资源介绍
全书共分为 3 个部分，总计 10 个章节，构建了一套从理论到实践、从简单到复杂的完整学习体系。
第一部分 “AI 辅助编程入门”（第 1-2 章）为读者奠定基础。第 1 章系统介绍生成式 AI 在编程领域的应用，包括代码生成与自动补全、漏洞检测与自动修复、文档生成、代码重构优化以及测试用例生成与模拟数据创建等核心功能，同时梳理了集成式开发工具（如与 IDE 结合的代码辅助工具）和独立工具的区别，解析了生成式 AI 的工作原理、大语言模型（LLM）的基础概念，以及 AI 工具偶尔出错的原因，帮助开发者建立对 AI 辅助编程的整体认知。第 2 章以 GitHub Copilot 为例，讲解 AI 辅助编程的初步实践，包括其工作机制、交互方式，还通过一个简单的 Python 项目 —— 文本文件词频分析，展示如何在实际开发中集成 AI 工具，从开发环境准备到应用创建、功能测试，完整呈现 AI 辅助编程的流程。
第二部分 “借助 AI 构建应用”（第 3-6 章）聚焦实战开发，以搭建 HAM 无线电执照练习测试 Web 应用为核心项目，逐步展开 AI 在应用开发各阶段的应用。第 3 章探讨如何利用 AI 进行项目设计与需求挖掘，包括借助 AI 梳理问题、制定合理 prompt 生成设计文档与用户故事，明确项目目标与功能需求。第 4 章讲解从设计文档中提取需求，使用 AI 工具辅助搭建 Flask 应用结构，创建代码桩（Stub）构建应用骨架，完成开发环境配置与基础应用运行。第 5 章引入 Blackbox AI 工具生成基础代码，涵盖数据库创建与连接、核心功能开发（如数据库交互、问题集生成、会话管理），同时强调人类开发者在代码优化与架构调整中的关键作用，例如通过重构实现关注点分离。第 6 章则以 Tabnine 为工具，完善应用后端功能，解决会话管理中的漏洞，实现会话持久化、问题集关联与会话结束功能，打造更稳定的应用后端。
第三部分 “高级 AI 开发技术”（第 7-10 章）深入 AI 辅助编程的进阶领域。第 7 章介绍如何利用 AI 工具设计与实现用户界面，通过不同 AI 工具生成设计策略、线框图与 HTML/CSS 代码，将基础应用转化为具备专业外观的界面，同时遵循 Flask 模板规范。第 8 章聚焦 AI 在测试领域的应用，对比不同 AI 工具生成单元测试（unittest 与 pytest）的效果，讲解如何搭建内存数据库实现测试隔离，生成测试固件与断言，提升测试效率与覆盖率。第 9 章系统阐述提示工程技术，从基础概念（提示结构、核心原则）到基础提示类型（零样本提示、少样本提示、开放式提示、约束式提示等），再到高级提示类型（思维链提示、递归提示、上下文操纵、指令优化、输出控制），最后提供 30 种针对开发者的提示技巧，帮助开发者高效与 AI 工具交互。第 10 章探索 “氛围编程”（Vibe Coding）这一新兴编程方式，介绍 Cursor 工具的特点与使用方法，通过构建复古街机游戏的案例，展示如何通过自然语言提示快速实现应用原型。
此外，书中还包含丰富的实用内容，如各 AI 工具的优缺点对比、不同场景下工具选择策略、代码质量验证方法、AI 生成代码的重构技巧等。同时，作者结合自身多年开发经验，分享了大量实战心得，例如如何平衡 AI 生成代码与人类判断，如何避免过度依赖 AI 导致的代码维护问题，以及如何通过 AI 工具提升团队开发效率等。
对于 Python 开发者而言，无论你是希望提升个人 productivity 的初级开发者，还是探索 AI 工具落地团队开发的技术负责人，《AI 辅助 Python 编程实战案例》都能为你提供切实可行的指导，帮助你在 AI 时代更好地发挥 Python 编程能力，实现开发效率与代码质量的双重提升。