🙋‍♂️ 前言碎碎念：看视频时“脑子：我会了”，半个月后“手：你放屁”。为了对抗遗忘，我把课程里100多个知识点全部做成了 “图解+一行代码” 的速查卡片。

📌 使用说明：本文没有长篇大论，全是肌肉记忆。重点和避坑点我用了 ⚠️ 和 🔥 标记。建议收藏+打印，写代码卡壳时直接 Ctrl+F 搜关键词！

---

🗺️ 一、 导学模块：全局学习路线
 

🐍 Python基础
写代码的工具

🐧 Linux基础
服务器的系统

🦙 Ollama部署
把大模型跑起来

🔌 Python调用
用代码控制模型

🎨 Streamlit
给模型套个Web壳

🔗 LangChain
让模型长脑子/外挂知识库

💡 我的记忆口诀：Python是手，Linux是地，Ollama是脑，Streamlit是脸，LangChain是外挂！

---

🐍 二、 Python 基础全知识点（地基篇：看图+抄代码）

1 & 2. 入门认知与基础语法

• 环境变量：⚠️ 【血泪避坑】 安装Python必勾选 Add Python to PATH！
• 命名规范：变量 user_name (蛇形)，类 UserName (驼峰)。
• 类型转换：⚠️ 【避坑】 字符串转数字，带小数点必须转两次！

  # 错误：int("12.3") 会报错！
  # 正确：
  num = int(float("12.3"))  # 结果: 12

3 & 4. 字符串与输入

• f-string（永远的神）：🔥 【重点】 忘掉 %s，直接用 f"{变量}"。

  name, price = "苹果", 12.345
  # 直接拼接，还能控制精度（保留2位小数）
  print(f"我买了{name}，花了{price:.2f}元") 

• input输入：⚠️ 【避坑】 input() 拿到的永远是字符串，计算前必转 int()！

5. 分支判断（if）

📝 注意：Python靠缩进（4个空格）认父子，千万别Tab和空格混用！

6. 循环（while / for）

• for 循环与 range：🔥 【重点】 range 顾头不顾尾！

  # 打印 0, 1, 2, 3, 4 （不包含5）
  for i in range(5): 
      print(i)
      
  # 步长为2：打印 0, 2, 4
  for i in range(0, 5, 2): 
      print(i)

• break vs continue：

  关键字	生动比喻	效果
  break	直接退学	砸碎整个循环，跳出去。
  continue	请假逃课	跳过本次，进入下一次循环。

7. 函数体系

• 多返回值：本质是返回元组，直接解包。

  def get_user():
      return "张三", 18
      
  name, age = get_user() # 直接解包接收

• 默认参数陷阱：⚠️ 【避坑】 绝对不要用 [] 或 {} 做默认参数！

  # 错误：def add_item(item, lst=[]): 
  # 正确：
  def add_item(item, lst=None):
      if lst is None: lst = []
      lst.append(item)
      return lst

8. 数据容器（五大门派速查表）

🔥 【核心重点】 这张表建议截图保存在手机里！

容器	符号	形象比喻	核心特点	一眼就会的代码示例
列表	[]	双肩包	有序、可变、可重复	lst = [1,2]; lst.append(3)
元组	()	保险箱	有序、不可变	t = (1, 2) (单元素必加逗号 (1,))
字符串	""	珍珠项链	有序、不可变	s = "abc"; s.upper() (返回新串)
集合	{}	筛子	无序、自动去重	s = {1,2,2}; print(s) ➔ {1, 2}
字典	{k:v}	新华字典	键值对、键不重复	d = {'a':1}; d.get('b', 0) (防报错)

• 切片语法（万能公式）：[start : end : step]

  my_list = [0, 1, 2, 3, 4, 5]
  print(my_list[1:4])   # [1, 2, 3] (顾头不顾尾)
  print(my_list[::-1])  # [5, 4, 3, 2, 1, 0] (步长为负，反转列表！)

9 & 10. 文件操作与异常处理

• 文件读写（终极模板）：🔥 【重点】 永远用 with，自动关文件！

  # r读, w写(覆盖), a追加
  with open("test.txt", "a", encoding="utf-8") as f:
      f.write("追加一行内容\n")

• 异常捕获：⚠️ 【避坑】 别写裸 except:，会吞掉 Ctrl+C！

  try:
      1 / 0
  except Exception as e: # 明确捕获
      print(f"出错了: {e}")

