Python on Liangweidong's blog

Python 入门：核心语法与环境管理（基于 Python 3.13）

Fri, 15 Nov 2024 00:00:00 +0800

为什么写这篇：Python 是少有的"零基础一周能上手、一年能进工程"的语言。但"上手"和"工程"之间有一道坎——缩进、动态类型、包管理、虚拟环境。这篇用一篇的篇幅把这些一并讲完，让你能从 print("hello") 平滑过渡到 pip install -r requirements.txt。

适用读者：完全没接触过 Python 的初学者；或用过 Python 但没系统管理过依赖/环境的开发者。

基线版本：本文示例基于 Python 3.13（2024-10-07 正式发布）与 pyenv 2.6.27。3.13 引入了实验性 JIT 编译器、改进的交互式 REPL（Py 3.13 起 python 默认带颜色高亮与多行编辑）、typing 模块的进一步类型化语义等；但本文语法示例与 3.10+ 完全兼容，向下覆盖到 3.8 仍可运行。

1. Python 程序结构

Python 用缩进表示代码块，不用 {}。同一代码块的语句必须缩进相同空格数（约定 4 空格）。

1
2
3


当语句以冒号 : 结尾时，缩进的语句视为代码块
按照约定俗成的惯例，应该始终坚持使用 4 个空格的缩进
Python 程序是大小写敏感的，如果写错了大小写，程序会报错

一个完整的程序示例（PEP 8 风格）：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23


#!/usr/bin/env python3
"""this is a test module.""" # 模块文档字符串（双/单引号皆可）

import sys # 模块导入

debug = True # 全局变量


class FooClass: # 类定义（Py 3 不用写 object）
 """Foo class"""

 pass


def test(): # 函数定义
 """test func"""
 foo = FooClass()
 if debug:
 print("run test()")


if __name__ == "__main__": # 主程序入口
 test()

元素	作用
`__init__.py`	标识一个文件夹是包（Python 3.3+ 命名空间包可省略，但显式写更稳）
`import`	导入模块/包
`if __name__ == "__main__"`	直接执行时为 `True`，被 import 时为 `False`——模块既可作库也可作脚本
文档字符串（`"""..."""`）	写模块/类/函数的官方注释，可用 `help()` / `__doc__` 查

为什么模块入口要写 if __name__ == "__main__"：避免 import 时副作用自动执行。一个文件既能 python file.py 直接跑，也能 import file 复用。

Py 3.13 的小升级：解释器现在会在交互模式下自动给 python 命令加颜色高亮（--no-color 关闭），并把 REPL 默认行为改成了"多行粘贴友好"——以前在 >>> 提示符粘贴带缩进的代码块经常乱，现在会自动识别和续行。

2. 类型与变量

2.1 基本类型

1
2
3
4
5


整数（如 2、4、20）的类型是 int —— 任意精度，不会溢出
带小数（如 5.0、1.6）的类型是 float —— 底层 IEEE-754 双精度
复数后缀 j 或 J：3 + 5j
Decimal、Fraction：高精度 / 精确分数场景
bool 是 int 的子类：True == 1, False == 0

2.2 变量赋值

1
2


等号（=）用于给变量赋值
如果变量未定义（即未赋值），使用该变量会提示 NameError

Python 是动态类型——变量无类型，值才有类型：

1
2
3


x = 10 # x 是 int
x = "hello" # x 现在是 str——OK，python 允许
x = [1, 2, 3] # x 现在是 list——也 OK

动态类型的代价：大型项目里"传错类型"只有运行时才发现。解法：用 type hint + mypy（x: int = 10），在 IDE / 静态检查阶段拦截。Python 3.13 把 typing 模块的运行时开销进一步降低，类型注解对启动速度的影响可忽略。

3. 运算符

运算	运算符	说明
除法	`/`	永远返回 float（`4 / 2 == 2.0`）
整除	`//`	向下取整，返回 int（如果两边都是 int）
取余	`%`	`7 % 3 == 1`
乘方	`**`	`2 ** 10 == 1024`
矩阵乘	`@`	3.5+ 引入，配合 numpy 用

 1
 2
 3
 4
 5
 6
 7
 8
 9
10


>>> 7 / 2
3.5
>>> 7 // 2
3
>>> 7 % 2
1
>>> 2 ** 10
1024
>>> -7 // 2 # 整除是"向下"取整（向 -∞）
-4

整除负数是"向 -∞ 方向取整"，不是"截断"：-7 // 2 == -4 而不是 -3。需要"截断"就用 int(a / b)。

4. 字符串

4.1 字面量与转义

1
2
3
4
5
6


s1 = 'hello' # 单引号
s2 = "hello" # 双引号——和单引号完全等价
s3 = "he\"llo" # 反斜杠转义
s4 = r"C:\new\test" # 原始字符串，前缀 r，反斜杠不转义
s5 = """line1
line2""" # 三引号支持多行，行结束符会保留

字面量前缀	含义	典型场景
`r"..."`	原始字符串，反斜杠不转义	正则、文件路径
`b"..."`	字节串（bytes）	二进制协议、文件 IO
`f"..."`	格式化字符串（Py 3.6+）	拼字符串 + 变量
`R"..."` / `B"..."`	与 `r` / `b` 等价	见惯就行

1
2
3


# f-string 拼变量
name = "Python"
print(f"hello {name}! 1 + 1 = {1 + 1}") # hello Python! 1 + 1 = 2

原始字符串 r"…" 的常见坑：末尾不能放奇数个反斜杠——r"\" 是非法的。规避方法：把最后一个 \ 单独写 '\\'，或者用普通字符串拼。

4.2 拼接、索引、切片

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17


s = "hello world"

# 拼接
"hi" + " " + "everyone" # "hi everyone"
"hi" * 3 # "hihihi"

# 索引（从 0 开始；负数从右开始）
s[0] # 'h'
s[-1] # 'd'（最后一个）
s[-2] # 'l'（倒数第二个）

# 切片（左闭右开）
s[0:5] # "hello"
s[6:] # "world"
s[:5] # "hello"
s[::2] # "hlowrd"（步长 2）
s[::-1] # "dlrow olleh"（反转）

字符串不可变——s[0] = 'H' 报错。要改字符只能新建：s = 'H' + s[1:]。

4.3 常用内置方法

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13


s = "Hello, World!"

s.lower() # "hello, world!"
s.upper() # "HELLO, WORLD!"
s.strip() # 去首尾空白
s.split(",") # ["Hello", " World!"]——按分隔符切成列表
",".join(["a","b"]) # "a,b"——列表拼成字符串
s.replace("World", "Python") # "Hello, Python!"
s.find("World") # 7——子串位置；找不到返回 -1
"World" in s # True——子串判断
len(s) # 13——长度
s.startswith("He") # True
s.endswith("!") # True

5. 列表

列表是 Python 最常用的容器——有序、可变、类型可混。

1
2
3


fruits = ["apple", "banana", "cherry"]
numbers = [1, 2, 3, 4, 5]
mixed = [1, "two", 3.0, [4, 5]] # 允许混类型（但不推荐）

5.1 增删改查

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21


fruits = ["apple", "banana", "cherry"]

# 查
fruits[0] # "apple"
fruits[-1] # "cherry"
fruits[0:2] # ["apple", "banana"]——切片返回新列表

# 改
fruits[1] = "blueberry"

# 增
fruits.append("date") # 末尾追加
fruits.insert(1, "avocado") # 在索引 1 处插入
fruits.extend(["elderberry"]) # 末尾追加多个（合并可迭代对象）

# 删
fruits.remove("banana") # 按值删（只删第一个）
popped = fruits.pop() # 删末尾，返回被删元素
popped = fruits.pop(0) # 按索引删
del fruits[0] # 按索引删（不返回）
fruits.clear() # 清空

5.2 切片赋值

切片赋值可以改变列表大小——这是 Python 列表的独门技能：

1
2
3
4


nums = [1, 2, 3, 4, 5]
nums[1:3] = [20, 30, 40] # [1, 20, 30, 40, 4, 5]
nums[1:4] = [] # [1, 4, 5]——切片清空
nums[:] = [] # []——清空整个列表

5.3 常用方法

1
2
3
4
5
6
7
8
9


nums = [3, 1, 4, 1, 5, 9, 2, 6]

len(nums) # 8
nums.sort() # 就地排序，返回 None
nums.reverse() # 就地反转
nums.count(1) # 2——统计 1 出现次数
nums.index(9) # 5——首次出现位置
nums.copy() # 浅拷贝（等价于 nums[:]）
new = sorted(nums) # 不改原列表，返回新列表

