Python

一、引言在人工智能时代，智能助手已经成为我们日常生活和工作中的重要工具。今天，我将为大家解析一个名为 EVA 的智能助手项目，这是一个基于 LLM（大语言模型）的自主代理系统，具有执行命令、管理会话、进化学习等强大功能。 EVA 不仅是一个实用的工具，更是学习 Python 高级编程、LLM 集成和系统设计的优秀案例。通过深入分析其代码结构和实现原理，我们可以了解如何构建一个功能完整的 AI 代理系统。 二、项目概览EVA 是一个用 Python 编写的智能助手，主要特点包括： 基于 LLM：集成 DeepSeek 等思考型模型 跨平台支持：兼容 Windows 和 Linux 系统 自主代理：能够执行系统命令、管理文件 会话管理：自动保存和加载会话状态 记忆管理：智能记忆压缩和线索保存 进化能力：能够保存知识和技能，持续改进 三、核心模块解析3.1 导入模块EVA 使用了多个 Python 核心模块和第三方库，构建了完整的功能体系： 12345678910import osimport reimport jsonimport subprocessimport sysimpo...

一、核心概念：求值规则1.1 Scheme 的默认行为：自动求值Scheme 解释器的默认行为是对一切表达式求值。当你输入 (+ 1 2) 时，解释器不会把 +、1、2 当作符号保留，而是： 查找 + 对应的加法函数 求值 1 和 2 得到数字 调用加法函数，返回 3 这是 Scheme 的"本能"——看到代码就执行，就像演员看到剧本就演出。 1.2 quote 的作用：阻止求值quote 的作用是阻止这种默认行为，把代码当作数据处理。它告诉解释器："别执行这段代码，原样返回就好。" 123(+ 1 2) ;; => 3 （求值：执行加法）'(+ 1 2) ;; => (+ 1 2) （不求值：返回列表本身）(quote (+ 1 2)) ;; => (+ 1 2) （同上，' 是语法糖） ' 是 (quote ...) 的简写——它们完全等价。 二、直观对比：有 quote vs 无 quote 表达式 求值结果 说明 42 42 数字...

一、直观对比：普通递归 vs 尾递归1.1 普通递归：阶乘1234def factorial(n): if n == 0: return 1 return n * factorial(n - 1) # 递归调用后还要做乘法！ 关键问题：n * factorial(n - 1) 中，递归调用 factorial(n - 1) 返回后，还要乘以 n。这意味着当前函数的栈帧不能被销毁——它必须等递归返回后继续计算。 1.2 尾递归：阶乘1234def factorial_tail(n, acc=1): if n == 0: return acc return factorial_tail(n - 1, acc * n) # 递归调用是最后一步！ 关键区别：factorial_tail(n - 1, acc * n) 是函数的最后一步操作。递归调用返回后，当前函数直接返回那个值，不需要做任何额外计算。这意味着当前栈帧可以被安全地复用。 核心判断标准：递归调用是否是函数的最后一个操作，且返回值直接就是递归调用的结果，不需要后续计算...

一、引言编写解释器是理解编程语言本质的最佳方式。本文将用 Python 实现一个最小但功能完整的 Scheme 解释器，覆盖三个核心模块： 解析器（Parser）：将字符串代码转换为 Python 内部数据结构 求值器（Evaluator）：根据 Scheme 规则计算数据结构的值 环境（Environment）：存储和查找变量值的"记事本" 二、模块一：解析器2.1 原理Scheme 的语法极其简单——一切都是 S-表达式（括号嵌套列表）。解析过程分两步： 词法分析（Tokenize）：将字符串拆分为 token 语法分析（Parse）：将 token 序列转换为嵌套列表 2.2 实现123456789101112131415161718192021222324252627282930313233343536import redef tokenize(source): tokens = re.findall(r'\(|\)|[^\s()]+', source) return tokensdef parse(tokens...

一、核心定义与直觉1.1 Scheme begin：时间维度的"打包器"begin 将多个表达式组合成一个单一的表达式。核心逻辑是顺序执行（Side-effect sequencing）——先做 A，再做 B，返回 B 的结果。 1234567(begin (display "Hello") (display " ") (display "World") 42);; 打印：Hello World;; 返回：42 begin 是为了解决一个矛盾：函数体只能返回一个值，但在有副作用的语言中需要做多件事。 1.2 Python 逗号：空间维度的"分隔符"逗号 , 是一个分隔符或构造器。核心逻辑是并列关系（Juxtaposition）——它用于分隔参数、列表元素，或者构造元组。它不隐含"先做这个再做那个"的顺序依赖，而是强调"把这些放在一起"。 12345678# 分隔参数print("Hello", "Wor...

