AI For Good, Python For Everything!

type

date

slug

status

summary

标题源起

这个标题来自于今年的上海对外经贸大学的 PyCon China大会。

PyCon China 是中国Python开发者大会，每年都会定期举办，而自从2023年我参加起，其主题都聚焦在AI方向。

Python 与 AI

1.“Life is short, you need Python!” ——人生苦短，(再来一碗)我用Python

在之前的Python官网上写着Youtube的软件架构师 Cuong Do说的一句话：“Python能够使我们在最短的时间内以最少的人员开发出可维护功能。”

Python的优点在于

（1）跨平台性好

Python程序可以一次编写到处运行，不受不同操作系统的限制，节省了重复开发的时间。Python解释器可以将源代码逐行翻译成机器码，使得开发人员可以在不同的平台上使用相同的语法和标准库无缝运行，不需要任何修改。

如果我用Python ，那么就可以在学校电脑、家里电脑、手机、平板、苹果上运行。

（2）高度扩展性

Python拥有一个庞大而丰富的第三方库和包生态系统，使得开发者能够轻松地利用现有资源进行开发。如NumPy, Pandas，wxPython等官方或第三方库可以帮助处理各种工作，包括正则表达式、文档生成、单元测试、网页浏览器等，其扩展性好。

这个对我们幼儿园老师来说就类似于搭积木的时候类型多，我要什么形状的都有，直接组合在一起就可以了。

（3）可读性好

Python的可读性好，摒弃了指针的操作，简化了语法。初学者可以快速入门，同时团队合作与代码维护更加容易，此外，Python 还提供了丰富的文档支持和社区支持，可以帮助开发者解决遇到的问题。

简单，类似于英语，看得懂英语就可以看得懂python代码。

2.最受欢迎编程语言排行榜断层第一

连续几年TIOBE排行榜Python排名第一，最低的排名2003年2月也排名第13。

3.我们能用Python干嘛？

对于老师来说，最基本的就是让繁琐的工作自动化。

在这本非常著名的《Python 编程快速上手》——让繁琐工作自动化中就提到了，我们可以用来做什么，相信所有老师每天必不可少的就是Office系列软件，Word,Excel等等，Python可以做。

e.g. 2020年疫情开始，需要每天健康打卡。不过没有推行企业微信电子打卡，当年我们全部用的问卷星填报数据，那每天的数据摆在这儿，几个月加起来几千条的数据，我们还要核对几百个名字里面有谁没打卡，提醒班级老师通知家长打卡。

最开始，我们分屏核对，一个一个的按顺序比较，两百多个孩子先筛选删除家长重复填的，再根据第一次的正确名单排序核对，顺序不对就说明有人没打卡。

每天核对两百多个孩子，起码二三十分钟花在上面了，还要关注这些孩子通知了以后有没有打卡，于是我想能不能解放双手呢？

那会儿对编程稍有了解，学了点Python的皮毛，然后就初生牛犊不怕虎，就上啦。当年暑假里面也没有ai来问，不说chatgpt,deepseek了，就在百度里面找教程，表导出来是excel，我就找Python中能处理excel的库，然后怎么操作，一步一步的试验。

恰逢暑假，也有时间，成功搞了一个乌漆嘛黑的界面程序，然后每天剩下来的事情就只变成从问卷星导出解压excel文件，拖到这里面来，再截图发给各个班老师了。

4.不会编程怎么办？

网上搜寻

吾爱破解

很多网络上都已经有现成的工具，但是凭借一些软件管家是找不到的，我们可以从一些论坛、网站、贴吧上下载，例如说吾爱破解，这个论坛里面有很多都是自己开发的小工具。

GitHub

当然提到开发，下面的这个全球最大的~~同性交友平台~~ 开源代码社区GitHub是逃不掉的。这张已经包浆了的图其实是程序员主页。

现在GitHub已经改版了，外形变了，内里没变，里面还藏着许多宝藏，例如DeepSeek就将源代码放在上面。我们的安全教育平台现在已经改版了，在没改版之前，GitHub上面也提供了许多工具答题。

5.没有资源——问AI

各种AI用海量知识进行训练，例如说DeepSeek 满血版拥有671B（6710亿）的参数，其知识量会远远大于人类，所以，问AI是一个比较靠谱的选择。

但也只是比较靠谱，AI其实质其实是根据上一个Token推测下一个Token有可能是什么，并把可能性最大的那个Token输出，而非是基于逻辑推理，同时训练数据有可能有误，所以会出现幻觉。