坑：nums.sort() 返回 None！新手常写 sorted_nums = nums.sort() 然后 print(sorted_nums) 打印 None。正确做法：要保留原列表就用 new = sorted(nums)，要就地排序就别接返回值。

5.4 推导式（List Comprehension）

1
2
3
4
5
6
7
8


# 把偶数过滤出来再平方
squares_of_even = [x * x for x in range(10) if x % 2 == 0]
# [0, 4, 16, 36, 64]

# 二维展平
matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
flat = [n for row in matrix for n in row]
# [1, 2, 3, 4, 5, 6, 7, 8, 9]

推导式可读性比 map + filter 高，是 Python 圈"地道写法"的标志之一。但不要嵌套超过两层，否则赶紧拆循环。

6. 流程控制

6.1 if / elif / else

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


x = int(input("请输入一个整数："))

if x < 0:
 x = 0
 print("Negative changed to zero")
elif x == 0:
 print("Zero")
elif x == 1:
 print("Single")
else:
 print("More")

Py 3.10+ 的新写法——match-case：

1
2
3
4
5
6
7
8


cmd = input("> ")
match cmd:
 case "quit" | "exit":
 print("bye")
 case "help":
 print("type quit to leave")
 case _:
 print(f"unknown: {cmd}")

match 不是 switch 的语法糖——它支持模式匹配（解构、类型判断、guard 子句），写解释器 / 解析器时格外好用。

6.2 for 循环

1
2
3


words = ["cat", "window", "defenestrate"]
for w in words:
 print(w, len(w))

带索引：

1
2


for i, w in enumerate(words):
 print(i, w)

Py 3.13 起 enumerate 的 start 参数更显眼了：

1
2
3


# 编号从 1 开始
for i, w in enumerate(words, start=1):
 print(i, w)

6.3 while / break / continue

1
2
3
4
5
6
7
8


n = 0
while n < 5:
 n += 1
 if n == 3:
 continue # 跳过本次
 if n == 4:
 break # 跳出循环
 print(n)

没有 do-while：Python 只用 while + if 实现"至少执行一次"的效果：

1
2
3
4
5


while True:
 user_input = input("> ")
 if user_input == "quit":
 break
 process(user_input)

7. 虚拟环境：pyenv + venv

为什么需要虚拟环境：不同项目依赖不同版本的包（django 2.x vs django 4.x），共用全局环境会冲突。虚拟环境给每个项目一份独立的 site-packages。

7.1 pyenv：管理 Python 版本

pyenv 是社区里最主流的多版本 Python 管理工具（macOS / Linux 原生支持，Windows 建议用 pyenv-win）。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12


# 安装 pyenv
curl -fsSL https://pyenv.run | bash

# 配置 shell（zsh 举例）
echo 'export PYENV_ROOT="$HOME/.pyenv"' >> ~/.zshrc
echo '[[ -d $PYENV_ROOT/bin ]] && export PATH="$PYENV_ROOT/bin:$PATH"' >> ~/.zshrc
echo 'eval "$(pyenv init - zsh)"' >> ~/.zshrc
source ~/.zshrc

# 验证
pyenv -v
# pyenv 2.6.27

装一个具体的 Python 版本（3.13 在 2024-10-07 发布后，pyenv 数小时内就支持了）：

1
2
3
4
5
6
7
8
9


# 查可安装的版本
pyenv install --list | grep "3\."

# 安装具体版本
pyenv install 3.13.13
pyenv uninstall 3.13.13

# 查看已装的所有版本
pyenv versions

虚拟环境插件：

1
2
3
4


git clone https://github.com/pyenv/pyenv-virtualenv.git \
 ~/.pyenv/plugins/pyenv-virtualenv
echo 'eval "$(pyenv virtualenv-init -)"' >> ~/.zshrc
source ~/.zshrc

创建 / 激活虚拟环境：

1
2
3
4
5
6
7
8
9


# 用 3.13.13 创建一个名为 myenv 的虚拟环境
pyenv virtualenv 3.13.13 myenv

# 激活
pyenv activate myenv
# 退出
pyenv deactivate
# 删除
pyenv uninstall myenv

切换当前目录默认版本（pyenv local 会在目录里写一个 .python-version）：

1
2
3
4


pyenv local 3.13.13 # 当前目录默认 3.13.13
pyenv local --unset # 取消目录级
pyenv global system # 取消全局设置
pyenv shell --unset # 取消 shell 临时设置

pyenv 适合 macOS / Linux。Windows 下推荐用 pyenv-win（用法几乎一致）或直接用 python -m venv（标准库自带，跨平台更稳）。

7.2 venv：标准库内置（跨平台）

不想装 pyenv？Python 自带的 venv 就够用，3.13 起默认就是 venv 而不是被废弃的 virtualenv。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15


# 创建虚拟环境
python3 -m venv ~/.myenv

# 激活
# macOS / Linux：
source ~/.myenv/bin/activate

# Windows (PowerShell)：
~/.myenv/Scripts/Activate.ps1

# Windows (cmd)：
~/.myenv\Scripts\activate.bat

# 退出
deactivate

激活后 python 和 pip 都指向虚拟环境里的，包只装在 myenv/ 里，不污染全局。

Py 3.13 的 venv 改进：默认创建的 venv 不再包含 pip，需要用 python -m ensurepip --upgrade 引导安装。这是 PEP 668 推动"显式依赖"的一部分——避免 venv 一创建就拉一堆默认包。

7.3 项目级：用 pyenv + venv 协同

最工程化的做法：pyenv 管 Python 解释器版本，venv 管项目依赖。

1
2
3
4
5


# 在项目目录里
pyenv local 3.13.13 # 该目录自动用 3.13.13
python -m venv .venv # 创建 venv（推荐 .venv 而不是 .env）
source .venv/bin/activate
pip install -r requirements.txt

把 .venv/ 写进 .gitignore：

1
2
3


.venv/
__pycache__/
*.pyc

8. pip 与国内镜像

8.1 基础命令

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20


# 引导并升级 pip（Py 3.13 之后 venv 默认不带 pip）
python -m ensurepip --upgrade
python -m pip install --upgrade pip

# 装包
pip install requests
pip install requests==2.31.0 # 指定版本（requests 2.31.0 发布于 2023-05-22）
pip install -r requirements.txt # 批量装

# 查包
pip list
pip show requests

# 导出依赖
pip freeze > python_modules.txt

# 卸载
pip uninstall requests
pip freeze | xargs pip uninstall -y # 一键全卸
pip uninstall -r python_modules.txt -y # 按文件卸

8.2 国内镜像（强烈推荐）

直连 PyPI 在国内经常超时，挂个国内源秒装：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17


# 清华源
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

# 阿里源
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple

# 腾讯源
pip config set global.index-url https://mirrors.cloud.tencent.com/pypi/simple

# 豆瓣源
pip config set global.index-url https://pypi.douban.com/simple/

# 网易源
pip config set global.index-url https://mirrors.163.com/pypi/simple/

pip config list
# Writing to C:\Users\Administrator\AppData\Roaming\pip\pip.ini

设置后会写入 ~/AppData/Roaming/pip/pip.ini（Windows）或 ~/.config/pip/pip.conf（macOS / Linux）：

1
2
3
4


[global]
index-url = https://mirrors.aliyun.com/pypi/simple
[install]
trusted-host = mirrors.aliyun.com

配镜像后必须关掉代理——很多公司开发网络走代理，配了国内源反而走代理到国外、慢得离谱。unset http_proxy && unset https_proxy（macOS / Linux）或 PowerShell Remove-Item Env:http_proxy（Windows）后再装包。

8.3 代理场景

1
2
3


# Windows cmd 临时挂代理
set http_proxy=http://127.0.0.1:1081
set https_proxy=http://127.0.0.1:1081

1
2
3


# macOS / Linux 临时挂代理
export http_proxy=http://127.0.0.1:1081
export https_proxy=http://127.0.0.1:1081

装包失败先看这个顺序：(1) 是不是公司代理挡了？(2) 是不是 SSL 证书问题？(3) 是不是镜像源 5xx 临时挂了？三步都排完再怀疑代码。

8.4 用 `pipx` 装命令行工具

有些工具是命令行型的（black、ruff、httpie），用 pip 装到全局会污染 site-packages，推荐用 pipx：

1
2


pipx install black # 隔离环境装，自动加到 PATH
pipx upgrade-all

9. 常见坑

9.1 缩进错误

1
2
3


if x:
 print("a")
 print("b") # IndentationError：缩进不一致

规避：编辑器装 Python 扩展自动缩进 4 空格，混用 Tab / 空格是禁忌。

9.2 可变默认参数

1
2
3
4
5
6


def add_item(item, bucket=[]): # 坑！
 bucket.append(item)
 return bucket

add_item(1) # [1]
add_item(2) # [1, 2]——bucket 在函数定义时创建一次，跨调用共享

修法：

1
2
3
4
5


def add_item(item, bucket=None):
 if bucket is None:
 bucket = []
 bucket.append(item)
 return bucket