一、基础语法与形态对比1.1 C++ switch：基于常量表达式的跳转1234567891011121314int day = 3;switch (day) { case 1: cout << "Monday"; break; // 必须手动 break，否则 Fall-through case 2: cout << "Tuesday"; break; case 3: cout << "Wednesday"; break; default: cout << "Other";} 核心特征： case 标签必须是编译期常量（整数、枚举、字符） Fall-through：不加 break 会继续执行下一个 case 只能做相等性测试（==），不支持范围判断 1.2 Python match：基于模式的结构匹...

一、基础语法与直观理解1.1 基本格式切片的语法格式是 sequence[start:stop:step]，三个参数均可省略。 1.2 "左闭右开"原则切片遵循数学区间 [start, stop) 的约定——包含 start，不包含 stop： 12nums = [0, 1, 2, 3, 4]print(nums[1:3]) # [1, 2] —— 取索引1和2，不取3 这个设计的好处是：stop - start 恰好等于切片的长度，计算起来非常自然。 1.3 负数索引负数索引从序列末尾倒数：-1 是最后一个元素，-2 是倒数第二个，以此类推。 1234nums = [0, 1, 2, 3, 4]print(nums[-1]) # 4 —— 最后一个元素print(nums[-3:-1]) # [2, 3] —— 倒数第三到倒数第二print(nums[-3:]) # [2, 3, 4] —— 倒数第三到末尾 二、进阶操作与技巧2.1 步长的奥秘step 控制切片的方向和跨度： 12345678910nums = [0, 1, 2...

一、引言：从"老式"到"新式"的进化Python 早期的 % 格式化继承自 C 语言的 printf，语法繁琐且类型绑定严格： 123name = "Alice"age = 30print("Name: %s, Age: %d" % (name, age)) format() 作为 Python 2.6 引入的"新式"格式化方法，是 f-string 的前身，也是目前功能最全面的格式化方案。 核心观点：虽然 f-string 更简洁，但 format() 在模板分离和动态格式化场景中依然是王者。 二、基础语法：三种参数传递方式2.1 位置参数12345# 默认顺序"{} {}".format("Hello", "World") # 'Hello World'# 指定索引——可以打乱顺序或重复使用"{1} {...

一、引言：揭开"魔法"的面纱当你写下 len(my_list) 或 my_obj + 1 时，Python 是如何知道怎么做的？ 答案是一套约定俗成的"暗号"系统——特殊名称（Magic Methods）。它们是 Python 对象与解释器之间的通信协议，以双下划线开头和结尾（因此也叫 Dunder Methods，Double UNDERscore）。 掌握这些暗号，你就能让自定义对象像内置类型一样工作。 二、基础篇：对象的"自我介绍"与"生命周期"2.1 对应关系 特殊名称 对应的内置功能 说明 __init__ 对象初始化 构造函数，创建实例时调用 __str__ str() / print() 面向用户的友好展示 __repr__ repr() / 交互式显示 面向开发者的精确描述 2.2 代码演示12345678910111213141516class Person: def __init__(self, name, age): ...

一、引言：字符串的两种面孔在 Python 交互式命令行中，同一个对象可以呈现两种截然不同的面貌： 1234567>>> s = "Hello\nWorld">>> print(s)HelloWorld>>> s'Hello\nWorld' print(s) 展示的是面向用户的友好输出——换行符真的换行了。而直接输入 s，展示的是面向开发者的精确描述——换行符被保留为 \n，还带着引号。 为什么 Python 需要两种方式来表示对象？因为它们服务于不同的受众：用户需要可读性，开发者需要精确性。 核心观点：repr() 追求精确与可复现性，f-string 追求可读性与灵活性。 二、repr()：对象的"官方身份证"2.1 核心概念repr() 旨在返回一个"官方"的字符串表示。理想情况下，这个字符串应该能作为 Python 代码来重新创建该对象： 1eval(repr(obj)) == obj 这不是硬性要求，但对于内置类型（如 int、str...

