企业官网建设流程全解析

【Python实习路线 00】大二开始准备第一份实习：我的 Python + AI 学习路线

«这是我为自己记录的一条学习路线。

从大二开始，我准备系统补充 Python 工程开发能力，同时继续自己的 AI 科研学习，希望在之后能够找到一份 Python / AI 应用相关的实习。»

1. 为什么现在开始准备实习

我是一名计算机科学与技术专业的学生，目前即将进入大二。

在之前的学习中，我把比较多的时间放在了课程学习和科研项目上，也接触并实践了一些人工智能方向的项目。

但是，在这个过程中我逐渐意识到：

“能够完成科研项目”和“具备实际的软件开发能力”并不是一回事。

之前做科研的时候，我更多是在 Linux 服务器上配置环境、阅读论文、运行项目代码、修改模型以及分析实验结果。

这些经历让我接触到了 PyTorch、Transformer、ViT、计算机视觉以及 Test-Time Training（TTT）等内容。

但是，如果让我现在独立开发一个完整的后端或者 AI 应用，我还有很多东西不会。

例如：

• 如何设计数据库？
• 如何设计 API？
• 如何开发一个完整的 Web 后端？
• Redis 到底应该在什么场景使用？
• Docker 如何部署一个完整项目？
• 一个大模型应用从 API 到 RAG 是怎么构建起来的？
• 如何把自己的代码真正做成一个可以使用的项目？

这些问题让我意识到：

«现在开始补充工程能力是比较合适的时间。»

如果等到大三、大四再开始准备实习，时间可能会比较紧张。

所以我希望从现在开始，一边学习，一边做项目，一边记录自己的成长过程。

我希望以后回头看这个博客时，可以看到自己是如何从“会跑科研代码”，逐渐成长到“能够独立开发 AI 应用”的。

2. 我目前的基础

目前我的学习经历主要分成两个部分：

计算机基础 + AI科研实践。

计算机基础

目前已经学习过 C、C++ 等课程内容，对基本的程序设计、数据结构和算法有一定了解。

Python 方面虽然没有进行过非常系统的学习，但是因为科研项目的原因，已经有了一定的实际使用经验。

例如：

• Python
• PyTorch
• Git / GitHub
• Linux
• CUDA / GPU服务器
• 深度学习项目环境配置

AI科研实践

之前参与过一些人工智能方向的科研项目，因此接触过：

• CNN
• Transformer
• Vision Transformer（ViT）
• PyTorch
• 计算机视觉
• 语义分割
• Test-Time Training（TTT）
• 论文阅读
• 论文代码复现
• 实验结果分析

也实际运行和复现过一些相关项目。

在这个过程中，我逐渐熟悉了：

论文
↓
理解模型
↓
配置环境
↓
运行代码
↓
修改代码
↓
实验
↓
分析结果

3. 我目前存在的问题

虽然已经接触了不少 AI 和科研项目，但是如果从“实习要求”的角度重新审视自己，我发现目前还有很多不足。

第一，Python基础不够系统

以前使用 Python 更多是：

«看懂代码 → 修改代码 → 运行代码 → 调试代码»

但是对于 Python 本身的一些机制，我并没有进行系统学习。

例如：

• 面向对象
• 装饰器
• 生成器
• 上下文管理器
• 类型注解
• Python项目结构
• 日志系统
• 异常处理
• 虚拟环境与依赖管理

所以我准备重新系统学习 Python。

第二，工程开发能力不足

目前我的科研代码能力相对多一些，但是：

«从零开始开发一个完整项目的经验比较少。»

尤其是：

• 后端开发
• API设计
• 数据库
• Redis
• Docker
• Web开发

这些都是我需要补充的。

第三，数据库基础比较薄弱

目前对 MySQL 和 SQL 的掌握还比较有限。

但是以后开发一个真正的 AI 应用，不可能所有数据都直接存在 Python 程序里面。

用户信息、论文信息、聊天记录、项目数据等，都需要数据库进行管理。

因此 MySQL 也是我接下来重点学习的内容。

第四，对大模型应用开发还不够熟悉

虽然之前学习过 Transformer，也了解一些模型原理，但是：

«理解 Transformer ≠ 会开发 LLM 应用。»

我还需要继续学习：

• LLM API
• Token
• Embedding
• 向量数据库
• RAG
• Function Calling
• Agent

把以前偏“模型研究”的知识，逐渐扩展到“AI应用开发”。

4. 为什么选择 Python + AI 应用

我目前比较明确的一点是：

«暂时不准备把自己的方向铺得太散。»

与其同时学习 Java、Python、前端、C++、各种 AI 框架，我更希望先把自己已经有基础的方向继续深入。

选择 Python + AI 应用，主要有三个原因。

第一，Python是我目前最熟悉的开发语言之一

虽然 Python 基础并不扎实，但是我已经通过科研项目积累了一定的实际使用经验。

因此相比完全重新学习一门语言，我更希望先把 Python 从：

«“能够运行科研代码”»

提升到：

«“能够独立完成工程项目”。»

第二，我已经有 AI 科研基础

我之前已经接触过：

«PyTorch → Transformer → ViT → TTT → 计算机视觉»

因此如果继续往：

«Python → LLM → RAG → AI应用»