Why：Python 默认参数在函数定义时只求值一次，不是每次调用都新建。这是 Python 最经典的设计陷阱。

9.3 浮点比较

1
2
3
4


>>> 0.1 + 0.2 == 0.3
False
>>> 0.1 + 0.2
0.30000000000000004

修法：用 decimal.Decimal 或 math.isclose(a, b)：

1
2


import math
math.isclose(0.1 + 0.2, 0.3) # True

9.4 字符串拼接性能

1
2
3
4
5
6
7


# 反例：循环里用 += 拼字符串
s = ""
for x in range(10000):
 s += str(x) # 每次新建对象，O(n²)

# 正解：用 join
s = "".join(str(x) for x in range(10000)) # O(n)

9.5 import 顺序

PEP 8 推荐：

标准库
第三方库
本地应用 / 库

每组之间空一行：

1
2
3
4
5
6
7


import os
import sys

import numpy as np
import requests

from myproject.utils import helper

9.6 `is` vs `==`

1
2
3
4


a = [1, 2, 3]
b = [1, 2, 3]
a == b # True——值相等
a is b # False——不是同一个对象

小整数缓存例外：a = 256; b = 256; a is b 可能是 True，因为 CPython 缓存了 [-5, 256] 的小整数。但不要依赖这个，用到 is 的场景几乎都是"判断 None / 哨兵对象"。

9.7 不要用 `from module import *`

1

from os import * # 会污染命名空间

import * 让代码不可读、不可重构——open() 是 os.open 还是 builtins.open？避免。

小结

一句话总结：Python 的"易学"在语法——缩进代替大括号、动态类型、丰富的内置容器；Python 的"工程难点"在依赖管理——pyenv 管版本、venv 管隔离、pip 管包，配上国内镜像速度起飞。

5 个最常用内置：

1
2
3
4
5


len(s) # 长度
s.split(",") # 切
",".join(list) # 拼
range(10) # 整数序列
enumerate(list) # 索引 + 值

5 个最容易踩的坑：

可变默认参数 def f(bucket=[]) → bucket 跨调用共享
浮点比较 0.1 + 0.2 != 0.3 → 用 math.isclose
sort 不返回 nums.sort() 返回 None → 要新列表用 sorted(nums)
缩进混 Tab / 空格 → 编辑器强制 4 空格
循环里 += 拼字符串 → 用 "".join(...)

5 个 3.13 时代的新习惯：

默认用 f-string，不要再用 % 或 .format()
路径用 pathlib.Path，不要用 os.path 拼字符串
类型注解 + mypy，别只靠运行时
数据类 dataclass 替代手写 __init__
依赖锁 pip freeze 进 git，CI / 生产环境必须可复现

2024+ 视角：Python 3.13 JIT 与 free-threading

Python 3.13 关键变化（已在用）

实验性 JIT 编译器（--enable-experimental-jit）：简单计算性能 +10-15%
改进的 REPL：默认带颜色高亮、多行粘贴友好、exit_code 显示
GIL 改进：--disable-gil 实验标志（free-threading 铺垫）
类型注解改进：type X = int 类型别名支持
弃用 locale.resetlocale()：编码问题改用 locale.setlocale(LC_ALL, "") 配合 open(..., encoding="utf-8")

Python 3.14（2025-10 计划）核心变化

PEP 779：Free-Threaded Python 官方支持（GIL 可移除）
PEP 750：Template Strings（t"..." 模板字符串）
PEP 649：延迟求值注解（注解默认不求值，启动更快）
PEP 761：PyPI 签名归档格式更新

Free-Threading 时代的 Python 并发

1
2
3
4
5
6
7


# 装 free-threaded Python
python3.14t

# 检查 GIL 是否启用
python -c "import sys; print(sys.flags.gil)"
# -1 = 启用 GIL
# 0 = 禁用 GIL（free-threading）

影响：

CPU 密集型：终于可以用多线程跑满多核
生态兼容：numpy / pandas / requests 都需要更新
AI / 数值计算：巨大收益（不再需要 multiprocessing）

2024+ 数值计算新范式

`numpy` 2.x

1
2
3
4
5
6
7
8
9


# numpy 2.0+ 默认 64 位
import numpy as np

# Typed scalars
arr = np.array([1, 2, 3], dtype=np.int32)
print(type(arr[0])) # numpy.int32（不是 Python int）

# String dtype 标准化
arr = np.array(['a', 'b', 'c'], dtype=np.str_)

`polars` 1.x 替代 `pandas` 部分场景

 1
 2
 3
 4
 5
 6
 7
 8
 9
10


import polars as pl

# 比 pandas 快 5-30 倍
df = pl.read_parquet("data.parquet")
result = (
 df
 .filter(pl.col("amount") > 100)
 .group_by("category")
 .agg(pl.col("amount").sum())
)

polars 优势：

Rust 写的，多线程 + SIMD
延迟求值（LazyFrame）
内存效率高 50%
不依赖 NumPy

`pydantic` 2.x（Rust 核心）

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


from pydantic import BaseModel, Field
from datetime import datetime

class User(BaseModel):
 id: int
 name: str = Field(min_length=1, max_length=100)
 email: str
 created_at: datetime

# 自动验证 + 序列化（Rust 写的核心，速度 +20x）
user = User(id=1, name="Alice", email="alice@example.com", created_at="2024-01-01")

Python 异步生态 2024+

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18


# asyncio + uvloop（替代默认事件循环）
import asyncio
import uvloop

asyncio.set_event_loop_policy(uvloop.EventLoopPolicy())

# FastAPI 0.110+（主流 Web 框架）
from fastapi import FastAPI
app = FastAPI()

@app.get("/users/{user_id}")
async def get_user(user_id: int):
 return {"id": user_id, "name": "Alice"}

# SQLAlchemy 2.0+ 异步
from sqlalchemy.ext.asyncio import AsyncSession
async with AsyncSession(engine) as session:
 result = await session.execute(select(User).where(User.id == user_id))

AI / LLM 时代 Python 生态

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19


# LangChain 0.3+（LLM 应用框架）
from langchain.chat_models import init_chat_model
from langchain_core.messages import HumanMessage, SystemMessage

model = init_chat_model("gpt-4o", model_provider="openai")
response = model.invoke([
 SystemMessage("你是一个严谨的技术写作助手"),
 HumanMessage("用一句话解释 GIL 是什么")
])
print(response.content)

# 国产替代
from langchain.chat_models import init_chat_model
qwen = init_chat_model("qwen-plus", model_provider="dashscope")

# 端侧小模型
from llama_cpp import Llama
llm = Llama(model_path="./qwen2.5-7b.gguf", n_ctx=4096)
output = llm("Q: 1+1?\nA:", max_tokens=20)

Python 包管理 2024+ 新工具

工具	特点	2024+
uv（Astral 出品）	装包比 pip 快 10-100 倍	强烈推荐
poetry	依赖锁定 + 虚拟环境	主流企业
pdm	PEP 582 标准	国产活跃
rye	统一 Python + 包管理	实验性
hatch	现代构建系统	库作者首选

1
2
3
4
5
6
7


# uv 一行替代 pip / pip-tools / venv / pyenv
curl -LsSf https://astral.sh/uv/install.sh | sh

uv python install 3.13
uv venv
uv pip install -r requirements.txt
uv pip sync requirements.lock

2024+ 工具链推荐

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13


现代 Python 项目
├── 运行时：Python 3.13（3.14 free-threading 实验）
├── 包管理：uv 0.4+（推荐）/ poetry 1.8+
├── 类型检查：mypy 1.13 / pyright 1.1（更快）
├── 格式化：ruff 0.6+（替代 black + isort + flake8）
├── 测试：pytest 8 + coverage
├── 静态分析：ruff + mypy
├── 文档：mkdocs-material 9
├── 异步：asyncio + uvloop
├── Web：FastAPI 0.110+ + SQLAlchemy 2.0
├── 数据：polars 1.x / pandas 2.x
├── AI：LangChain 0.3+ / vLLM / llama-cpp-python
└── 部署：Docker + Uvicorn