例如说让ChatGPT推荐几本科幻小说。它兴致勃勃地介绍了一本《星际迷航：第四维度的阴影》，说是阿西莫夫2001年的绝笔之作。听起来很棒，对吧？可惜一查才知道，这本书根本不存在，阿西莫夫也早在1992年就去世了。

但不可否认的是，AI能够在我们工作中起到非常大的作用，从效率到自动化，其已经渗透在了方方面面。

人工智能的浪潮奔涌向前，不断拓展着人类创新的边界。在这股席卷全球的浪潮之中，Python 作为 AI 生态的核心语言，正承载着无数开发者的探索与实践。从科学计算到深度学习，从数据工程到自动化应用，Python 在 AI 的驱动下不断焕发出新的生命力。而与此同时，AI 的快速演进也为我们带来了新的挑战，成为开发者、社区与行业需要共同面对的全新课题。

如何利用AI

1.对话框

对话框是最常见的 LLM 交互形式，从 ChatGPT 开始就广为人知。其场景包括但不仅限于回答问题、信息检索、对话交流、文字游戏等等。它的输入和输出都是文本或富文本。

对话框的核心优势在于其有状态性——能够记住对话历史，支持多轮深入交互。用户可以持续探讨同一话题，逐步完成复杂任务。然而这种形式也有其局限性：用户需要明确表达自己的需求，而开放性的交互界面有时反而让人不知从何开始。

2.搜索框

相比对话框的开放性，搜索框更加简洁明确，主要聚焦于两种不同的使用场景：问答和检索。

在问答场景中，用户输入明确的问题，通常以疑问词开头，如"今年 PyCon China 是什么时候？"或"Python 的依赖 lock 机制如何运作？"。而在信息检索场景中，用户则输入关键词或短语进行索引查找，如"PyCon China 2025"、"PEP 751"等，期望找到具体的网页或资源。

与对话框的有状态性形成对比，搜索框采用无状态的交互模式。每次查询都是独立的，使用简单高效。不过，当用户需要基于搜索结果继续深入追问时，这种交互往往会自然演进为对话框形式。

3.无缝融入工作流程

文本处理应用，例如说WPS。在灵犀的加持下，在功能性上获得了质的提升，实现了从"能用"到"很好用"的关键跨越。

作业帮等学习软件同样经历了显著变化。对话练习、口语对练、作文批改等传统语言学习任务，在基于 AI 的软件中都得到了很好的实现。

此外，邮件分类总结、RSS 信息订阅和整理等过去相对繁琐的功能，在 LLM 的支持下也变得触手可及。

4.原生 LLM 应用：完全依赖 AI 能力的新形态

完全依赖于 LLM 产出文本、序列或数据能力而构建的应用。

Agent 无疑是今年最火热的概念之一。在我看来，它所指的是一个具有通用性的全能助理程序：用户只需输入简单的指令，它就能根据指令完成复杂的任务。根据任务类型的不同，Agent 可以分为两大类：产出内容的 agent 和执行任务的 agent。

产出内容的 agent 中，最典型的例子包括 deep research 和 coding agent。Deep research 虽然仍聚焦于文字任务，但通过多次迭代能够产出综合性报告，有时甚至可以排版成 HTML 格式以提升可读性。Coding agent 则专注于代码产出，尽管用户给出的指令简单，但它能自主探索庞大的代码库，并提供符合用户需求的精准修改。

执行任务的 agent 则有所不同，"点外卖 agent"就是一个很好的例子。这类 agent 的价值不在于文本输出的精妙程度，而在于能否按用户预期完成实际任务。

值得注意的是，尽管 agent 应用功能强大，但大多数仍然采用对话框作为前端交互形式。

Python + AI

1.代码助手兴起：

随着AI的兴起，各大厂商推出了AI 编程助手，国际上GitHub Copilot，Claude，Cursor，国内腾讯的CodeBuddy,阿里的通义灵码，其功能越来越强大，现在我们已经可以用自然语言来叙述，让AI生成一个能用的小程序了。

2.可视化编程

对于好多人来说，编程语法、缩进一点点不对就错，认为编程容错性太低。其实，可视化编程很好的解决了这一点，Python 编写界面用的PyQt 有可视化设计界面，我们可以在qtDesigner软件中拉一拉按钮，格子，将其排布成我需要的样子，内里的逻辑关系，由AI生成。