发展，可以形成比较自然的连接。

第三，我希望让“科研”和“工程”结合起来

我不希望因为准备实习就完全放弃科研。

所以我目前给自己规划的是：

我的学习方向 │ ┌───────────┴───────────┐ ↓ ↓ Python实习路线 AI科研路线 │ │

Python工程开发 Transformer
FastAPI ViT
MySQL TTT
Redis CV
Docker 论文复现
LLM 实验分析
RAG 科研创新
│ │
└───────────┬───────────┘
↓
AI应用项目

希望最终能够形成：

«既懂 AI，又具备一定工程开发能力。»

5. Python 实习路线

目前我给自己规划的学习路线是：

Python基础
↓
Python工程化
↓
Git / GitHub
↓
Linux
↓
MySQL / SQL
↓
HTTP / Web
↓
FastAPI
↓
Redis
↓
Docker
↓
LLM
↓
Embedding / 向量数据库
↓
RAG
↓
Agent
↓
AI应用项目

具体来说：

第一阶段：Python

系统补充 Python 基础和工程能力。

第二阶段：开发基础

学习：

• Git
• GitHub
• Linux
• HTTP
• MySQL
• SQL

第三阶段：后端开发

重点学习 FastAPI，尝试自己设计和开发 API。

第四阶段：项目工程化

继续学习：

• Redis
• Docker
• 日志
• 异常处理
• 项目部署

第五阶段：AI应用

学习：

• LLM API
• Embedding
• Vector Database
• RAG
• Agent

最后通过完整项目把这些技术串起来。

6. 学习目标

我希望自己接下来不是单纯“学很多技术”，而是达到一些比较具体的目标。

Python方面

能够：

«独立完成一个结构比较规范的 Python 项目。»

后端方面

能够：

«使用 FastAPI 独立设计和开发基本的 Web API。»

例如：

/register
/login
/upload
/documents
/chat
/history

数据库方面

能够：

«独立设计基本的 MySQL 数据库，并完成增删改查以及基本的 SQL 查询。»

工程方面

能够：

«使用 Git 管理项目，并使用 Docker 完成项目部署。»

AI方面

能够：

«独立调用大模型 API，并完成一个真正能够使用的 RAG 应用。»

最终目标

我希望最终达到的状态不是：

«“我学过 Python、FastAPI、MySQL、Redis、Docker……”»

而是：

«“我可以使用这些技术独立完成一个 AI 应用项目。”»

这是我给自己设定的核心目标。

7. 项目规划

学习技术的最终目的还是为了做项目。

因此我准备边学习边开发自己的项目，而不是等所有课程全部学完以后才开始。

目前比较确定的一个项目方向是：

AI科研知识库

这个项目也和我目前的科研方向比较契合。

设想中的基本流程：

用户
↓
上传论文PDF
↓
PDF文本解析
↓
文本切分
↓
Embedding
↓
向量数据库
↓
检索相关内容
↓
RAG
↓
LLM
↓
生成回答

例如，我可以上传一篇关于 TTT 或 Transformer 的论文，然后询问：

«“这篇论文主要解决了什么问题？”»

«“作者提出的方法和传统方法有什么区别？”»

«“实验中使用了哪些数据集？”»

系统根据论文内容进行检索，然后让大模型基于检索到的内容回答。

后续还可以加入：

• 用户注册与登录
• 论文管理
• 聊天记录
• 关键词搜索
• 引用来源
• Redis缓存
• Docker部署
• Agent功能

这个项目既可以锻炼我的 Python 工程能力，也可以和自己的科研方向结合起来。

8. 后续学习记录

从这篇文章开始，我准备正式记录自己的 Python 实习学习路线。

后续会按照学习进度持续更新，例如：

【Python实习路线 01】
Python基础：变量、数据类型与基本运算

【Python实习路线 02】
Python列表、元组、字典与集合

【Python实习路线 03】
Python函数、参数与返回值

【Python实习路线 04】
Python文件操作与JSON

【Python实习路线 05】
Python异常处理与模块

【Python实习路线 06】
Python面向对象

……

【Python实习路线】
Git / GitHub

【Python实习路线】
Linux

【Python实习路线】
MySQL

【Python实习路线】
FastAPI

【Python实习路线】
Redis

【Python实习路线】
Docker

【Python实习路线】
LLM

【Python实习路线】
RAG

【Python实习路线】
AI科研知识库项目

我不希望这些文章只是简单记录“今天看了什么课程”。

我更希望记录：

«学到了什么 → 写了什么代码 → 遇到了什么问题 → 怎么解决 → 最后应用到了什么项目。»

这样几年以后再回头看，这个博客不仅是一份学习笔记，也能够成为自己大学阶段技术成长的记录。

写在最后

现在的我其实还没有真正达到“能够胜任实习”的程度。

Python还需要继续补，工程能力也比较欠缺，数据库、后端和大模型应用也都是刚刚开始。

但是我觉得：

«现在开始并不晚。»

与其一直等到“准备好了”再开始，不如从现在开始，一边学习、一边实践、一边记录。

希望下一次回头看这篇文章的时候，我已经完成了：

Python
↓
工程开发
↓
AI应用
↓
项目
↓
实习

这就是我接下来一段时间准备努力的方向。

从现在开始，记录自己的成长。