11. 模块与包

• __main__ 魔法：

  # 只有直接运行此文件才执行，被 import 时不执行（防测试代码乱跑）
  if __name__ == '__main__':
      print("我是主程序！")

---

🐧 三、 Linux 基础知识点（服务器生存指南）

💡 我的记忆法：把Linux当成一个“没有鼠标的超级文件管理器”，用场景来记命令。

场景 1：我在哪？我要去哪？这里有啥？

pwd                 # 我在哪？(Print Working Directory)
cd /var/log         # 我要去 /var/log
cd ~                # 回老家(用户主目录)
cd ..               # 退一步(上级目录)
ls -lh              # 这里有啥？(带详细权限和人类可读大小)

场景 2：增删改查（基本功）

mkdir -p a/b/c      # 增：一键创建多级目录 (🔥重点：-p)
touch file.txt      # 增：创建空文件
cp -r dir1 dir2     # 改：复制整个文件夹 (🔥重点：-r)
mv old.txt new.txt  # 改：重命名/移动
rm -rf dir/         # 删：强制递归删除 (⚠️ 删库跑路警告，敲回车前看清！)

场景 3：高阶魔法（效率翻倍）

• 管道符 |：前一个命令的输出，喂给后一个。

  ps -ef | grep python  # 找出所有包含 python 的进程

• 看日志神器：🔥 【大模型开发必备】

  tail -f app.log       # 实时滚动看日志，报错一目了然！

• Vim 编辑器（保命三步曲）：
  1. 按 i 进编辑 ➔ 2. 按 Esc 退编辑 ➔ 3. 输 :wq 保存退出 (或 :q! 强制不保存)。

---

🤖 四、 AI大模型开发核心知识点（实战升华篇）

1. 大模型核心机制（一句话理解）

🧠 通俗理解：大模型就是个 “超级文字接龙游戏”。 Attention（注意力机制） 就是它在接龙时，决定要重点盯住前面的哪些词。（比如“苹果”后面接“手机”还是“好吃”，取决于前面的上下文）。

2. 本地部署 Ollama（把大模型装进电脑）

• Linux 一键安装：

  curl -fsSL https://ollama.com/install.sh | sh

• Python 调用模板：🔥 【重点】 几行代码让本地模型跑起来！

  import ollama
  
  # 像发微信一样给模型发消息
  response = ollama.chat(model='qwen2.5', messages=[
    {'role': 'user', 'content': '用Python写个冒泡排序'},
  ])
  print(response['message']['content'])

3. Streamlit（用Python写前端，不学HTML）

• 核心组件速查：

  import streamlit as st
  
  st.title("我的AI助手")               # 大标题
  user_input = st.chat_input("说点啥") # 底部聊天输入框
  
  if user_input:
      with st.chat_message("user"):    # 显示用户气泡
          st.write(user_input)
      with st.chat_message("assistant"):# 显示AI气泡
          st.write("你好，我是AI！")

• 启动命令：streamlit run app.py（自动打开浏览器）。

4. LangChain（大模型的“手脚和记忆”）

• LangChain 统一调用模板：🔥 【重点】 换模型只需改一行代码！

  from langchain_community.chat_models import ChatTongyi
  from langchain_core.messages import HumanMessage
  
  # 接入阿里云百炼 (通义千问)
  llm = ChatTongyi(dashscope_api_key="你的API_KEY")
  
  # 统一 invoke 调用
  response = llm.invoke([HumanMessage(content="你好")])
  print(response.content)

---

🎓 学生的课后总结（防遗忘心法）

整理完这份“图解字典”，我感觉任督二脉彻底通了。最后送给大家（也提醒我自己）3条心法：

1. 别背代码，背“场景”：比如别死记 tail -f，记住“我要看实时报错”；别死记 with open，记住“我要防文件锁死”。
2. 遇到Bug，先看最后一行：Python的报错信息很长，但最核心的原因永远在最后几行（比如 TypeError, IndentationError）。
3. 把大模型当“外脑”：忘了某个函数的参数？直接把这篇笔记喂给大模型，问它：“帮我生成一个 dict.get() 的实战例子”，比自己翻文档快10倍！

AI 时代的列车不等人！ 如果这份“速查字典”帮你省了哪怕10分钟的查资料时间，求 点赞、收藏、关注 三连！评论区留下你的学习进度，我们互相监督，顶峰相见！🚀