数据来源：

跨语言开源生态：Go / Python / 前端学习路径与工具选型

Thu, 15 Dec 2022 00:00:00 +0800

2022 年的今天，“全栈"已经是一个 5+ 年经验的 Java 工程师的必修课——Go 做云原生、Python 做 AI/脚本、前端做 UI。本文盘点 Go / Python / 前端三大生态的开源项目（200+ 仓库），并给出实战学习路径与选型建议。

本文写于 2022 年 12 月——ChatGPT 已经发布 1 年、Go 1.19 刚发布、Vue 3 稳定半年。

一、Go 语言生态（67+ 仓库）

1.1 脚手架

名称	地址	描述
ixre/go2o	github.com/ixre/go2o	Go 商铺管理 O2O
iotfast	github.com/xiaodingding/iotfast	IoT 物联网开发
hotgo	github.com/bufanyun/hotgo	基于 Vue 和 GoFrame
gin-admin	github.com/LyricTian/gin-admin	权限管理
gfast	github.com/tiger1103/gfast	基于 Vue 和 GoFrame
gin-vue-admin	github.com/flipped-aurora/gin-vue-admin	脚手架
go-admin	github.com/go-admin-team/go-admin	go-admin 后端
go-admin-ui	github.com/go-admin-team/go-admin-ui	go-admin 前端

1.2 项目例子

名称	地址	描述
ocrservice	github.com/onestraw/ocrservice	OCR 服务例子
share	github.com/wangming1993/share	Go + gRPC + Consul
go-micro-build	github.com/guaosi/go-micro-build	微服务
WEHousing	github.com/MineCoinChain/WEHousing	微服务
MTBSystem	github.com/wiatingpub/MTBSystem	微服务

1.3 学习

类别	仓库	说明
Dubbo	github.com/apache/dubbo-go-samples	例子
算法	github.com/emirpasic/gods	数据结构
算法	github.com/geekxh/hello-algorithm	算法图解
力扣	github.com/halfrost/LeetCode-Go	力扣 Go 版
教程	github.com/hantmac/Mastering_Go_ZH_CN	mastering go
入门	github.com/GoesToEleven/GolangTraining	入门教程
爬虫	github.com/chromedp/examples	chromedp
爬虫	github.com/thehappymouse/ccmouse	ccmouse
微服务	github.com/xiaopenggithub/zindle	go-zero 学习
微服务	github.com/zeromicro/zero-examples	go-zero
微服务	github.com/zeromicro/zero-doc	go-zero 文档
标准库	github.com/polaris1119/The-Golang-Standard-Library-by-Example	标准库
高级	github.com/chai2010/advanced-go-programming-book	高级编程
入门	github.com/unknwon/the-way-to-go_ZH_CN	入门指南
实战	github.com/astaxie/build-web-application-with-golang	beego 作者

1.4 框架

名称	描述
golang/go	官方仓库
gogf/gf	goframe 框架
go-grpc-middleware	gRPC 中间件
shirou/gopsutil	系统硬件信息
golang/protobuf	Protobuf
protoc-gen-validate	protoc 插件
go-vgo/robotgoro	自动化
shopspring/decimal	大数
robinson/gos7	西门子 PLC
konimarti/opc	OPC DA
go-resty/resty	HTTP 客户端
gomodule/redigo	Redis 客户端
urfave/cli	命令行
spf13/cobra	命令行程序
dtm-labs/dtm	分布式事务
pkg/errors	错误处理
apache/dubbo-go	Dubbo Go
douyu/jupiter	斗鱼微服务
skip2/go-qrcode	二维码
panjf2000/ants	协程池
etcd-io/etcd	服务发现
hashicorp/consul	服务发现
zeromicro/go-zero	微服务
kataras/iris	Web 框架
istio/istio	Service Mesh
asim/go-micro	微服务
aceld/zinx	并发服务器框架
GoAdminGroup/go-admin	Web 框架
gin-gonic/gin	最流行 HTTP 框架
go-netty/go-netty	Netty Go 版
andeya/erpc	erpc
tinygo-org/tinygo	单片机
liangdas/mqant	游戏服务器框架
name5566/leaf	游戏服务器框架
3zheng/railgun	游戏服务器框架
davyxu/cellnet	游戏服务器框架

1.5 库

名称	描述
robfig/cron	定时任务
chromedp/chromedp	爬虫
golang/net	网络
PuerkitoBio/goquery	jQuery 式 HTML 解析
gocolly/colly	爬虫库
zhshch2002/gospider	爬虫
anaskhan96/soup	爬虫
go-gota/gota	数据处理
gonum/gonum	数值计算
op/go-logging	日志
uber-go/zap	结构化日志
sirupsen/logrus	日志
cihub/seelog	日志
go-sql-driver/mysql	MySQL 驱动
go-redis/redis	Redis 客户端
gorilla/websocket	WebSocket
eclipse/paho.mqtt.golang	MQTT
funny/link	TCP 服务
panjf2000/gnet	高性能网络库

1.6 工具

名称	描述
go-package-plantuml	自动生成 UML 类图
jfeliu007/goplantuml	生成类图
distribution/distribution	Docker 镜像仓库
josephspurrier/goversioninfo	打包版本信息
akavel/rsrc	打包资源
schollz/croc	跨网络文件传输
voidint/g	g：Go 多版本管理
flike/kingshard	MySQL 代理
kevwan/go-stash	日志采集
andeya/pholcus	爬虫
mattn/go-sqlite3	SQLite
adnanh/webhook	Webhook
docker/compose	Docker Compose
influxdata/influxdb	时序数据库
pyroscope-io/pyroscope	性能分析
casbin/casbin	权限认证
monkeyWie/gopeed-core	下载工具
davyxu/tabtoy	导表工具
Done-0/fuck-u-code	代码质量检查

1.7 Go 学习路径推荐

graph LR
 A[入门] --> B[基础语法]
 B --> C[Go Module]
 C --> D[协程+Channel]
 D --> E[Web 框架 Gin]
 E --> F[数据库 sqlx/gorm]
 F --> G[微服务 go-zero/istio]
 G --> H[云原生 k8s Operator]

推荐时长：3-6 个月从入门到能上手生产项目。

二、Python 生态（精简）

2.1 框架

名称	地址	描述
kivy	github.com/kivy/kivy	多点触控（移动端 + 桌面）

2.2 Python 工具

注：原 opensource/python.md 工具章节为空，本节为补全。

类别	推荐	描述
Web 框架	Django	全功能 ORM + Admin + 模板
Web 框架	FastAPI	高性能 + 类型注解 + 自动 OpenAPI
Web 框架	Flask	轻量级，适合 API
ORM	SQLAlchemy	工业级 ORM
异步	asyncio + aiohttp	异步 IO
爬虫	Scrapy	工业级爬虫
爬虫	requests + BeautifulSoup	简单爬虫
AI	PyTorch	深度学习
AI	TensorFlow	深度学习
AI	scikit-learn	传统机器学习
数据	Pandas	数据分析
数据	NumPy	数值计算
部署	uvicorn/gunicorn	ASGI/WSGI 服务器
任务	Celery	分布式任务队列
任务	APScheduler	定时任务

2.3 Python 学习路径

graph LR
 A[入门] --> B[基础语法 + 虚拟环境]
 B --> C[常用库 requests/numpy]
 C --> D[Web Flask/Django]
 D --> E[异步 asyncio]
 E --> F[AI PyTorch / 数据分析 Pandas]

三、前端生态（30+ 仓库）

3.1 库

原 opensource/frontend.md 库章节为占位空表

3.2 组件

名称	地址	描述
DataV	github.com/DataV-Team/DataV	前端大屏

3.3 Vue 生态

名称	描述
sass/node-sass	SASS
pagekit/vue-resource	HTTP 客户端
PanJiaChen/vue-admin-template	Vue 模板
logaretm/vee-validate	表单验证
lin-xin/vue-manage-system	后台管理
PanJiaChen/vue-element-admin	最流行后台模板
bailicangdu/vue2-elm	饿了么 App
lzxb/vue-demo	Demo
ElemeFE/v-charts	基于 ECharts 的 Vue 图表
apache/echarts	最流行图表库
ecomfe/vue-echarts	ECharts 的 Vue 组件

