本文来自《AI 应用开发课程》月份 1 课程文档，已整理为网站文章版本。
1. 文档定位
这是一套面向以下读者的课程文档：
- 有其他编程语言经验。
- 对 Python 基础不熟。
- 对 AI 应用开发、LLM API、FastAPI、LangChain 没有系统经验。
- 希望只靠文档学习和亲手操作，就完整完成月份 1 的能力建设。
本课程不是“资料链接集合”，而是一套可以逐步照做的训练手册。你需要边读边做，不能只阅读不操作。
2. 月份 1 的最终目标
完成本月后，你应当能够独立完成以下事情：
- 使用
uv创建并管理 Python 项目。 - 理解并写出带类型注解、异常处理和异步逻辑的 Python 代码。
- 使用 DeepSeek 的 OpenAI 兼容接口完成普通对话、结构化输出、流式输出和 Tool Calling。
- 使用 FastAPI 暴露最小 AI 服务接口。
- 使用 LangChain 的核心抽象重写部分纯 API 逻辑。
- 完成一个“研发助手”项目，同时提供 CLI 和 FastAPI 两种入口。
3. 建议学习顺序
虽然目录按知识体系组织，但实际学习必须按下面顺序进行：
- 先读 02-环境准备与学习方法.md
- 再读 01-4周学习节奏表.md
- 然后进入
01-Python语言补位 - 完成
02-Python工程化基础 - 继续进入
03-LLM_API与Prompt基础 - 学完
04-Tool_Calling基础 - 再学
05-FastAPI服务化基础 - 接着学
06-LangChain核心抽象入门 - 最后完成
07-综合项目-研发助手 - 遇到名词、报错或命令问题时，回查
08-附录
4. 学习节奏原则
- 本月预计总投入：
60-72小时。 - 推荐节奏：每周
15-18小时，每天2-3小时，至少保证5天学习。 - 不建议把所有内容压缩到周末集中完成，因为 API、框架和项目化能力都依赖持续练习。
5. 学习方式
每一课都按同一结构编写：
- 学习目标
- 前置知识
- 核心概念
- 操作步骤
- 代码讲解
- 实验任务
- 自测题
- 作业与验收
- 常见错误
- 延伸阅读
你的执行方式也应固定：
- 先通读本课目标和前置知识。
- 按文档逐步输入命令和代码，不要跳步。
- 每完成一节就做实验任务。
- 每完成一个模块就做作业与验收。
- 将自己的问题、错误、结论记录到单独的学习笔记中。
6. 项目主线说明
本月所有例子和最终项目都围绕“研发助手”主线展开。原因有三个：
- 你已有编程背景，研发场景更容易理解。
- 研发助手天然适合 CLI、API、日志、工具调用等主题。
- 后续月份 2 到月份 4 可以继续扩展为知识问答、Agent 工作流和完整系统。
本月的“研发助手”不是全能 AI 平台，而是一个最小可用工具，重点是练能力，不是堆功能。
7. 月份 1 能力地图
flowchart TD
A["Python 语言补位"] --> B["Python 工程化"]
B --> C["LLM API 与 Prompt"]
C --> D["Tool Calling"]
D --> E["FastAPI 服务化"]
E --> F["LangChain 核心抽象"]
F --> G["研发助手综合项目"]你必须按这个方向推进。不要反过来先做项目，再倒逼补基础。那样通常会得到一个能跑但解释不清、维护不了的半成品。
8. 本月产出物
你至少应当输出以下成果：
- 一个
llm_api_lab练习项目 - 一个
prompt_lab练习项目 - 一个
fastapi-ai-service练习项目 - 一个
rd-assistant综合项目 - 一份自己的学习记录
- 一份问题复盘记录
9. 学习完成的判定标准
只有同时满足以下条件，才算真正完成月份 1：
- 你可以从零创建项目并配置依赖。
- 你可以解释主要代码结构，而不是只会复制。
- 你可以独立调通一次 DeepSeek 请求并排查常见错误。
- 你可以说明为什么某段逻辑应该放在核心服务层，而不是 CLI 或 API 层。
- 你可以自己写出一个最小工具调用循环。
- 你可以用自己的话说明 LangChain 帮你省了什么，也隐藏了什么。
如果只是“能运行教程代码”，不算学会。
10. 使用本课程时的纪律要求
- 不要跳过 Python 补位单元。
- 不要一开始就追求 UI。
- 不要把文档当成博客扫读。
- 不要因为一段代码能运行，就停止理解其结构。
- 每次出错先看 常见报错排查.md。
11. 下一步
从 02-环境准备与学习方法.md 开始。
12. 为什么这个月份 1 必须按课程文章的方式学习