一、引言：打破"一次性"函数的诅咒普通函数有一个致命特征——一次性。执行到底，return 结果，销毁所有局部变量。人死灯灭，不留痕迹。 但有些场景需要函数"记住"上次执行到哪里了。比如遍历一个大文件，你不想一次性读入内存，而是读一行、处理一行、再读一行。这就需要函数拥有"记忆"——生成器应运而生。 生成器让函数从"单向流水线"变成了"可暂停的状态机"。 二、Yield：时间的暂停与状态的冻结2.1 核心机制当代码执行到 yield 时，函数并没有结束，而是"挂起"了： 保存当前的执行位置和所有局部变量 产出一个值给调用者 交还控制权，等待下次被唤醒 123456789101112131415161718192021def counter(n): i = 0 while i < n: print(f" [生成器内部] 即将 yield {i}") yield i ...

一、核心差异总结一句话概括：C++ 拥有编译期强制访问控制，Python 只有运行时命名约定。 C++ 的 public/protected/private 是编译器强制执行的——违规代码根本无法编译。Python 的 _/__ 前缀只是"君子协定"——技术上你总能绕过去，Python 相信"我们都是成年人"。 二、Python 的三种"伪权限"2.1 Public（var）：普通继承行为没有任何前缀的属性就是公开的，子类和外部都可以自由访问： 1234567891011121314class Animal: def __init__(self, name): self.name = name # 公开属性 def speak(self): # 公开方法 return f"{self.name} makes a sound"class Dog(Animal): d...

一、引言：告别冗长的 For 循环你一定写过这样的代码： 123456names = ["Alice", "Bob", "Charlie"]ages = [25, 30, 35]result = []for i in range(len(names)): if ages[i] > 28: result.append(names[i].upper()) 索引操作、条件判断、手动追加……这段代码能跑，但不够 Pythonic。Python 提供了四个核心内置函数——zip、map、filter、reversed，它们让数据处理像搭积木一样简洁。 更重要的是，它们返回的都是迭代器，采用惰性求值（Lazy Evaluation）——数据不是一次性全部生成，而是按需产出。这意味着处理百万级数据时，内存占用可能只有几个字节。 二、Map：数据转换的流水线2.1 核心作用对序列中的每个元素执行相同的操作（映射）。 1map(function, iterable) 2.2 实战场景批量类型转换： 123st...

一、从"盒子"到"标签"1.1 C语言的"盒子"模型在 C 语言中，变量是一个有固定大小的"盒子"： 1234int a = 10; // 盒子 a 里装着 10int b = a; // 把 a 盒子里的 10 拷贝一份，装进盒子 ba = 20; // 把盒子 a 里的值改成 20// b 仍然是 10，因为每个盒子独立存储自己的值 赋值（a = b）就是把 b 盒子里的东西拷贝一份到 a 盒子里。两个盒子互不干扰。 1.2 Python的"标签"模型Python 的变量更像一张"便利贴"或"标签"，而数据本身是堆内存中的一个"对象"： 1234a = 10 # 创建整数对象 10，把标签 a 贴上去b = a # 把标签 b 也贴到同一个对象 10 上a = 20 # 把标签 a 从 10 撕下来，贴到新对象 20 上# b 仍然贴在 10 上 赋值（a = b）不是拷贝对象，而是给...

一、一个令人困惑的场景你刚学 Python 不久，写了这样一段代码： 123456def try_change(x): x = 100num = 42try_change(num)print(num) # 输出：42 —— 为什么不是 100？ 你期望 num 被改成 100，但它纹丝不动。然而换一种写法： 123456def try_append(lst): lst.append(4)nums = [1, 2, 3]try_append(nums)print(nums) # 输出：[1, 2, 3, 4] —— 居然改了！ 列表却被成功修改了。同一个函数、同一种"传参"，为什么有时改了外面，有时改不了？Python 到底是"传值"还是"传引用"？ 答案是：都不是。Python 使用的是一种更精确的机制——传对象引用（Pass by Object Reference）。 二、核心概念：传对象引用2.1 变量是"标签"，不是"盒子"在 C++ 中，变量是一个&qu...