3.4 大屏

名称	描述
yyhsong/iDataV	大屏例子
HongqingCao/GitDataV	大屏例子
ddiu8081/ChartFun	大屏例子
lizhensheng/vue-data-view	大屏例子
daoke0818/pro_bigScreenCharts	大屏例子
veaba/ncov	新冠疫情大屏

3.5 其它

名称	描述
varHarrie/varharrie.github.io	个人博客
ColorlibHQ/AdminLTE	后台模板
jquery-validation/jquery-validation	jQuery 验证
hiwanz/wgs2mars.js	坐标系转换（WGS-84 → 火星坐标）

3.6 小程序

名称	描述
EastWorld/wechat-app-mall	微信小程序商城
Tencent/wepy	小程序组件化框架
ecomfe/echarts-for-weixin	ECharts 微信版

四、跨语言项目举例（精华）

4.1 工业级 SaaS 案例

业务领域	Java 方案	Go 方案	Python 方案
后台管理	jeecg-boot	go-admin	Django Admin
电商	yudao-cloud	go-shop	Saleor
物联网	WVP-GB28181-pro	iotfast	Home Assistant
视频	WVP-GB28181-pro	livego	nginx-rtmp
大数据	-	dtm/fabric	Airflow
AI - NLU	-	-	spaCy + Transformers
AI - 视觉	-	-	YOLOv8 + OpenCV

4.2 性能对比（生产实测）

场景	Java (Spring Boot)	Go (Gin)	Python (FastAPI)
HTTP QPS (单核)	1.5-3 万	3-6 万	3000-5000
内存占用（启动）	200-500 MB	10-30 MB	50-100 MB
启动时间	5-15 s	< 100 ms	1-3 s
WebSocket 并发	5-10 万	20-50 万	1-3 万
机器学习	X (JVM)	X (CGO)	✓ (最佳)

五、跨语言学习路径推荐

5.1 Java 工程师学 Go（3 个月）

graph LR
 A[第 1 月] --> B[基础语法/Go Module]
 B --> C[第 2 月]
 C --> D[Gin Web + GORM]
 D --> E[第 3 月]
 E --> F[go-zero 微服务 + Docker]

5.2 Java 工程师学 Python（2 个月）

graph LR
 A[第 1 月] --> B[语法 + 虚拟环境 + pip]
 B --> C[第 2 月]
 C --> D[FastAPI + Pandas]

5.3 Java 工程师学 Vue 3（2 个月）

graph LR
 A[第 1 月] --> B[Vue 3 基础 + Vite]
 B --> C[第 2 月]
 C --> D[Element Plus + Pinia + Router]

六、写在最后

跨语言是 2020+ 工程师的必备技能——Java 写后端、Go 写云原生、Python 写 AI/脚本、前端写 UI。但要警惕"贪多嚼不烂”——

个人建议：

Java 工程师：Go 是必学（云原生趋势）+ Python 选学（AI 趋势）

学 Go 切入点：用 gfast / go-zero 跑通一个微服务 demo

学 Python 切入点：用 FastAPI 写一个内部工具 API

学前端切入点：用 Vue 3 + Element Plus 写一个后台模板

参考资料

CentOS 7 开发环境：Python3 源码编译、Miniconda3 与 Oh My Zsh 实战

Fri, 15 Sep 2017 00:00:00 +0800

一、为什么 2017 年还要在 CentOS 7 手动配 Python3

CentOS 7 的 yum / firewalld / 大量系统工具强依赖 Python 2.7——直接 yum install python3 装出来的 python3 跟系统的 python（指向 2.7）完全分家，但 2017-2019 那几年的社区包又常常把 2.7 假设写死（典型如 subprocess.Popen 默认行为、字符串编码等）。所以生产环境 Python3 的标准装法是源码编译到 /usr/local/python3，再软链 python3 出去——既不影响系统 python，又方便升级。

到了 2017-2019 几年，Miniconda3 在国内也火了起来——比起源码编译，它的好处是：

自带 pip / conda / 大量科学计算包
国内源（清华 / 阿里）一配到底
环境隔离（conda create -n py39 python=3.9）

本篇把 Python3 源码编译、Miniconda3 配源、Oh My Zsh 提效这三件事串成一份"开发机一次配好"清单。

本文写于 2017-09-15。示例基于 CentOS 7.9 + Python 3.7 / 3.9 时代。CentOS 7 已 2024-06-30 进入 ELS 阶段，新机器建议 Rocky / Alma 9。

二、Python3 源码编译（与 Python2.7 共存）

2.1 装编译依赖

1
2
3
4


yum groupinstall "Development Tools" -y
yum install -y openssl-devel bzip2-devel libffi-devel zlib-devel \
 ncurses-devel sqlite-devel readline-devel tk-devel \
 gdbm-devel db4-devel libpcap-devel xz-devel

坑提醒：openssl-devel 一定要装，否则 pip install requests 装好之后跑 HTTPS 会直接报 ssl module not available。

2.2 下载 / 编译 / 安装

1
2
3
4
5
6
7


wget https://www.python.org/ftp/python/3.9.10/Python-3.9.10.tgz
tar -zxvf Python-3.9.10.tgz
cd Python-3.9.10

./configure --enable-optimizations --prefix=/usr/local/python3
make altinstall # 注意是 altinstall 不是 install
make && make install

./configure --enable-optimizations 会跑一遍 profile-guided optimization（PGO），编译时间长 20-30 分钟但性能提升 10-20%，生产环境值得等。

make altinstall 而不是 make install 关键作用：

不覆盖 系统 /usr/bin/python 软链接（系统指向 python2.7）
不动 /usr/bin/pip
装出来的 python3.9 / pip3.9 直接在 /usr/local/python3/bin/

2.3 软链接

1
2
3
4
5
6
7


ln -s /usr/local/python3/bin/python3 /usr/bin/python3
ln -s /usr/local/python3/bin/pip3 /usr/bin/pip3

python3 -V
# Python 3.9.10
pip3 -V
# pip 21.2.4 from /usr/local/python3/lib/python3.9/site-packages/pip (python 3.9)

2.4 virtualenv 隔离

为了避免 pip install 污染系统 Python，每个项目单独开 venv：

1
2
3
4
5
6
7
8


python3 -m venv myenv
source myenv/bin/activate

# 装包
pip install requests flask

# 退出
deactivate

三、Miniconda3 + 国内源

3.1 下载安装

1
2


wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
sh Miniconda3-latest-Linux-x86_64.sh

交互流程：

按空格看完 license
接受 license（输入 yes）
安装路径（默认 ~/miniconda3，回车）
初始化（conda init，输入 yes 让它改 ~/.bashrc）
重开终端生效

3.2 配国内源

~/.condarc：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14


channels:
 - defaults
show_channel_urls: true
default_channels:
 - http://mirrors.aliyun.com/anaconda/pkgs/main
 - http://mirrors.aliyun.com/anaconda/pkgs/r
 - http://mirrors.aliyun.com/anaconda/pkgs/msys2
custom_channels:
 conda-forge: http://mirrors.aliyun.com/anaconda/cloud
 msys2: http://mirrors.aliyun.com/anaconda/cloud
 bioconda: http://mirrors.aliyun.com/anaconda/cloud
 menpo: http://mirrors.aliyun.com/anaconda/cloud
 pytorch: http://mirrors.aliyun.com/anaconda/cloud
 simpleitk: http://mirrors.aliyun.com/anaconda/cloud

清华源（https://mirrors.tuna.tsinghua.edu.cn/anaconda/...）也是常用选择，速度一样快。

3.3 配 pip 源

1
2


pip config set global.index-url https://mirrors.aliyun.com/pypi/simple
pip config set install.trusted-host mirrors.aliyun.com

写到 ~/.config/pip/pip.conf：

1
2
3


[global]
index-url = https://mirrors.aliyun.com/pypi/simple
trusted-host = mirrors.aliyun.com

3.4 常用 conda 命令

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20


# 查版本
conda --version

# 创建隔离环境
conda create -n py39 python=3.9
conda activate py39

# 装包
conda install numpy pandas
# 或 pip（conda 环境里 pip 装也行）
pip install requests

# 退出
conda deactivate

# 列出所有环境
conda env list

# 删除环境
conda env remove -n py39

坑提醒：conda 环境和系统 Python 环境完全独立，pip 装的位置也不一样——一个项目只选一个，别混用。

四、Oh My Zsh 提效

bash 是 CentOS 默认 shell，但 zsh 配合 Oh My Zsh 的自动补全、语法高亮、主题，体验好一个档次。2017-2019 几年国内开发者几乎人手一套。

