M2 语言核心

MODULE 2 · L6–L11 语言核心

6 课时

模块设计原则

AI 时代的语法课不是「人肉文档」：每课建立思维模型，不逐个方法展开；方法查询交给 AI 和文档； 核心代码手写、细节代码 AI 辅助。贯穿示例全部来自大模型 API 场景——学习语法的同时就在接触 AI 开发。 课堂主线一览：JSON 取值学类型（L6）→ API 数据学结构（L7）→ 条件筛选学控制流（L8）→ 封装复用学函数（L9）→ 存档排错学 IO 异常（L10）→ AI 对话管理器学类（L11）。

L6数据类型与变量作业①发布

整数（无限精度、进制）、浮点数、字符串（不可变性、索引切片、f-string）、布尔与 None；type() 与类型转换；「一切皆对象」。

V009 · 数字与字符串核心操作V010 · 类型转换与f-string

L7数据结构：列表、字典、元组、集合

四种结构一句话定位；核心操作（增删改查、遍历）；选型思维；推导式入门。主线：API 返回的 JSON 列表 → 遍历提取 → 字典统计 → 排序输出。

V011 · 四种数据结构选型指南V012 · 列表字典核心操作速查

L8控制流：分支与循环

if/elif/else、条件组合、while/for、range、break/continue；推导式高效写法；循环常见 bug（死循环、off-by-one）。

V013 · if分支与条件逻辑V014 · for-while循环与推导式

L9函数设计

def、参数与返回值、默认值、*args/**kwargs（读 AI 代码必备）、lambda。核心思维——函数契约：名字/参数/返回值/示例，好的函数契约 = 好的 prompt。

V015 · 函数定义与参数设计V016 · args-kwargs与lambda

L10文件 IO、异常处理与模块

open 模式、with 语句、JSON 文件读写；try/except/finally、读懂报错；import 机制。主线：API 数据存 JSON → 读回 → 处理超时与限流异常。

V017 · 文件读写与with语句V018 · try-except实战V019 · import机制

L11类与面向对象

class、__init__、self、继承（点到为止）。主线：封装一个「AI 对话管理器」——对话历史属性、发消息方法、清空方法，由此体会类在组织数据与行为上的价值。

V020 · 类与init和selfV021 · 面向对象思维

核心心智模型：四种数据结构怎么选

来自 V011 的四句话——看到数据先问「要什么」，再选结构：

排队的人list · 有序可变

按位置存取、会增会删的序列。聊天记录、消息列表、待办清单。msgs.append(m)

通讯录dict · 键值映射

用名字找内容，查找近 O(1)。API 返回的 JSON 本体、配置、计数器。cfg["model"]

塑封文件tuple · 不可变

定下来就不变的组合：坐标、函数多返回值、可哈希的字典键。x, y = pos

筛子set · 唯一无序

自动去重、快速判存在。URL 去重、停用词表。seen.add(url)

亲手验证——这是 L7 课堂主线的简化版（浏览器内直接运行）：

# 模拟一段大模型 API 返回的消息列表 messages = [ {"role": "user", "content": "你好"}, {"role": "assistant", "content": "你好！有什么可以帮你？"}, {"role": "user", "content": "什么是列表推导式"}, {"role": "assistant", "content": "一种紧凑的列表生成写法"}, {"role": "user", "content": "举个例子？"}, ] # 1) 遍历提取：统计每个角色说了几句话 count = {} for m in messages: role = m["role"] count[role] = count.get(role, 0) + 1 print("各角色发言数:", count) # 2) 推导式：抽出所有用户提问 questions = [m["content"] for m in messages if m["role"] == "user"] print("用户提问:", questions) # 3) 找出最长的一条消息（max + key） longest = max(messages, key=lambda m: len(m["content"])) print("最长消息:", longest["content"])

「一切皆对象」到底什么意思

L6 引入这一概念，L11 讲类时再次呼应。如果中间几节课仍感到模糊，可进入 3D 内存空间逐行执行代码—— 对象如何创建、名字如何绑定、a is b 和 a == b 差在哪，一次演示清楚：

Three.js · 3D 交互 一切皆对象 · 内存空间的直觉

逐行执行 a = "hello" / b = a / c = [1, 2] / c.append(a)……拖拽旋转内存空间，点击对象查看「身份卡」（type / id / 可变性 / 常用方法）。

进入演示 → Manim 风格 · 位运算 Base64 编码原理

经典作业②的算法本质：字节 → 比特流 → 6 位重组 → 查表。支持自定义输入实时重算，并演示中文 UTF-8 多字节编码。

进入演示 →

函数契约：好的契约 = 好的 Prompt

L9 的核心思维。写函数前先写清楚四件事——这四件事同样是你向 AI 描述需求的四件事：

名字它做什么

count_words 而不是 func1——名字即文档，AI 也靠名字理解代码。

参数它需要什么

类型 + 含义 + 默认值，如 text: str, topk: int = 3。

返回值它给出什么

返回 dict 还是 list？空输入返回什么？异常时抛还是返 None？

示例怎么用

docstring 里放一个 doctest 示例——既是文档，也是测试。

def top_questions(messages: list, topk: int = 2) -> list: """返回最长的 topk 条用户提问。 示例: >>> top_questions([{"role": "user", "content": "hi"}]) ['hi'] """ questions = [m["content"] for m in messages if m["role"] == "user"] # TODO: 按 content 长度从大到小排序，取前 topk 条 # 提示：sorted(questions, key=..., reverse=True)[:topk] return questions msgs = [ {"role": "user", "content": "什么是变量"}, {"role": "assistant", "content": "变量是名字绑定对象"}, {"role": "user", "content": "什么是列表推导式？举个例子"}, ] print(top_questions(msgs))

随堂小测

延伸阅读

共 13 集
经典笔记（适合深入语法细节时查阅）：4.5 列表 · 6.4 字典 · 5.3 循环 · 5.4 函数 · 5.6 作业Base64 · 11.3 类

下一模块：M3 数据获取与处理 → ← M1 环境与工具链

📽️ 授课课件：W3–W5 课件 →