作者因人工智能领域的巨大机会，半年前开始更多使用Python编程。虽然之前仅用于编写小脚本，如抓取YouTube视频元数据的脚本，但Python的便捷性和人性化语法使其逐渐喜欢上这门语言，并认为在AI领域Python是事实上的编程语言。

文章总结

标题: 我转向Python并且真的喜欢上了它
发布时间: 2025年7月15日
来源: César Soto Valero的博客

主要内容

1. 转向Python的原因
   作者在6个月前开始更多地使用Python，主要原因是为了应对AI领域的巨大机会。Python已成为AI领域的事实标准编程语言。尽管作者之前只用Python编写过一些小脚本，但最近为了构建AI应用（如RAG、Agent、GenAI工具等），他决定认真学习和使用Python。

2. Python的优势

   • 生态系统：Python拥有丰富的库和工具，特别适合数据处理和分析。
   • 性能提升：通过Cython等优化编译器，Python的性能得到了显著提升。
   • 语法改进：Python逐渐隐藏了其历史遗留的“丑陋”语法（如__init__、__new__等），使其更加简洁和易用。

3. 项目结构
   作者倾向于使用单体仓库（monorepo）结构来管理Python项目，包含前后端代码。他认为这种结构简单、易于管理，并且适合个人开发者。项目结构通常包括：

   • .github/：GitHub Actions的CI/CD工作流。
   • .vscode/：VSCode的配置。
   • docs/：项目文档。
   • project-api/：后端API，处理业务逻辑和数据处理。
   • project-ui/：前端UI，通常使用Next.js或React。

4. Python工具箱
   作者分享了他常用的Python工具和库，包括：

   • uv：Python包管理工具，用于安装和管理依赖。
   • ruff：快速Python代码格式化工具，集成了isort、flake8等功能。
   • ty：Python类型检查工具，帮助捕获类型错误。
   • pytest：Python测试框架，支持简单的测试用例编写。
   • Pydantic：数据验证和设置管理库，帮助管理配置。
   • MkDocs：用于生成项目文档的静态网站生成器。
   • FastAPI：用于构建RESTful API的框架，具有自动验证和文档生成功能。
   • Dataclasses：Python内置功能，用于简化数据容器的创建。

5. 版本控制和CI/CD

   • GitHub Actions：用于自动化构建和测试，支持跨操作系统。
   • Dependabot：自动检查并更新依赖。
   • Gitleaks：防止敏感信息（如API密钥）被提交到仓库。
   • Pre-commit Hooks：在提交代码前运行检查和格式化工具。

6. 基础设施管理

   • Make：用于自动化常见开发任务，如测试、构建和部署。
   • Docker：用于容器化应用，确保开发环境与生产环境一致。作者使用Docker Compose来管理多个容器服务。

结论

作者通过实际项目经验，发现Python在AI开发、数据处理和API构建等方面表现出色。尽管Python在“生产就绪”应用和Jupyter笔记本之间仍存在差距，但通过合理的工具和项目结构，Python已经成为一个强大且令人愉悦的开发语言。

1. Python的普及与集成：

   • 评论1指出Python默认集成在大多数Linux发行版中，但在BSD系统中并不包含。macOS曾经默认安装Python 2，但后来被移除。
     • 引用："It’s included in the default install of most desktop/server Linux distros (with plenty of exceptions), but I don’t believe any of the BSDs ship it in their base system."
   • 评论15提到，虽然Python解释器在Unix系统中广泛集成，但实际使用中虚拟环境和容器管理工具仍然是必要的。
     • 引用："literally anything beyond 'import json' will likely lead you into the abyss of virtual envs."

2. Python的语法与工具：

   • 评论3讨论了Python的语法改进，认为__init__和__new__等核心方法并非“遗留丑陋”，而是Python的核心特性。
     • 引用："What exactly is the problem with init or new? @dataclass is very nice syntactic sugar, but are we arguing here that having access to initializer/allocator/constructor dunder methods is 'legacy ugliness'?"
   • 评论26认为Python的语法不如Ruby优雅，但其工具和丰富的库使其成为首选。
     • 引用："I really don’t find the Python language elegant at all. I prefer the Ruby syntax. But Python’s tooling, particularly with what Astral is doing (uv, ruff, ty), is so good."

3. Python的包管理与版本问题：

   • 评论4指出Python的版本和包管理是一个噩梦。
     • 引用："Python’s version and package management is nothing short of a nightmare."
   • 评论14提到Python项目中的依赖管理和版本冲突问题，认为这些约束有助于项目的可维护性。
     • 引用："Everyone had their own Python version, dependencies missing from requirements.txt, three way conflicts between 2 dependencies and the python version."

4. Python在AI领域的应用：

   • 评论13和20讨论了Python在AI领域的广泛应用，认为这是由于其丰富的库和易用性。
     • 引用："It’s clear (to me) that big money opportunities are all over AI these days. And guess what’s the de facto programming language for AI? Yep, that sneaky one."
   • 评论23提到Python在AI领域的地位，特别是PyTorch的应用。
     • 引用："Is this referring at all to to PyTorch. If not, any guesses what the author has in mind."

5. Python的调试与维护：

   • 评论28指出Python在跨语言调用和调试方面的困难，特别是在与C++等编译语言交互时。
     • 引用："Debugging python can be...painful. If you have a pure perfect environment dedicated to pure python and all the tooling set up, it can be breezy."
   • 评论19提到代码中的用户体验问题，认为应该更清晰地提示错误信息。
     • 引用："Presenting the user with 'Missing X OR Y' when there’s no reason that OR has to be there massively frustrates the user."

总结：Python因其易用性、丰富的库和在AI领域的广泛应用而受到广泛认可，但其包管理、版本控制和调试问题也备受诟病。尽管语法不如某些语言优雅，Python的工具和生态系统使其在许多场景下成为首选。