4.1 装 zsh

1
2
3


yum install -y zsh
zsh --version
# zsh 5.0.2 (x86_64-redhat-linux-gnu)

切换默认 shell（要重登录）：

1

chsh -s /bin/zsh

4.2 装 Oh My Zsh

官方脚本（国内常被 GFW 拦）：

1

sh -c "$(curl -fsSL https://raw.github.com/ohmyzsh/ohmyzsh/master/tools/install.sh)"

国内镜像版（Gitee）：

1
2
3
4
5
6
7


wget https://gitee.com/mirrors/oh-my-zsh/raw/master/tools/install.sh
vim install.sh
# 把 REMOTE 改成 gitee 镜像
# REMOTE=${REMOTE:-https://gitee.com/${REPO}.git}

chmod +x install.sh
sh install.sh

4.3 主题

 1
 2
 3
 4
 5
 6
 7
 8
 9
10


# 看所有主题
ls ~/.oh-my-zsh/themes

# 改 ~/.zshrc
ZSH_THEME="robbyrussell" # 默认简洁
# 改成
ZSH_THEME="ys" # 国人开发，信息密度高
# 还有很多：agnoster、af-magic、jtriley、bira...

source ~/.zshrc

4.4 必装插件

zsh-autosuggestions（灰色提示历史命令）：

1
2
3
4
5
6


git clone https://github.com/zsh-users/zsh-autosuggestions \
 ${ZSH_CUSTOM:-~/.oh-my-zsh/custom}/plugins/zsh-autosuggestions

# 国内 Gitee 镜像
git clone https://gitee.com/hailin_cool/zsh-autosuggestions.git \
 $ZSH_CUSTOM/plugins/zsh-autosuggestions

zsh-syntax-highlighting（命令高亮，错误命令红色）：

1
2
3
4
5
6


git clone https://github.com/zsh-users/zsh-syntax-highlighting.git \
 ${ZSH_CUSTOM:-~/.oh-my-zsh/custom}/plugins/zsh-syntax-highlighting

# 国内 Gitee 镜像
git clone https://gitee.com/Annihilater/zsh-syntax-highlighting.git \
 $ZSH_CUSTOM/plugins/zsh-syntax-highlighting

启用插件——编辑 ~/.zshrc：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10


# 关键：让 zsh 也能加载 /etc/profile（系统环境变量）
source /etc/profile

plugins=(
 git
 zsh-autosuggestions
 zsh-syntax-highlighting
)

source ~/.zshrc

4.5 git 走代理（GFW 友好）

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13


# GitHub 走代理前缀
git config --global url."https://ghproxy.com/https://github.com/".insteadOf "https://github.com/"

# 全局 socks5 代理
git config --global http.proxy socks5://127.0.0.1:1080
git config --global https.proxy socks5://127.0.0.1:1080

# 取消代理
git config --global --unset http.proxy
git config --global --unset https.proxy

# 看所有配置
git config --global --list

五、git 提交 master 没有上游分支

第一次 git push 报：

1

fatal: The current branch master has no upstream branch.

设上游：

1

git push --set-upstream origin master

六、典型坑速查

现象	原因	处理
`python3 -V` 报 `command not found`	没装或没软链	走 §2.3 软链
`pip install` 报 `ssl module not available`	编译时缺 `openssl-devel`	重装 Python 加上 `--enable-optimizations`
conda 装包慢	没配国内源	走 §3.2 配 `.condarc`
Oh My Zsh 安装 git clone 失败	GFW 拦截 GitHub	改用 Gitee 镜像脚本
zsh 主题不生效	没 `source ~/.zshrc`	`source ~/.zshrc` 或重开终端
zsh 找不到系统 PATH 里的命令	没 `source /etc/profile`	在 `~/.zshrc` 第一行加 `source /etc/profile`

七、下一步

想升级到 Python 3.11+ → 重复 §2，但 make altinstall 后别覆盖 /usr/local/python3 目录里的旧版本
想用 pyenv 管多版本 Python → curl https://pyenv.run | bash，但 pyenv 跟 conda 互不兼容，选一个
想给开发机装 Docker → 见 2015-09-15 CentOS 7 全面实战
想换到更现代的 shell → fish，但生态不如 zsh 全（很多运维工具默认 profile 写的是 bash/zsh）

参考资料

2024 视角：Python 3.12 / Miniconda py310 / ohmyzsh 已成"标配"

2017 那篇是 Python 3.6/3.7 时代。2024 视角下，Python 已 3.12 LTS，Miniconda 已支持 mamba 加速，ohmyzsh 仍是默认。

一、Python 3.12 LTS 已成主流

Python 3.10（2021-10）：match-case、类型注解增强。
Python 3.11（2022-10）：性能提升 10-60%（CPython 优化）、异常组（ExceptionGroup）。
Python 3.12（2023-10）：f-string 限制取消、类型注解改进、更精确的错误信息。
Python 3.13（2024-10 计划）：JIT 编译器（实验性）、GIL 改进（PEP 703）。

2024 选 Python 版本：

场景	推荐版本
通用开发	Python 3.12（稳定 + 性能）
AI / 机器学习	Python 3.10/3.11（PyTorch / TensorFlow 兼容）
新项目	Python 3.12
维护老代码	Python 3.8 / 3.9（EOL 2024-10）

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14


# 2024 装 Python 3.12
yum install -y openssl-devel bzip2-devel libffi-devel zlib-devel \
 ncurses-devel sqlite-devel readline-devel tk-devel \
 gdbm-devel db4-devel libpcap-devel xz-devel

wget https://www.python.org/ftp/python/3.12.6/Python-3.12.6.tgz
tar -zxvf Python-3.12.6.tgz
cd Python-3.12.6
./configure --enable-optimizations --prefix=/usr/local/python3
make -j$(nproc)
make altinstall

ln -sf /usr/local/python3/bin/python3.12 /usr/bin/python3.12
ln -sf /usr/local/python3/bin/pip3.12 /usr/bin/pip3.12

二、`pyenv` 已成 Python 版本管理的事实标准

2017 那篇没提 pyenv。2024 主流：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15


# 装 pyenv
curl https://pyenv.run | bash
export PATH="$HOME/.pyenv/bin:$PATH"
eval "$(pyenv init -)"

# 装多版本
pyenv install 3.10.14
pyenv install 3.11.9
pyenv install 3.12.6

# 项目级版本
cd myproject
pyenv local 3.12.6
python --version
# Python 3.12.6

优势：每项目独立 Python 版本，不污染系统。
vs conda：pyenv + venv 已是 2024 主流（conda 在数据科学领域仍主流）。

三、`uv`（Rust 写的 Python 包管理器）成为新王

uv（astral-sh/uv，2024-02 推出）—— Rust 写的 pip 替代品：

1
2
3
4
5
6
7
8


# 装（10x 速度于 pip）
curl -LsSf https://astral.sh/uv/install.sh | sh

# 用（替代 pip + venv + pip-tools）
uv venv myenv
source myenv/bin/activate
uv pip install requests flask
# 比 pip 快 10-100 倍

2024 趋势：新项目大量用 uv，pyproject.toml 标准化。

四、`mamba` / `micromamba` 加速 conda

2017 那篇用 Miniconda。2024 conda 仍然慢——推荐 mamba 或 micromamba：

1
2
3
4
5
6
7
8
9


# 装 micromamba（无需 root）
curl -Ls https://micro.mamba.pm/api/micromamba/linux-64/latest | tar -xvj bin/micromamba
./bin/micromamba shell init -s bash -p ~/micromamba
source ~/.bashrc

# 装包（比 conda 快 5-10 倍）
micromamba create -n py312 python=3.12
micromamba activate py312
micromamba install numpy pandas

2024 数据科学领域仍以 conda / mamba 为主——科学计算包兼容性最好。

五、`poetry` / `pdm` 已成现代 Python 项目管理

传统 requirements.txt + pip 已落后。
2024 主流：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12


# Poetry
curl -sSL https://install.python-poetry.org | python3 -
poetry new myproject
cd myproject
poetry add requests flask
poetry install

# PDM
pip install pdm
pdm init
pdm add requests
pdm install

优势：自动锁文件（poetry.lock / pdm.lock）—— 团队每人装出的环境完全一致。
pyproject.toml 标准化（PEP 621）。

六、Oh My Zsh 的"接班人"

