实操审校说明

本文属于基础可实操教程。Python 安装、虚拟环境、脚本运行、调用 AI API、自动化处理文件等方向都是真实可落地的。需要注意的是，不同 AI 平台的 SDK、模型名称、计费方式和 API 参数会持续变化。

建议测试环境

实操前置条件

1. 能在命令行运行 python --version。
2. 能创建并激活虚拟环境。
3. 能安装第三方包。
4. 如果要调用在线模型，需要准备 API Key，并了解基础计费。

可验证结果

完成教程后，至少应该能验证以下结果：

• 能运行第一个 Python 脚本。
• 能安装并导入第三方库。
• 能从环境变量读取 API Key。
• 能完成一次 AI API 调用或本地自动化任务。
• 能把脚本封装成一个可重复运行的小工具。

版本风险提示

Python 基础语法稳定，但 AI SDK 变化较快。教程中的模型名、接口参数和返回字段可能需要按官方最新文档调整。不要把 API Key 写死在代码里，也不要上传到公开仓库。

官方参考：

• Python 下载：https://www.python.org/downloads/
• Python 官方文档：https://www.python.org/doc/
• OpenAI API Quickstart：https://developers.openai.com/api/docs/quickstart
• OpenAI Python SDK：https://developers.openai.com/api/reference/python/

Python AI 实战教程：从零基础到 AI 应用变现

📅 更新时间：2026 年 6 月

👤 适合人群：Python 零基础或入门级，想做 AI 应用的新手

⏱ 预计阅读时间：35 分钟

一、为什么是 Python + AI？

2026 年，Python 已经成为 AI 开发的事实标准语言。原因很简单：

• 📦 生态最全：OpenAI、Anthropic、Hugging Face 的官方 SDK 都是 Python 优先
• 🚀 入门最快：语法简单，像写英语
• 💼 变现最直接：Python 脚本可以直接自动化工作、卖工具、接项目

2026 年 Python + AI 热门方向

Python AI 变现路径
├── 自动化办公
│   ├── Excel/Word 自动处理
│   ├── 邮件自动回复
│   └── 数据报告自动生成
├── AI 应用开发
│   ├── 企业知识库 (RAG)
│   ├── AI 客服机器人
│   └── 智能数据分析工具
├── 爬虫 + AI
│   ├── 竞品监控
│   ├── 舆情分析
│   └── 数据采集变现
└── AI 内容创作
    ├── 批量文章生成
    ├── 社媒内容矩阵
    └── 图片/视频描述生成

二、Python 快速入门（30 分钟）

如果你已经懂 Python 基础，可跳到第三章。

2.1 安装 Python

1. 访问 https://python.org/downloads
2. 下载 Python 3.11 或以上版本
3. 安装时勾选 "Add Python to PATH" ✅
4. 验证：打开命令行，输入 python --version

2.2 最常用的 10 个语法

# 1. 变量
name = "张三"
age = 25
is_student = True

# 2. 打印
print(f"你好，{name}！你今年 {age} 岁。")

# 3. 列表（数组）
fruits = ["苹果", "香蕉", "橘子"]
print(fruits[0])   # 苹果（从 0 开始）
fruits.append("葡萄")  # 添加

# 4. 字典（键值对）
person = {"name": "李四", "age": 30, "city": "北京"}
print(person["name"])  # 李四

# 5. 条件判断
if age >= 18:
    print("成年人")
elif age >= 12:
    print("青少年")
else:
    print("儿童")

# 6. 循环
for fruit in fruits:
    print(fruit)

# 7. 函数
def greet(name, greeting="你好"):
    return f"{greeting}，{name}！"

print(greet("王五"))         # 你好，王五！
print(greet("王五", "早安")) # 早安，王五！

# 8. 读写文件
with open("test.txt", "w", encoding="utf-8") as f:
    f.write("Hello, World!")

with open("test.txt", "r", encoding="utf-8") as f:
    content = f.read()
    print(content)