一、引言如果你写过 functools.partial，或者曾经用闭包"锁定"一个参数，那你其实已经在不知不觉中使用了**柯里化（Currying）**的思想。这个名字来源于数学家 Haskell Curry，而它背后的思想极为简洁：将接受多个参数的函数，转化为一系列只接受一个参数的函数。 从 Python 的视角出发，柯里化不仅是一种函数式编程技巧，更是深入理解闭包、高阶函数与"函数是对象"这三件事的绝佳切入点。 二、什么是柯里化2.1 原始定义在数学和 lambda 演算中，柯里化的定义是： 将一个接受 N 个参数的函数 f(a, b, c) 转化为 f(a)(b)(c) —— 即接受第一个参数返回新函数，新函数接受第二个参数返回下一个新函数，直到收集完所有参数时执行原始逻辑。 2.2 一个直观的例子从一个简单的加法函数开始： 12345# 普通写法：一次接受两个参数def add(a, b): return a + bprint(add(3, 5)) # 输出：8 柯里化之后： 123456789# 柯里化写法：每次只接...

一、引言当你在 Python 中调用一个函数时，解释器在背后做了大量工作来管理变量的"可见性"。为什么函数内部能访问全局变量，但全局却不能直接看到函数内部的变量？为什么嵌套函数能记住外层函数的变量？这一切的答案，都指向一个核心概念——环境模型（Environment Model）。 本文源自 UC Berkeley CS61A 课程的核心内容，带你从"框架（Frame）"的视角理解 Python 的函数调用机制。 二、什么是环境模型环境模型是 Python 解释器用来追踪变量名与值之间绑定关系的一套机制。它的核心思想极其简单： 一个表达式在特定环境中被求值。环境由一系列框架（Frame）组成，每个框架包含一组绑定（Binding）——即变量名到值的映射。 在这套模型中，有两种最关键的结构： 全局框架（Global Frame）：程序启动时就存在的唯一框架，存储全局变量和函数定义 局部框架（Local Frame）：每次函数调用时动态创建的新框架，存储函数的形参和局部变量 三、框架是什么框架本质上是一个上下文（Context），记录着...

一、引言在C++中，我们通过#include指令引用头文件来复用代码，这种方式使得代码结构更加清晰，便于维护和管理。而在Python中，虽然没有直接的"头文件"概念，但通过其强大的模块导入系统，我们同样可以实现类似的代码组织和复用功能。本文将详细介绍Python中如何像C++引用头文件一样组织和导入代码。 二、C++头文件与Python模块的对比2.1 C++的头文件机制在C++中，头文件（.h文件）通常包含： 函数声明 类定义 常量定义 模板声明 通过#include指令，我们可以在源文件中引用这些头文件，从而使用其中定义的内容。 2.2 Python的模块机制在Python中，模块是一个包含Python定义和语句的文件，文件名就是模块名加上.py后缀。通过import语句，我们可以在其他Python文件中导入并使用模块中的内容。 三、Python模块的基本使用3.1 创建模块创建一个Python模块非常简单，只需要创建一个.py文件并在其中定义函数、类、变量等。 例如，创建一个名为utils.py的模块： 1234567891011# utils.py...

一、什么是迭代器？迭代器（Iterator）是 Python 中一种实现了迭代协议的对象，它允许我们逐个访问集合中的元素，而不需要知道集合的内部结构。迭代器必须实现两个方法： __iter__()：返回迭代器对象本身 __next__()：返回下一个元素，如果没有更多元素则抛出 StopIteration 异常 1.1 迭代器的基本使用123456789101112# 创建一个迭代器numbers = [1, 2, 3, 4, 5]iterator = iter(numbers)# 使用 next() 函数获取下一个元素print(next(iterator)) # 输出: 1print(next(iterator)) # 输出: 2print(next(iterator)) # 输出: 3# 使用 for 循环遍历（自动处理 StopIteration 异常）for num in iterator: print(num) # 输出: 4, 5 1.2 自定义迭代器1234567891011121314151617class Countdown: def...

一、什么是列表推导式？列表推导式（List Comprehension）是 Python 中一种简洁、优雅的语法特性，用于快速创建列表。它允许我们在一行代码中完成对序列的迭代、过滤和转换操作，相比传统的 for 循环，代码更加简洁易读。 二、基本语法列表推导式的基本语法如下： 1[表达式 for 变量 in 可迭代对象 if 条件] 表达式：对每个元素执行的操作，结果将作为新列表的元素 变量：从可迭代对象中取出的每个元素 可迭代对象：可以是列表、元组、字符串、range 等 条件（可选）：过滤条件，只有满足条件的元素才会被处理 三、基础用法3.1 简单列表生成123456789101112# 生成 0-9 的平方列表squares = [x ** 2 for x in range(10)]print(squares) # 输出: [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]# 生成 1-10 的偶数列表evens = [x for x in range(1, 11) if x % 2 == 0]print(evens) # 输出: [2, 4...

