一个月 Python 进阶路线（2026-09-08 → 10-07）¶

定位：接在 Day 1–3 之后，把 Python 从"会写小程序"练到"能写工程化服务"——语言进阶、工程规范、类型系统、Pydantic、日志/正则/文件/SQLite、并发与 asyncio、httpx、FastAPI、测试进阶、架构与封装。本仓库只讲 Python；LLM、agent、MCP 等归 learn-agent 仓库。但每个模块都标注了它是 learn-agent 哪一天的前置知识，两条线可以对照推进。

时间盘子（按你给的数字 + 国务院 2026 年假期安排核实）：工作日晚自习 18:00–22:00 = 4h；周六日、中秋（9/25–27）、国庆（10/1–7）每天 10h+；9/20（周日）调休上课，只有 4h。Day 3 之后合计约 198 小时在座时间、约 150 小时有效学习。

与 learn-agent 的冲突：它也排在 9/7–10/6、约 170 小时。同一批小时不能用两次。本路线按"Python 独占全部时间"排出完整版，同时给出并行版最低配置（第 6 节）；你自己决定怎么切分，两份计划都不会因此失效——本路线的模块是可拆卸的，每个模块标了小时数与前置依赖。

1. 一个月后你能做到什么¶

1. 读懂并写出使用生成器、装饰器、上下文管理器、数据模型（魔术方法）、Protocol、dataclass/Enum 的代码，说出每种写法解决什么问题。
2. 用 src 布局 + pyproject.toml + uv 组织一个可安装、有命令行入口、有类型检查、ruff 零警告、pytest 覆盖率 ≥80% 的包，并用 Git 提交到 cnb.cool。
3. 用 Pydantic 定义带约束的数据模型、做校验与序列化、生成 JSON Schema、用 pydantic-settings 管配置与密钥。
4. 正确使用 logging（分级、格式、文件轮转、JSON 结构化）、正则、pathlib、json/tomllib/csv、sqlite3。
5. 判断一个任务该用 asyncio、线程还是进程，写出结构化并发的 asyncio 代码（TaskGroup、超时、取消、限流），用 httpx 做同步/异步/流式 HTTP 请求并正确重试。
6. 用 FastAPI 写一个分层清晰（路由 / 服务 / 仓储 / 模型）、有依赖注入、有 SSE 流式端点、有测试的 HTTP 服务，并能在 Linux 服务器上跑起来。
7. 交付综合项目 Notebook Service（第 7 节）：它的每一块都是 learn-agent 里 StudyBuddy 要用的积木（FastAPI + SSE、SQLite 记忆、Pydantic 模型、httpx 客户端、日志、测试）。

2. 日历¶

节奏：工作日晚上 = 复习 + 1 个新知识块 + 练习（3 个 50+10 块 + 40 分钟收尾）；周末/假期 = 8 个块（上午 3、下午 3、晚上 2）+ 1 小时复盘。每周日晚（或该周最后一个大块日）：周测 40 分钟（闭卷）+ AI 代码评审 30 分钟。每周一晚开头：上周内容 15 分钟闭卷回忆。

3. 模块总表（小时数 = 在座时间；档位 = 该模块的核心要求）¶

三档标注沿用 Day 1–3 的定义（A 必须掌握 / B 了解会用 / C 知道存在），每个模块内部的分档见对应周计划。

4. 学习方法（沿用，微调）¶

• 50+10 PRIMM 块、8 分钟自检后再问 AI、AI 七条规则（ai-guide.md）全部沿用。进阶阶段新增一条：读源码——每周挑一个标准库模块（contextlib、functools、dataclasses、logging）读 100 行，这是从"会用"到"懂"的捷径。
• 工作日晚上的结构：18:00–18:10 打开昨天的日志，决定今晚 3 块做什么 → 块 1 复习 + 昨日练习收尾 → 块 2 新知识 → 块 3 练习 → 21:10–21:40 小项目推进 → 21:40–22:00 日志 + 明日预览。不在工作日晚上开新的大块（asyncio、FastAPI 的第一天都排在周末/假期）。
• 每天一次 git commit（第 2 周起）：提交信息用简版 Conventional Commits（feat: ...、fix: ...、docs: ...、test: ...）。
• 周测：闭卷 20 题（10 道预测输出、5 道找 bug、5 道写函数），40 分钟；错题进下周一的回忆清单。
• 睡眠：晚自习结束 22:00，23:00 前睡。学习科学的结论没有变。

5. 每周的"完成标准"¶

6. 与 learn-agent 并行时的最低配置¶

如果 Python 线只能拿到一半时间（约 75 小时有效），按下面顺序做，砍掉其余：

1. 必做（≈45h）：M2 装饰器 + inspect（6h）→ M4 数据模型与 Protocol（6h）→ M7 typing（4h）→ M8 Pydantic（8h） → M9 logging + 配置（3h）→ M14 asyncio（8h） → M15 httpx（4h） → M12 pytest 进阶（3h）→ M6 结构与 Git（3h）。
2. 次优先（≈20h）：M1 生成器（4h）→ M3 上下文管理器（2h）→ M11 文件 + SQLite（3h）→ M10 正则（2h）→ M17 FastAPI 精简版（9h：参数/Pydantic/依赖注入/SSE/测试）。
3. 只读不练（≈10h）：M5、M13、M16、M18、M19 各读核心结论 + 跑一遍示例。
4. 综合项目：不做 Notebook Service，把 StudyBuddy 当作综合项目，但用本仓库 plan/capstone.md 的验收清单去检查它的 Python 质量（分层、测试、日志、类型）。

对应关系：learn-agent Day 2（类型/Pydantic/JSON）→ 先做 M7 + M8；Day 3（装饰器/inspect/async/httpx）→ 先做 M2 + M14 + M15；Week 2 记忆（SQLite）→ M11；Week 4 FastAPI + SSE → M17。

7. 综合项目速览：Notebook Service¶

一个"个人知识库"HTTP 服务 + 命令行客户端，只用本仓库学到的 Python 知识，不含任何 LLM 调用：

• FastAPI：/notes 增删改查、/notes/search?q=（正则/关键词）、/import（从 Markdown 目录批量导入，后台任务）、/events（SSE 推送导入进度）、/health。
• Pydantic：请求/响应模型、pydantic-settings 读配置与密钥、JSON Schema 自动出现在 /docs。
• 仓储层：Protocol 定义 NoteRepository，SqliteNoteRepository 实现 + InMemoryNoteRepository 供测试。
• httpx：异步客户端从一个公开 API 拉取数据（带超时与 tenacity 重试），演示"服务调外部服务"。
• logging：控制台 rich + 文件 JSON 轮转；每个请求一条结构化日志。
• typer CLI：nb add/list/search/import，通过 httpx 调自己的服务。
• 测试：单元（仓储、服务）+ API（TestClient）+ 异步（httpx mock）；pytest --cov ≥80%。
• 工程：src 布局、uv build 可安装、ruff 与类型检查零错误、README、Git 历史干净、推送 cnb.cool；可选：在 H20 服务器上用 uv run uvicorn 跑起来并用 ssh -L 在本机访问。

详细规格、里程碑与验收清单见 plan/capstone.md（周 4 结束前给出）。

8. 文件导航¶