尝试简单模块化 AI Agent

📊 Day 7 成果总结

项目名称: 模块化重构 - 将单文件 Agent 拆分为多文件项目结构

核心学习内容:

• ✅ 项目模块化架构:

  • main.py: 主程序入口，负责聊天循环和工具调用协调逻辑
  • tools.py: 工具函数库，包含函数定义、Schema 描述和工具映射表
  • config.py: 配置管理模块，统一管理 API Key、模型参数和系统提示词

• ✅ Python 模块导入:

  • 掌握了 import config 和 import tools 的模块导入方式
  • 理解了模块化带来的代码组织和可维护性提升

• ✅ 环境变量管理:

  • 使用 python-dotenv 库加载 .env 文件
  • 通过 os.getenv() 安全地读取敏感配置（API Key）
  • 学会了将配置与代码分离的最佳实践

• ✅ 代码组织原则:

  • 关注点分离: 配置、工具、主逻辑各司其职
  • 可扩展性: 新增工具只需在 tools.py 中添加，无需修改主程序
  • 可维护性: 修改配置只需改 config.py，代码结构清晰

技术亮点:

• 实现了三层架构: 配置层 (config.py) → 工具层 (tools.py) → 应用层 (main.py)
• 掌握了工具映射表 (tools_map) 的设计模式，实现了函数名到函数对象的动态映射
• 理解了Type Hints (类型提示) 的实际应用：def get_weather(city: str) -> str:
• 学会了常量命名规范：使用大写字母表示配置常量（如 MODEL_NAME, TEMPERATURE）

代码质量提升:

• 从单文件脚本升级为多文件项目结构，符合生产环境标准
• 代码职责清晰，每个文件都有明确的职责边界
• 添加了详细的注释，解释了模块化设计的思路

项目结构:

ai_agent_project/
├── main.py      # 主程序：聊天循环 + 工具调用协调
├── tools.py     # 工具库：函数定义 + Schema + 映射表
├── config.py    # 配置管理：API Key + 模型参数
└── .env         # 环境变量（敏感信息）

下一步方向 (Day 8):

• 🧘 缓冲日：复盘 Day 1-7 的学习成果
• 开始 LeetCode "两数之和"，熟悉 Python 基础数据结构操作

📊 Day 9 成果总结

项目名称: day09_typing.py - Type Hints (类型提示) 实战练习

核心学习内容:

• ✅ 基础类型提示:
  • 参数类型：name: str, age: int
  • 返回值类型：-> str, -> float, -> None
  • 理解了类型提示的基本语法：参数名: 类型, -> 返回类型
• ✅ 集合类型提示:
  • List[int]: 整数列表类型
  • Dict[str, Any]: 字典类型（键为字符串，值为任意类型）
  • 掌握了 typing 模块的导入：from typing import List, Dict, Optional, Any
• ✅ Optional 类型 (可选类型):
  • Optional[int]: 可以是 int 或 None
  • Optional[str] = None: 默认值为 None 的可选字符串参数
  • 理解了可选参数的实际应用场景（如默认参数、过滤条件）
• ✅ 复杂嵌套类型:
  • List[Dict[str, Any]]: 列表中的每个元素都是字典
  • 掌握了多层嵌套类型的表示方法
• ✅ 实际应用场景:
  • 学生信息处理：get_student_info(name: str, scores: List[int]) -> Dict[str, Any]
  • 待办事项过滤：process_todos(todos: List[Dict[str, Any]], ...) -> List[str]
  • 数据库查询：search_db(query: str, limit: Optional[int] = 10) -> None

技术亮点:

• 理解了类型提示的作用：提高代码可读性，帮助 IDE 智能提示，提前发现类型错误
• 掌握了集合类型的表示方法：用 List[...] 和 Dict[...] 表示复杂数据结构
• 学会了Optional 的使用场景：处理可能为 None 的参数和返回值
• 理解了Python 与静态类型语言的区别：类型提示是"提示"而非强制，运行时不会检查

代码质量提升:

• 代码可读性大幅提升：通过类型提示，一眼就能看出函数需要什么参数、返回什么类型
• 为后续学习 Pydantic（Day 10）打下基础：Pydantic 会利用类型提示进行数据验证
• 符合现代 Python 开发规范：Python 3.5+ 推荐使用类型提示

关键概念掌握:

• / vs // 的区别：/ 返回浮点数，// 返回整数（在 calculate_average 函数中的理解）
• 字典访问方式：使用方括号 item["key"] 访问字典值
• 类型提示的层次：从简单类型 (str, int) → 集合类型 (List, Dict) → 可选类型 (Optional)