是命名冲突。项目文件名应该避开常用模块名。

相对路径取决于工作目录

open("data.txt") 寻找的是当前工作目录下的文件，不一定是 Python 文件旁边的文件。这个问题会在 01.3 的文件操作中继续解决。

变量能改类型，不代表应该随意改

下面的代码语法允许，但很难维护：

result = 10
result = "执行成功"

一个名字在同一段逻辑中反复表示不同含义，会增加理解成本。能运行只是最低要求，名字和含义稳定才方便继续修改。

小结

这一篇的完成标准，不是“成功打印一次 Hello World”，而是能够回答：

当前使用的是哪个 Python？
依赖安装在哪里？
程序从哪个目录运行？
怎样用一条命令重新执行？

当这些问题有明确答案时，Python 才从电脑里“装过的软件”，变成了我可以稳定使用的开发环境。

本篇检查清单：

• 能从终端打印 Python 版本和解释器路径。
• 能创建、激活和退出 .venv。
• 知道为什么优先使用 python -m pip。
• 能解释交互模式与脚本模式的用途差异。
• 能正确使用缩进、变量和 f-string。
• 知道 input() 返回字符串。
• 能区分赋值、比较、算术和逻辑运算。
• 能使用 type() 和 isinstance() 检查对象类型。
• 能解释 in、== 和 is 的区别。
• 能用括号和基础格式规范提高可读性。

下一步的问题是：程序拿到不同的数据后，如何判断、循环、加工，再把重复逻辑封装成函数。