Please enable JavaScript.
Coggle requires JavaScript to display documents.
Python 学习路线(面向 Make × Notion × AI 自动化) - Coggle Diagram
Python 学习路线(面向 Make × Notion × AI 自动化)
Python for AI 应用与自动化(为李总定制)
学习目标(务实)
快速成为能与 Make 联动的自动化工程师
能用 Python 处理复杂数据、调用 AI、提供稳定 API
在 3 个月能交付第一个可变现项目(小系统)
学习原则(大白话)
先会用再求深,不必当全栈后端工程师
先解决 Make 做不了的问题:大数据、复杂逻辑、稳定性
每学一项写一个小练习并联到 Notion 项目库
第一部分:入门 + 核心语法(0–2 周)
目标:读写代码、看懂示例、写小脚本
变量与数据类型
字符串 str / 数字 int,float / 布尔 bool
列表 list(数组)/ 元组 tuple / 字典 dict(对象)
大白话:理解 API 返回的这些“容器”
表达式与运算
算术、字符串拼接、索引、切片
控制流
if / elif / else(条件分支)
for / while(循环)
理解什么时候用哪个
函数(def)
参数、返回值、默认值、可变参数
封装常用操作为函数
练习
写 10 个小脚本:解析 JSON、循环处理列表、简单文本清洗
第二部分:文件、JSON 与 I/O(1–3 周)
目标:能读写常见文件并处理 API 数据
文件读写
open / with / pathlib(跨平台路径)
读写 txt / csv / 二进制
JSON 操作
json.load / json.dump / response.json()
理解嵌套对象与数组访问路径
CSV 与 pandas 入门(先基础)
读取 CSV → DataFrame → 过滤导出
文件上传下载
Base64 编码/解码(文件在 HTTP 里怎么传)
练习
实现:HTTP → 拉 JSON → 写 CSV → 存 sample 到 data/
第三部分:HTTP 与与外部系统对接(1–3 周)
目标:能稳定调用第三方 API(Notion / OpenAI / 等)
requests / httpx
GET / POST / headers / params / body
处理超时、重试(简单重试逻辑)
鉴权与 Token
Bearer、API Key、简单 OAuth 概念
把密钥放 env,不要硬编码
解析与容错
判断字段存在(.get 或 try)
对返回做 schema 校验(轻量)
练习
写脚本:调用 Notion API 读一个数据库并保存 sample JSON
第四部分:数据处理核心(pandas 深入)(2–4 周)
目标:能处理表格级别、批量、聚合任务
DataFrame 基本操作
read_csv / to_csv / head / tail
filter / groupby / agg / sort_values
缺失值与数据类型处理
fillna / dropna / astype
分块读取大表(chunk)
处理内存受限的大文件
性能注意
尽量向量化操作,避免 row-by-row loops
练习
实现:从 API 拉 50k 行数据 → 分块清洗 → 汇总报表
第五部分:错误处理、日志与测试(1–2 周)
目标:代码不随便挂,能追踪问题
异常处理
try / except / finally / 自定义异常
logging
logger 配置、文件与轮替、日志级别
重试与幂等
重试库(tenacity)基础用法
幂等设计(避免重复执行影响数据)
单元测试
unittest / pytest 基本用法
写几个关键函数测试
练习
为核心脚本加 logging 与 5 个单元测试
第六部分:构建 API(Flask / FastAPI)(2–3 周)
目标:把 Python 功能做成可被 Make 调用的 HTTP 服务
为什么要 API
Make 调 Python → 返回结构化 JSON
Flask vs FastAPI
Flask 简单快速,FastAPI 性能好且自带文档
输入/输出约定
固定请求 schema → 明确响应 schema
启动与本地测试
uvicorn / gunicorn 基本使用
练习
实现一个 /process 接口:接收 JSON,返回处理结果
第七部分:异步、并发与性能(选学,1–2 周)
目标:懂什么时候需要异步以提高吞吐
asyncio / aiohttp 简介
并发请求:批量 API 拉取优化
multiprocessing / threading 场景区分
批量与分页策略
分页大小与速率控制 tradeoff
练习
用 aiohttp 并发拉取 200 个小 API,统计耗时
第八部分:与 Make/Notion/LLM 的实战集成(2–4 周)
目标:把所有学到的串成端到端可运行流程
Notion SDK(notion-client)
读写数据库、分页查询、创建页面
速率限制 & 分批写入
与 Make 的协作模式
Make 调 Python API → Python 做重计算 → 返回 JSON → Make 写回 Notion
调用 LLM(OpenAI / Gemini)
调用方式、成本意识、prompt 模式
结构化输出(json schema / few-shot)
Embeddings 简介(向量检索)
什么时候用 embedding 做语义检索
用法概念:生成、存储、查询
练习(实战)
构建:Webhook → Make → 调 Python(调用 LLM)→ 结构化结果写 Notion
第九部分:工程化与部署(2–3 周)
目标:项目能稳定运行、可复现、易运维
虚拟环境与包管理
venv / pip / requirements.txt
Docker 基础(容器化)
Dockerfile 简单写法,打包运行
部署选项
Railway / Render / Heroku / VPS 选择建议
CI / CD 简单流程
GitHub Actions 自动测试与部署
监控与健康检查
简单 health endpoint + 运行告警(Slack/Email)
练习
Dockerize 你的 Flask/FastAPI 服务并部署到 Railway
第十部分:安全、密钥与成本控制(必学)
密钥管理
env 文件 / secrets manager(不要硬编码)
定期轮换与最小权限原则
成本控制
LLM 调用预算控制(批量/缓存/批处理)
合理设置 Make 调用频率
数据隐私与合规
PII 识别、脱敏、存储周期
练习
为你的服务添加密钥读取与简单限流策略
项目与练手清单(实战导向)
项目 1:Notion 自动知识卡片工厂
Webhook 收文本 → Python 清洗 + LLM 提取 → Notion 写卡片
项目 2:自动日报系统
Make 定时拉数据 → Python 聚合 → 生成报告 → 邮件发送
项目 3:批量文件处理管线
Watch Drive → 下载文件 → Python OCR/处理 → 上传并记录
项目 4:分页 API 全抓 + 汇总导表
实现可配置的分页器与重试机制
学习节奏建议(为你优化)
周节奏(每周 10–14 小时)
周一–周五:每天 1–2 小时理论+练习
周末:3–4 小时实战项目
优先级(按价值)
1) HTTP / JSON / requests
2) pandas 基础
3) Flask/FastAPI(API)
4) LLM 调用与结构化输出
5) 部署 + 日志 + 测试
里程碑(每月)
第 1 月:能写脚本 + 调 API + 简单 pandas
第 2 月:能做 API 服务 + 集成 Make
第 3 月:端到端可交付项目 + 部署
资源与速查(短句)
官方文档:Python / requests / pandas / FastAPI
示例库:notion-sdk-py、openai、httpx
速查命令:pip install -r requirements.txt, uvicorn main:app --reload
社区与示例:GitHub 搜索 similar projects, StackOverflow
如何把这份内容放到 Coggle
复制整段(包含 Tab 缩进)
粘贴到 Coggle 新画布
展开每个项目节点并贴示例代码/Sample JSON
下一步我为你做(可选)
生成每个节点的“可复制示例代码片段”并放入 Notion 模板
把上面课程拆成 12 周每日学习计划(Notion 打卡表)