# 9. 错误处理
try:
    result = 10 / 0
except ZeroDivisionError:
    print("不能除以零！")

# 10. 列表推导式（简洁写法）
numbers = [1, 2, 3, 4, 5]
squares = [n ** 2 for n in numbers]
print(squares)  # [1, 4, 9, 16, 25]

三、调用 AI API（核心技能）

3.1 安装 OpenAI SDK（兼容 DeepSeek/MiMo 等）

pip install openai python-dotenv

创建 .env 文件：

DEEPSEEK_API_KEY=sk-你的密钥

3.2 最基础的 AI 调用

import os
from openai import OpenAI
from dotenv import load_dotenv

load_dotenv()

# DeepSeek（便宜，适合新手）
client = OpenAI(
    api_key=os.getenv("DEEPSEEK_API_KEY"),
    base_url="https://api.deepseek.com/v1"
)

def ask_ai(question):
    """最简单的 AI 问答"""
    response = client.chat.completions.create(
        model="deepseek-v4-flash",
        messages=[
            {"role": "system", "content": "你是一个有帮助的助手。"},
            {"role": "user", "content": question}
        ]
    )
    return response.choices[0].message.content

# 使用
answer = ask_ai("Python 和 JavaScript 有什么区别？")
print(answer)

3.3 带历史记录的对话

def chat_with_history():
    """支持多轮对话"""
    messages = [
        {"role": "system", "content": "你是一个专业的 Python 编程助手。"}
    ]

    print("开始对话（输入 quit 退出）\n")

    while True:
        user_input = input("你：").strip()
        if user_input.lower() == "quit":
            break

        messages.append({"role": "user", "content": user_input})

        response = client.chat.completions.create(
            model="deepseek-v4-flash",
            messages=messages
        )

        ai_reply = response.choices[0].message.content
        messages.append({"role": "assistant", "content": ai_reply})

        print(f"\nAI：{ai_reply}\n")

chat_with_history()

四、实战项目一：AI 文章批量生成器

场景：公众号/网站需要大量文章，用 AI 批量生成。

import os
import json
from openai import OpenAI
from pathlib import Path

client = OpenAI(
    api_key=os.getenv("DEEPSEEK_API_KEY"),
    base_url="https://api.deepseek.com/v1"
)

def generate_article(topic, style="专业", word_count=800):
    """生成一篇文章"""
    prompt = f"""请写一篇关于「{topic}」的文章。

要求：
- 文章风格：{style}
- 字数：约 {word_count} 字
- 结构：标题 + 引言 + 3-4 个小节 + 总结
- 语言：通俗易懂，有实际案例
- 格式：使用 Markdown 格式

请直接输出文章内容，不要加任何前缀。"""

    response = client.chat.completions.create(
        model="deepseek-v4-flash",
        messages=[{"role": "user", "content": prompt}],
        temperature=0.8  # 高温度 = 更有创意
    )

    return response.choices[0].message.content

def batch_generate(topics: list, output_dir: str = "./articles"):
    """批量生成文章"""
    Path(output_dir).mkdir(exist_ok=True)

    for i, topic in enumerate(topics, 1):
        print(f"[{i}/{len(topics)}] 正在生成：{topic}")

        article = generate_article(topic)

        # 保存文件
        filename = f"{output_dir}/{i:02d}-{topic[:20]}.md"
        with open(filename, "w", encoding="utf-8") as f:
            f.write(article)

        print(f"  ✅ 已保存到 {filename}")

# 使用示例
topics = [
    "2026年AI工具最新趋势",
    "如何用 Python 实现自动化办公",
    "RAG 技术入门指南",
    "Vibe Coding 改变软件开发方式",
    "跨境电商新手如何选品"
]

batch_generate(topics)
print("\n🎉 所有文章生成完毕！")