很多人学 AI 应用开发时会犯一个常见错误：把学习资料当成“目录”，而不是“训练过程”。他们看很多博客、抄很多代码、收藏很多链接，但一个月后仍然无法回答这几个基础问题：
- 为什么 Python 项目要拆成
client、service、api三层？ - 为什么 Tool Calling 不是“模型自己去执行工具”？
- 为什么 FastAPI 路由层不应该直接发模型请求？
- 为什么结构化输出既要写 Prompt，也要做程序校验？
如果这些问题答不上来，后面做 RAG 和 Agent 时会不断撞墙。原因不是缺少新知识，而是月份 1 的地基不够稳。
因此，这个月份 1 的使用方式不是“快速翻完”，而是“逐章读透、逐章动手、逐章复盘”。你应当把它当成一本实战型课程博客，而不是一组文档索引。
13. 本章与前文关系
这是月份 1 的总入口，没有前置课程内容，但它承接了路线图文档中“月份 1 做基础底盘”的要求，并把原始路线拆成可执行的课程路径。
如果你是从 AI应用技术学习路线图_v4.1.md 直接跳过来的，你需要理解一件事：
- 路线图负责定义方向。
- 本课程包负责把方向变成可以一步步执行的学习过程。
14. 本章在研发助手项目中的位置
整个月份 1 的最终项目是“研发助手”。这意味着你学到的每一项基础能力，都不是孤立知识点，而是为项目中的某个构件服务：
| 当前模块 | 在研发助手项目中的作用 |
|---|---|
| Python 基础 | 让你能读懂和改写项目代码 |
| 工程化 | 让项目目录、配置、测试和日志不失控 |
| LLM API | 让项目具备模型调用能力 |
| Tool Calling | 让模型不止会说，还能触发程序能力 |
| FastAPI | 让项目可以服务化对外暴露 |
| LangChain | 让你理解抽象层，而不是只会手搓流程 |
如果你读某一章时觉得“这个知识点好像很独立”，请回到这个表格：几乎每章都对应了研发助手中的一个真实构件。
15. 本章完成后你应该具备的能力
读完本导航文档，你至少应该能做到：
- 明白月份 1 不是语言课，而是 AI 应用开发基础底盘课。
- 明白整个月份 1 的学习顺序和依赖关系。
- 明白为什么必须围绕一个主场景持续推进，而不是每周换项目题目。
- 明白“会运行示例”和“能解释结构”是两种完全不同的能力层级。
16. 如果你卡在这里，先回看哪几章
如果你看到后面某一节时突然迷路，优先回看：
- 不知道为什么学某个模块：回看本导航的“月份 1 能力地图”和“项目主线说明”
- 不知道当前阶段应该做什么：回看 01-4周学习节奏表.md
- 不知道环境准备到什么程度才算完成：回看 02-环境准备与学习方法.md
17. 如何把这套课程真正学会，而不是看过
建议你固定采用下面这套执行节奏：
第一步：先做“阅读前定位”
每次开始一章之前，先回答：
- 这一章解决什么问题？
- 它承接了上一章的哪部分内容？
- 它会为哪一章铺垫？
只要这 3 个问题答不清，说明你还没有进入正确学习状态。
第二步：边读边敲，不允许纯阅读
这类课程与理论教材不同。你的理解必须通过以下动作来固化：
- 真的输入命令
- 真的运行代码
- 真的制造一次错误
- 真的看懂报错
如果你只是“看懂了例子”，那么很可能还没有掌握。
第三步：写最小复盘
每一章结束后，强制写 5 分钟总结：
- 本章真正学会了什么
- 哪些地方仍然在照抄
- 哪段代码最容易忘
- 哪个错误最值得记住
这样的复盘，在月份 2 做实验和月份 3 做 Agent 时会非常有用。
18. 课程使用中的两个重要边界
不追求“看起来学得很快”
月份 1 的核心是底盘。底盘课程的学习体验通常不是炫目的，而是扎实的。你可能会觉得：
- Python 基础不难，但细节很多
- LLM API 不复杂，但边界容易乱
- FastAPI 能很快起服务，但很容易写成一团
这都是正常现象。月份 1 的目标不是做出最酷的东西，而是做出以后能持续长大的东西。
不把“能跑通”误判成“学会了”
以下情况都不能算掌握：
- 你能运行代码，但不能说出目录边界
- 你能得到模型输出，但不能解释消息结构
- 你能调用工具，但不能说明程序与模型各自职责
- 你能起 FastAPI，但不能解释为什么 service 层独立存在
真正的掌握，是“你能自己重建一版最小实现”。
19. 从本章过渡到下一章的桥接说明
接下来请进入 02-环境准备与学习方法.md。
原因很简单：月份 1 后续每一章都依赖稳定的本地环境、统一的目录组织和固定的学习记录方式。如果环境层不稳定，你后面遇到的每个问题都会混杂环境因素，导致你分不清：
- 是自己 Python 没学会
- 还是依赖没装对
- 还是 API Key 没加载
- 还是项目结构本身就混乱
先把环境和学习方式固定住，后面所有章节的认知负担都会下降。