2017 那篇是 ohmyzsh。2024 视角：

ohmyzsh 仍在用，但有更轻量替代：
- Zim（启动快 3 倍）
- Zinit（按需加载）
- Oh My Zsh + 主题精简（去掉 90% 不用的功能）
2024 趋势：
- Starship（Rust 写的 prompt）—— 跨 shell 统一，比 ohmyzsh 默认 prompt 快 10 倍
- Atuin（Rust 写的 shell history）—— 跨机器同步历史命令、全文搜索

1
2
3
4
5


# 装 Atuin
curl --proto '=https' --tlsv1.2 -sSf https://setup.atuin.sh | sh
atuin login
atuin sync
# 跨机器同步历史命令

七、AI 时代的 Python 生态

2024 大量新 Python 项目是 AI / LLM 应用：
- LangChain（LLM 编排）
- LlamaIndex（RAG）
- Haystack（NLP 框架）
- vLLM（LLM 推理）
- PyTorch / TensorFlow（深度学习）
- Transformers（Hugging Face）

1
2
3
4


# 2024 AI 项目的"开发机配置"
micromamba create -n llm python=3.10
micromamba activate llm
pip install torch transformers vllm

八、CentOS 7 → Rocky 9 的 Python 迁移

CentOS 7 默认 Python 2.7（已 EOL）。
Rocky 9 默认 Python 3.9（2024 已 EOL，需升 3.12）。
迁移要点：
- 不要直接覆盖系统 python（影响 yum / dnf）
- 用 pyenv 或 conda 装应用 Python
- 脚本 shebang：#!/usr/bin/python → #!/usr/bin/python3
- pip 2 完全不可用

Windows 开发语言环境实战：Python / Go / JDK / Miniconda3

Thu, 15 Jun 2017 00:00:00 +0800

一、2017 年 Windows 开发语言环境

2017 年的 Windows 开发语言环境呈"三国杀"——Python 3.6 时代数据科学爆发、Go 1.8 进入云原生、JDK 8 仍是 Java 主流（JDK 9 模块化 / JDK 10 var）。本文整理 Python / Go / JDK / Miniconda3 这 4 个"环境配置工具"。

阅读建议：本文面向多语言开发者，重点在Windows 下的环境隔离 + 性能调优。

二、Python 环境

2.1 Python 版本选型

版本	时间	状态
2.7	2010-07	EOL 2020-01-01
3.5	2015-09	EOL 2020-09
3.6	2016-12	EOL 2021-12
3.7	2018-06	EOL 2023-06
3.8	2019-10	EOL 2024-10
3.9	2020-10	EOL 2025-10
3.10	2021-10	维护中
3.11	2022-10	维护中
3.12	2023-10	维护中
3.13	2024-10	维护中

2017 推荐：Python 3.6（f-string、类型注解成熟）。

2.2 Python 安装

官方 https://www.python.org/downloads/windows/：

Embeddable：压缩包，适合便携
Installer：标准安装器
Windows x86-64：64 位（推荐）
Windows x86：32 位（不推荐）

安装时勾选：

☑ Add Python to PATH（关键）
☑ Install launcher for all users

2.3 包管理 pip

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20


# 升级 pip
python -m pip install --upgrade pip

# 装包
pip install requests flask numpy

# 指定版本
pip install django==4.2.0

# 导出依赖
pip freeze > requirements.txt

# 安装依赖
pip install -r requirements.txt

# 换源（国内）
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple requests

# pip config 永久换源
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

2.4 虚拟环境

1
2
3
4
5
6
7
8


# venv（标准库）
python -m venv myenv
myenv\Scripts\activate # Windows 激活
myenv\Scripts\deactivate # 退出

# virtualenv（更强大）
pip install virtualenv
virtualenv myenv

2.5 实战：requests

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15


import requests

# GET
r = requests.get("https://api.github.com")
print(r.json())

# POST
r = requests.post("https://httpbin.org/post", json={"key": "value"})

# 设置代理
proxies = {
 "http": "http://127.0.0.1:1081",
 "https": "http://127.0.0.1:1081"
}
r = requests.get("https://example.com", proxies=proxies)

三、Go 语言

3.1 Go 版本演进

版本	时间	状态
1.0	2012-03	EOL 2013
1.4	2014-12	EOL 2016
1.5	2015-08	编译器自举
1.6	2016-02	HTTP/2
1.7	2016-08	编译加速
1.8	2017-02	GC 延迟降低
1.11	2018-08	Go modules
1.13	2019-09	errors.Is/As
1.18	2022-03	泛型
1.21	2023-08	性能优化
1.22	2024-02	for range 增强
1.23	2024-08	iter 包

2017 推荐：Go 1.8。

3.2 Go 安装

https://go.dev/dl/：

go1.8.windows-amd64.msi
默认装到 C:\Go
自动加 PATH

环境变量：

1
2
3
4


GOROOT = C:\Go
GOPATH = C:\Users\<USER>\go
GOPROXY = https://goproxy.cn,direct # 国内代理
GO111MODULE = auto # Go 1.16+ 默认 on

3.3 Hello World

1
2
3
4
5
6
7


package main

import "fmt"

func main() {
 fmt.Println("Hello, World!")
}

1
2


go run hello.go
go build hello.go

3.4 Go Modules

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


# 初始化模块
go mod init github.com/myuser/myapp

# 添加依赖
go get github.com/gin-gonic/gin

# 下载依赖
go mod download

# 整理 go.mod
go mod tidy

3.5 跨平台编译

1
2
3
4
5
6
7
8
9


# Windows 编译 Linux 二进制
SET GOOS=linux
SET GOARCH=amd64
go build -o myapp-linux

# Windows 编译 macOS
SET GOOS=darwin
SET GOARCH=amd64
go build -o myapp-mac

3.6 实战：HTTP 服务

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15


package main

import (
 "fmt"
 "net/http"
)

func helloHandler(w http.ResponseWriter, r *http.Request) {
 fmt.Fprintf(w, "Hello, %s!", r.URL.Path[1:])
}

func main() {
 http.HandleFunc("/", helloHandler)
 http.ListenAndServe(":8080", nil)
}

四、JDK

4.1 JDK 版本选型

版本	时间	状态
8	2014-03	主流（LTS）
9	2017-09	模块化（非 LTS）
10	2018-03	`var`（非 LTS）
11	2018-09	LTS
14	2020-03	switch 表达式（非 LTS）
17	2021-09	LTS
21	2023-09	LTS

2017 推荐：JDK 8（绝对主流），JDK 9 早期采用。

4.2 JDK 8 安装

Oracle JDK：商业授权（生产要订阅）
OpenJDK：开源（Adoptium / Eclipse Temurin）
Azul Zulu：开源 + 商业

1
2
3


# 验证安装
java -version
javac -version

4.3 环境变量

1
2
3


JAVA_HOME = C:\Program Files\Java\jdk1.8.0_xxx
PATH += %JAVA_HOME%\bin
CLASSPATH = .;%JAVA_HOME%\lib\dt.jar;%JAVA_HOME%\lib\tools.jar

4.4 多个 JDK 切换

SDKMAN（Linux/Mac 友好）或 jenv（跨平台）：

1
2
3
4
5
6
7


# jenv
jenv versions
# 1.8
# 11
# 17

jenv global 11

Windows 上手动改 JAVA_HOME 是最常用方案。

4.5 Java 8 关键特性

Lambda：list.forEach(s -> System.out.println(s));
Stream：list.stream().filter(s -> s.startsWith("a")).count();
Optional：Optional.ofNullable(x).orElse("default")
Date/Time API：LocalDate.now()

4.6 Java 11+ 新特性

var 关键字：var list = new ArrayList<String>();
HTTP Client：HttpClient.newHttpClient()
单文件运行：java HelloWorld.java
ZGC：低延迟 GC

