M1 环境与工具链
MODULE 1 · L3–L5
环境与工具链
3 课时
课时安排
L3命令行运行与 AI 工具链
交互模式
>>>、.py 文件命令行运行（cd + python 文件名）；Kimi Code CLI 安装与首次对话；
Trae 界面导览与 AI 补全体验。核心观念：开发以人为主导，AI 工具起辅助作用。
V004 · 交互模式与命令行运行V005 · AI 编程工具全家桶安装
L4大模型 API 初体验
什么是大模型 API（请求 → 响应 → Token → 费用）；申请 DeepSeek/Kimi API Key；用 Python 写第一行 API 调用
（openai SDK 兼容接口）；理解 system / user / assistant 三种消息角色。
第 4 节课就调通大模型 API——这是后续所有 AI 应用的地基。
V006 · 大模型API是什么V007 · 申请APIKey与第一次调用
L5Git 基础与作业提交工作流
Git/GitLab 注册、clone / commit / push、分支工作流（0xNN 式作业分支）；AI 时代版本控制的必要性——
「AI 大改前先 commit」；第一次作业提交流程演练。
V008 · Git基础与分支工作流
概念实验：代码是如何运行的？
L3 讲「命令行运行」时最常被问到：Python 和 C 到底差在哪？为什么 Python 不用编译、保存就能跑？ 进入交互演示，逐步观察两条流水线的每个环节：
GSAP · 步进动画
编译 vs 解释
C 的预处理→编译→汇编→链接四部曲，对照 Python 的字节码与 PVM。看完你就明白 .pyc、__pycache__ 和「改完即生效」的由来。
进入演示 →
命令行速查
L3 常用命令
python 进交互模式 ·
python hello.py 运行文件 ·
cd / dir 切换与查看目录 ·
pip list 查看已装库
L4 核心：第一次调用大模型 API
这段代码会在 L4 课堂逐行讲透（openai SDK 兼容写法，DeepSeek / Kimi / GLM 通用）。注意它依赖网络与密钥， 需要本地运行；这里先读懂结构——base_url 指向哪家服务商、messages 三种角色、response 怎么取文本：
from openai import OpenAI
client = OpenAI(
api_key="sk-你的密钥", # 千万别写进要提交的代码！
base_url="https://api.deepseek.com/v1", # 换服务商只改这里
)
resp = client.chat.completions.create(
model="deepseek-chat",
messages=[
{"role": "system", "content": "你是一个耐心的编程助教"},
{"role": "user", "content": "用一句话解释什么是变量"},
],
)
print(resp.choices[0].message.content)
没有 API Key？先用下面的运行场模拟「响应处理」环节——把 API 返回的 JSON 结构拆开取值，这是 L6 的预告：