五、实战项目二：智能 Excel 数据分析

场景：有一份 Excel 销售数据，让 AI 自动生成分析报告。

import pandas as pd
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("DEEPSEEK_API_KEY"),
    base_url="https://api.deepseek.com/v1"
)

def analyze_excel(file_path: str):
    """读取 Excel 并让 AI 分析"""

    # 1. 读取数据
    df = pd.read_excel(file_path)

    # 2. 生成数据摘要
    summary = f"""
数据基本信息：
- 行数：{len(df)}
- 列数：{len(df.columns)}
- 列名：{list(df.columns)}

数值列统计：
{df.describe().to_string()}

前 5 行数据：
{df.head().to_string()}
"""

    # 3. 让 AI 分析
    prompt = f"""以下是一份 Excel 数据的摘要信息：

{summary}

请根据这些数据，提供：
1. 数据概述（这份数据记录了什么？）
2. 关键发现（最重要的 3-5 个数据洞察）
3. 异常值分析（有没有异常数据？）
4. 业务建议（基于数据的实际建议）

请用清晰的中文回答，使用条目格式。"""

    response = client.chat.completions.create(
        model="deepseek-v4-flash",
        messages=[{"role": "user", "content": prompt}]
    )

    analysis = response.choices[0].message.content

    # 4. 保存报告
    report_path = file_path.replace(".xlsx", "_AI分析报告.md")
    with open(report_path, "w", encoding="utf-8") as f:
        f.write(f"# AI 数据分析报告\n\n")
        f.write(f"**数据来源**：{file_path}\n\n")
        f.write(f"**分析时间**：{pd.Timestamp.now().strftime('%Y-%m-%d %H:%M')}\n\n")
        f.write("---\n\n")
        f.write(analysis)

    print(f"✅ 分析报告已生成：{report_path}")
    return analysis

# 使用示例（你需要准备一个 Excel 文件）
# pip install pandas openpyxl
analyze_excel("sales_data.xlsx")

六、实战项目三：自动化社媒内容生成

场景：给一个话题，自动生成小红书/微信公众号的多种内容格式。

def generate_social_content(topic: str, platform: str = "小红书"):
    """生成社交媒体内容"""

    platform_rules = {
        "小红书": """
- 标题：带 emoji，有吸引力，10-15 字
- 正文：口语化，多换行，每段 2-3 句
- 末尾：3-5 个热门 #话题标签
- 风格：轻松活泼，像朋友分享""",

        "微信公众号": """
- 标题：疑问句或数字开头，引发好奇
- 正文：有逻辑结构，用小标题分段
- 字数：800-1500 字
- 风格：专业干货，有价值""",

        "微博": """
- 字数：140 字以内
- 风格：简短有力，引发转发欲望
- 末尾：1-2 个话题标签"""
    }

    rules = platform_rules.get(platform, "")

    response = client.chat.completions.create(
        model="deepseek-v4-flash",
        messages=[{
            "role": "user",
            "content": f"""请为「{topic}」生成 {platform} 平台的内容。

平台规范：{rules}

请直接输出内容，不需要解释。"""
        }],
        temperature=0.9
    )

    return response.choices[0].message.content

# 批量生成三个平台的内容
topic = "2026年必学的5个AI工具"
for platform in ["小红书", "微信公众号", "微博"]:
    print(f"\n{'='*40}")
    print(f"📱 {platform} 内容：")
    print('='*40)
    print(generate_social_content(topic, platform))

七、Python AI 变现路径

🎯 新手第一单：帮人写自动化脚本

常见需求（闲鱼/微信群找客户）：

📦 进阶：做工具卖订阅

1. 用 Streamlit 做可视化界面
2. 部署到云服务器（腾讯云/阿里云，约 ¥60/月）
3. 收月费（¥29-99/月）

总结

🎯 今天的行动：安装 Python，运行本教程第三章的 ask_ai() 函数，感受一下 AI API 的魅力！

*参考：B站 Python+AI 入门全套教程（2026 版）| CSDN Python AI 实战指南 | cnblogs Python+AI 入门路线*