01 · 用 Python 写出可重复的小实验

本站原创入门导读与合成教学示例。原始资料核实：2026-09-05。先修：无需模型账号，准备 Python 3 与一个文本编辑器。

理解概念

程序把输入按规则变成输出。变量给值命名，列表保存有顺序的一组值，字典把字段名映射到值；函数把同一规则封装起来。Agent 的工具最终也是程序，先能独立运行、验证工具，才能判断故障来自模型还是代码。

用独立目录保存实验，记录 Python 版本与依赖。虚拟环境隔离依赖，但不是隔离恶意代码的安全沙箱。第一次实验只用标准库，在本地终端运行 python main.py；暂时不需要模型账号。返回结果的纯函数比直接修改全局状态更容易测试。

一个最小例子

# main.py — Python 3，只有标准库
homework = [
    {"subject": "数学", "minutes": 25},
    {"subject": "英语", "minutes": 15},
]

def total_minutes(items):
    return sum(item["minutes"] for item in items)

assert total_minutes(homework) == 40
assert total_minutes([]) == 0
print(total_minutes(homework))

动手练习

加入一项 20 分钟的实验报告，再写一个断言；把输入改成空列表。解释为什么函数返回值与 print 的作用不同。把运行命令与输出存进自己的实验笔记。

验收与预期结果

原例输出 40，加入报告后输出 60，空列表得到 0。能指出输入、转换规则与返回值，并说明未安装第三方库。

• 我能解释输入、过程与结果。
• 我保留了一个失败例与运行记录。

常见误区

复制代码后只看见“没有报错”不代表正确。断言要检查边界输入；异常栈最后一行通常是定位问题的起点，不要直接交给模型盲改。

延伸阅读

以下是相关方向的原始资料；本站练习不是官方课程作业或逐字翻译。

• Carnegie Mellon · CMU MLiP / AI Engineering

课程状态与先修说明 · 核心术语