一、 什么是解包操作？解包（Unpacking）是 Python 中一种强大的语法特性，它允许我们将容器类型（如列表、元组、字典等）中的元素“解压”出来，分别赋值给多个变量。Python 提供了两种主要的解包操作符： *：用于序列解包（列表、元组、字符串等可迭代对象） **：用于字典解包（将键值对解包为关键字参数） 二、 基础解包：无需操作符的简单情况在学习 * 和 ** 之前，我们先了解一下最基本的解包操作： 123456789101112131415# 基本解包 - 左右两边元素数量必须匹配name, age, city = ["Alice", 30, "New York"]print(name) # 输出: Aliceprint(age) # 输出: 30print(city) # 输出: New York# 元组解包同样适用coordinates = (10.5, 20.7)x, y = coordinatesprint(x, y) # 输出: 10.5 20.7# 字符串解包word = "abc"...

一、什么是PIL？PIL（Python Imaging Library）是Python中最常用的图像处理库，它提供了丰富的图像处理功能，如打开、保存、调整大小、裁剪、旋转、滤镜等。PIL已经被Pillow库所取代，Pillow是PIL的一个分支，提供了更多的功能和更好的支持。 二、安装Pillow1pip install Pillow 三、基本操作1. 打开和显示图像123456789101112from PIL import Image# 打开图像img = Image.open('image.jpg')# 显示图像img.show()# 查看图像信息print(f"图像大小：{img.size}")print(f"图像模式：{img.mode}")print(f"图像格式：{img.format}") 2. 保存图像12345678from PIL import Image# 打开图像img = Image.open('im...

一、什么是CSV？CSV（Comma-Separated Values）是一种简单的文件格式，用于存储表格数据，如电子表格或数据库。CSV文件中的每行代表表格中的一行，每行中的值用逗号（或其他分隔符）分隔。 二、Python的CSV模块Python标准库中的csv模块提供了处理CSV文件的功能，它可以帮助你读取和写入CSV文件，处理各种CSV格式的变体。 三、读取CSV文件1. 基本读取123456import csvwith open('data.csv', 'r', encoding='utf-8') as f: reader = csv.reader(f) for row in reader: print(row) 2. 读取为字典123456import csvwith open('data.csv', 'r', encoding='utf-8') as f: reader = csv.DictReader(f) ...

一、引言：打破“魔法”的迷信初学者看到 __init__、__str__ 这种双下划线方法就头大，只能死记硬背。但对于C++程序员来说，这些其实就是编译器在特定时刻自动调用的“钩子函数”。 二、核心类比 Python 的 obj + obj 对应 C++ 的 operator+ 重载 Python 的 str(obj) 对应 C++ 的 operator std::string() 或 toString() 虚函数 Python 的 cls 对应 C++ 的 static 类作用域 三、变身术：类型转换协议 (str vs int)1. __str__ (人类视图) C++ 类比：相当于 C++ 中重载 std::ostream& operator<<(std::ostream&, const T&) 触发时机：当你执行 print(obj) 或 str(obj) 时 用途：返回一个人类可读的字符串 2. __repr__ (机器视图) C++ 类比：相当于调试器中显示对象的逻辑 触发时机：当你在交互式终端中直接输入对象名并回车时 用途：返...

一、装饰器的本质装饰器本质上就是高阶函数加语法糖。你想啊，装饰器做的事情就是：接收一个函数，包一层，返回一个新的函数。这不就是典型的高阶函数吗？ @decorator 等价于 func = decorator(func)，就是把原函数传给装饰器，装饰器决定什么时候调用它、传什么参数进去，然后再返回一个升级后的函数。 二、装饰器的基本结构让我们来看一个最简单的装饰器： 1234567891011121314def simple_decorator(func): def wrapper(*args, **kwargs): print("Before function call") result = func(*args, **kwargs) print("After function call") return result return wrapper@simple_decoratordef say_hello(name): print(f"Hello, &#...