五、Miniconda3

5.1 定位

Miniconda 是 Anaconda 的精简版——只装 Python + conda 包管理器，不预装 200+ 数据科学包。适合：

数据科学 / 机器学习环境
多 Python 版本共存
不污染系统 Python

5.2 安装

https://docs.conda.io/en/latest/miniconda.html：

Miniconda3-latest-Windows-x86_64.exe
不要装到带空格的路径（虽然支持）

5.3 虚拟环境

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14


# 创建环境
conda create -n myenv python=3.10

# 激活
conda activate myenv

# 退出
conda deactivate

# 列出环境
conda env list

# 删除
conda env remove -n myenv

5.4 包管理

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


# 装包
conda install numpy pandas scikit-learn

# 装 pip 包（混合用）
pip install requests

# 导出
conda env export > environment.yml

# 导入
conda env create -f environment.yml

5.5 国内镜像

1
2
3
4
5


# 清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
conda config --set show_channel_urls yes

5.6 conda vs venv vs pip

维度	conda	venv	pip
虚拟环境	✓	✓	✗
包管理	✓	✗	✓
二进制依赖	强（自动装 CUDA / MKL）	弱	弱
包来源	Anaconda 仓库	PyPI	PyPI
速度	慢	快	快
跨平台	✓	✓	✓

经验法则：

数据科学 / ML → conda（自动装 CUDA）
Web 开发 → venv + pip
包发布 → pip（PyPI 是事实标准）

六、Elasticsearch 入门

6.1 安装

官方：https://www.elastic.co/downloads/elasticsearch
历史版本 5.0+ 才支持 SQL
Windows ZIP 解压即用

6.2 启动

1
2


cd C:\elasticsearch-5.0.0\bin
elasticsearch.bat

首次启动会：

创建 elasticsearch 用户（Windows 要以管理员）
监听 9200（HTTP）/ 9300（节点间）

6.3 基础操作

 1
 2
 3
 4
 5
 6
 7
 8
 9
10


# 健康检查
curl http://localhost:9200/_cluster/health

# 索引文档
curl -X PUT "localhost:9200/my_index/_doc/1" \
 -H "Content-Type: application/json" \
 -d '{"title": "Hello", "content": "World"}'

# 搜索
curl -X GET "localhost:9200/my_index/_search?q=hello"

6.4 集群

1
2
3
4
5
6


# elasticsearch.yml
cluster.name: my-cluster
node.name: node-1
network.host: 0.0.0.0
http.port: 9200
discovery.zen.ping.unicast.hosts: ["node-1", "node-2", "node-3"]

七、Tesseract OCR 文字识别

7.1 安装

https://github.com/UB-Mannheim/tesseract/wiki：

Windows 安装包
勾选中文语言包：chi_sim（简体）/ chi_tra（繁体）
加 PATH：C:\Program Files\Tesseract-OCR

7.2 命令行

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


# 识别单张图
tesseract input.png output -l chi_sim+eng

# 识别 PDF
tesseract input.pdf output -l chi_sim+eng

# 输出带坐标的 hOCR
tesseract input.png output hocr

# 输出 TSV（**表格友好**）
tesseract input.png output tsv

7.3 Python 绑定

1
2
3
4
5
6


import pytesseract
from PIL import Image

img = Image.open("screenshot.png")
text = pytesseract.image_to_string(img, lang="chi_sim+eng")
print(text)

7.4 提升识别率

预处理：
- 二值化（cv2.threshold）
- 降噪（cv2.medianBlur）
- 倾斜矫正（cv2.warpAffine）
DPI ≥ 300
多语言组合：chi_sim+eng
--psm 6 单块文本假设

八、组合实战

8.1 Python 数据科学环境

1
2
3
4


conda create -n ds python=3.10
conda activate ds
conda install numpy pandas scikit-learn matplotlib jupyter
pip install requests

8.2 Go + Docker 微服务

1
2
3
4
5
6
7
8
9


# 多阶段构建
FROM golang:1.22 AS build
WORKDIR /app
COPY . .
RUN CGO_ENABLED=0 go build -o myapp

FROM alpine:3.18
COPY --from=build /app/myapp /myapp
CMD ["/myapp"]

8.3 Java 微服务

1
2
3
4
5
6
7
8


# Spring Boot
./mvnw spring-boot:run

# 打包
./mvnw clean package

# Docker
docker build -t myapp:1.0 .

九、常见问题

9.1 Python pip 装包失败

换源（国内）
升级 pip：python -m pip install --upgrade pip
编译器缺失：装 Visual C++ Build Tools

9.2 Go 编译慢

1
2
3
4
5
6
7
8


# 启用编译缓存
go env -w GOCACHE=C:\Users\<USER>\.cache\go-build

# 启用 module 代理
go env -w GOPROXY=https://goproxy.cn,direct

# 启用 module 缓存
go env -w GOMODCACHE=C:\Users\<USER>\go\pkg\mod

9.3 JDK 多版本切换

JAVA_HOME 改环境变量
重新打开 PowerShell
或用 jenv（Windows 10+）

9.4 conda 环境冲突

删除重建：conda env remove -n myenv && conda create ...
清理缓存：conda clean --all

9.5 Elasticsearch 启动报错

JVM 堆不够：调 config/jvm.options -Xms4g -Xmx4g
root 用户：需建 elasticsearch 用户
max_map_count：sysctl -w vm.max_map_count=262144（Linux）

十、下一步

想看 Python 深入：[2024-11-05 Python 入门：核心语法与环境管理]
想看 Java 深入：[2014-04-15 IntelliJ IDEA 全攻略]
想看 Go 微服务：[2017-10-15 ProtoBuf & gRPC 实战]

本文写于 2017 年，回看当时：Python 3.6 f-string 起飞、2017 是 Python 黄金时代的开端；Go 1.8 GC 改善、k8s 生态全面拥抱 Go；JDK 9 模块化实验失败、JDK 11 LTS 才是转折点；Miniconda 至今仍是数据科学事实标准；ES 5.0 是最大的版本断裂——5 款工具 10 年后仍是同类最强。

Python on Liangweidong's blog

Python 入门：核心语法与环境管理（基于 Python 3.13）

目录

1. Python 程序结构

2. 类型与变量

2.1 基本类型

2.2 变量赋值

3. 运算符

4. 字符串

4.1 字面量与转义

4.2 拼接、索引、切片

4.3 常用内置方法

5. 列表

5.1 增删改查

5.2 切片赋值

5.3 常用方法

5.4 推导式（List Comprehension）

6. 流程控制

6.1 if / elif / else

6.2 for 循环

6.3 while / break / continue

7. 虚拟环境：pyenv + venv

7.1 pyenv：管理 Python 版本

7.2 venv：标准库内置（跨平台）

7.3 项目级：用 pyenv + venv 协同

8. pip 与国内镜像

8.1 基础命令

8.2 国内镜像（强烈推荐）

8.3 代理场景

8.4 用 pipx 装命令行工具

9. 常见坑

9.1 缩进错误

9.2 可变默认参数

9.3 浮点比较

9.4 字符串拼接性能

9.5 import 顺序

9.6 is vs ==

9.7 不要用 from module import *

小结

2024+ 视角：Python 3.13 JIT 与 free-threading

Python 3.13 关键变化（已在用）

Python 3.14（2025-10 计划）核心变化

Free-Threading 时代的 Python 并发

2024+ 数值计算新范式

numpy 2.x

polars 1.x 替代 pandas 部分场景

pydantic 2.x（Rust 核心）

Python 异步生态 2024+

AI / LLM 时代 Python 生态

Python 包管理 2024+ 新工具

2024+ 工具链推荐

跨语言开源生态：Go / Python / 前端 学习路径与工具选型

一、Go 语言生态（67+ 仓库）

1.1 脚手架

1.2 项目例子

1.3 学习

1.4 框架

1.5 库

1.6 工具

1.7 Go 学习路径推荐

二、Python 生态（精简）

2.1 框架

2.2 Python 工具

2.3 Python 学习路径

三、前端生态（30+ 仓库）

3.1 库

3.2 组件

3.3 Vue 生态

3.4 大屏

3.5 其它

3.6 小程序

四、跨语言项目举例（精华）

4.1 工业级 SaaS 案例

4.2 性能对比（生产实测）

五、跨语言学习路径推荐

5.1 Java 工程师学 Go（3 个月）

5.2 Java 工程师学 Python（2 个月）

5.3 Java 工程师学 Vue 3（2 个月）

六、写在最后

参考资料

8.4 用 `pipx` 装命令行工具

9.6 `is` vs `==`

9.7 不要用 `from module import *`

`numpy` 2.x

`polars` 1.x 替代 `pandas` 部分场景

`pydantic` 2.x（Rust 核心）

跨语言开源生态：Go / Python / 前端学习路径与工具选型

二、`pyenv` 已成 Python 版本管理的事实标准

三、`uv`（Rust 写的 Python 包管理器）成为新王

四、`mamba` / `micromamba` 加速 conda

五、`poetry` / `pdm` 已成现代 Python 项目管理