转RAG第一周学习

第一周总目标

• ✅ 本地能跑 Python 脚本
• ✅ 能调用大模型 API 并拿到返回结果
• ✅ 对 Python 基础语法恢复“够用”的水平

---

每日任务拆解

第 1 天：环境搭建 + 第一个 Python 脚本

目标：能写、能跑 Python 代码

具体任务：

1. 安装 Python
2. 选一个编辑器：推荐 VS Code，装 Python 插件
3. 新建一个文件夹，比如 rag-learning
4. 在终端验证：python --version 能看到版本号
5. 写第一个脚本 hello.py，内容只有一行：print("Hello, RAG")
6. 运行：python hello.py，看到输出

✅ 今日产出：能写、能跑 Python 脚本

---

第 2 天：Python 语法快速恢复（够用版）

目标：恢复最常用的语法，不用全学

具体任务（边敲边练）：
在 hello.py 里依次练习：

# 1. 变量与打印
name = "RAG"
print(f"Hello, {name}")

# 2. 列表与循环
items = ["苹果", "香蕉", "橙子"]
for item in items:
    print(item)

# 3. 字典
user = {"name": "张三", "age": 18}
print(user["name"])

# 4. 函数
def greet(name):
    return f"Hello, {name}"

result = greet("World")
print(result)

# 5. if 判断
score = 85
if score >= 60:
    print("及格")
else:
    print("不及格")

不用背，知道怎么写、能看懂就行。

✅ 今日产出：以上 5 个语法块都能独立敲出来

---

第 3 天：第三方库 + requests 基础

目标：学会装库、用 requests 发请求

具体任务：

1. 安装 requests 库： pip install requests

2. 写一个脚本 test_request.py，调一个公共 API：

import requests
# 调用一个公开的测试接口
response = requests.get("https://api.github.com/zen")
print(response.text)

3. 理解核心概念：
   • requests.get() 发 GET 请求
   • response.text 拿返回内容
   • response.json() 如果返回 JSON 格式

✅ 今日产出：能成功调一个公共 API 并打印结果

---

第 4 天：注册 API 密钥 + 调大模型接口

目标：第一次成功调用大模型

具体任务：

1. 注册一个 API 平台：
   • 阿里百炼：新用户注册送余额，支持多种模型
2. 拿到 API Key
3. 写脚本调用：

import requests
API_KEY = "你的密钥"
url = "https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions"

headers = {
    "Authorization": f"Bearer {API_KEY}",
    "Content-Type": "application/json"
}

data = {
    "model": "deepseek-v3",
    "messages": [
        {"role": "user", "content": "用一句话解释什么是 RAG"}
    ]
}

response = requests.post(url, headers=headers, json=data)
result = response.json()
print(result["choices"][0]["message"]["content"])

****这里url有个注意的点,阿里云官方文档明确说明了base url的默认值,北京地域为:https://dashscope.aliyuncs.com/compatible-mode/v1,国际地域是:https://dashscope-intl.aliyuncs.com/compatible-mode/v1,但是上面代码里的url是要用base url + /chat/completions拼接起来的.

4. 运行，看到返回结果

✅ 今日产出：成功调用大模型，拿到回答

---

第 5 天：用 FastAPI 把调用包装成服务

目标：从脚本升级成“别人能调用的接口”

具体任务：

1. 安装 FastAPI 和 uvicorn pip install fastapi uvicorn
2. 写一个最简单的 API app.py：

from fastapi import FastAPI
import requests

app = FastAPI()

@app.get("/ask")
def ask(question: str):
    # 调用 阿里百炼 的代码（复用昨天的）
    # 返回结果
    return {"answer": "这里放大模型返回的内容"}

3. 运行服务： uvicorn app:app --reload
4. 测试：打开浏览器访问 http://127.0.0.1:8000/ask?question=你好

✅ 今日产出：有一个本地 HTTP 接口，能通过 URL 参数调大模型

***运行服务器的指令uvicorn app:app --reload这里有点要注意一下,app:app这里第二个app指的是你的项目名,第一个app指的是你的项目路径,像我是把项目app.py放在桌面上的,那我的启动服务的命令就是uvicorn Desktop.app:app --reload;还有这里在浏览器里面运行,得到的结果可能会乱码,看最后面的完整代码就行

---

几个提醒

1. API Key 不要提交到 GitHub，先放代码里没关系，后面会教怎么用环境变量
2. 遇到报错很正常，把报错信息复制到搜索引擎搜，这是必经之路
3. 每天的任务如果完不成，就拆成两天，不要有压力
4. 这周的目标是“能跑”，不是“理解透彻” ，理解可以留到后面

下面是完整的代码:

from fastapi import FastAPI, Response
import requests

API_KEY = "你的api_key"

url = "https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions"

app = FastAPI()
@app.get("/ask")

def ask(question: str, response: Response):
    headers = {
    "Authorization": f"Bearer {API_KEY}",
    "Content-Type": "application/json"
    }

    data = {
        "model": "deepseek-v3",
        "messages": [
        {"role": "user", "content": question}
    ]
    }
    response.headers["Content-Type"] = "application/json; charset=utf-8"#防止浏览器访问结果乱码
    res = requests.post(url,headers=headers,json=data)
    result = res.json()
    print(result)
    resStatus = res.status_code
    if resStatus == 200:
        answer = result["choices"][0]["message"]["content"]
        return {"answer": answer}
    else:
        print("request fail")