🐍 Python / FastAPI

---

python vs python3 的区别

历史原因

• Python 2（python）已于 2020 年废弃
• Python 3（python3）是当前主流

为什么有两个命令

• python → 系统默认，可能是 Python 2 或 3，取决于系统配置
• python3 → 明确指定 Python 3，不会搞混

不同系统表现

• macOS 老版本：python → Python 2.7，python3 → Python 3.x
• macOS 新版本：python 可能不存在，python3 → Python 3.x
• Ubuntu 20.04+：python 可能不存在，python3 → Python 3.x
• CentOS 7：python → Python 2.7

最佳实践

• 永远用 python3，明确指定版本
• python3 script.py > python script.py
• Python 2 已废弃，很多库不支持

验证命令

python --version
python3 --version
which python
which python3

---

python3 -m <module> 参数详解

核心理解

-m <module>：把模块当作脚本运行

• Python 在 sys.path 里找这个模块
• 执行 if __name__ == "__main__": 那部分
• 不需要写 .py 后缀

python3 -m http.server 解析

启动简易 HTTP 服务器，当前目录作为网站根目录，默认监听 8000 端口。

完整签名：

python3 -m http.server [port] [--bind ADDR] [--directory DIR]

参数	说明	默认
port	端口号（位置参数）	8000
--bind / -b	绑定 IP	0.0.0.0（所有网卡）
--directory / -d	服务目录（3.7+）	当前工作目录

-m 后能接其他参数吗？

能！ -m http.server 后面的所有参数都传给 http.server 模块自己：

python3 -m http.server 9000 --bind 127.0.0.1 --directory /tmp/share

其他常用 -m 模块

命令	用途
python3 -m pip install xxx	包管理
python3 -m venv myenv	创建虚拟环境
python3 -m pdb myscript.py	调试器（pdb）
python3 -m json.tool file.json	JSON 格式化
python3 -m ensurepip	安装 pip
python3 -m py_compile foo.py	语法检查（不执行）
python3 -m unittest	单元测试
python3 -m doctest mymodule.py	文档测试

-m vs 直接执行脚本

写法	含义
python3 script.py	执行文件路径
python3 -m foo	从 sys.path 找模块执行

关键区别： 当前目录的 foo.py，python3 foo 找不到，python3 -m foo 能找到（当前目录在 sys.path）。

http.server 默认端口确认

• 默认端口：8000
• 默认绑定：0.0.0.0（所有网卡）
• 默认目录：当前工作目录

💡 配合 Docker 端口映射注意：-p 8000:8000 只是端口映射规则，和 http.server 默认 8000 是独立的巧合。三个端口必须一致：主机端口 → 容器端口 → 服务监听端口。详见 cloud.md §3.3.1。

---

LangChain LCEL 链式调用的延迟执行

核心结论

chain = prompt | llm        # 只构造链，不执行
chain.invoke({...})         # 此时才真正执行

prompt | llm 不会调用模型，也不会填充模板变量。它只是把两个 Runnable 组合成一个 RunnableSequence，记录后续的执行顺序。

第一步：构造 RunnableSequence

chain = prompt | llm

• prompt 和 llm 都实现了 LangChain 的 Runnable 接口。
• | 运算符把组件连接成执行图。
• 此时模板不渲染、模型不调用、不会产生网络请求。
• 得到的 chain 本身也是一个 Runnable。

第二步：触发执行

result = chain.invoke({
    "style": "简洁",
    "question": "什么是 LCEL？"
})

链会从左到右依次运行：

顺序	调用	作用
1	prompt.invoke(input_dict)	用输入字典填充 {style} 等占位符，渲染成消息或 PromptValue
2	llm.invoke(rendered_prompt)	将渲染后的内容发送给模型，返回 AIMessage 等结果

变量填充发生在 prompt.invoke() 阶段，由整个链的 invoke() 触发。LLM 不会看到原始占位符，只会收到已经渲染好的最终内容。

常见执行接口

接口	用途
invoke(input)	同步执行一次，返回最终结果
stream(input)	流式执行，逐块返回结果
batch([input1, input2])	批量处理多组输入，可并行执行
ainvoke(input)	异步执行一次
astream(input)	异步流式执行
abatch(inputs)	异步批量执行

心智模型

• |：声明“应该怎样做”，用于定义和组合流程。
• invoke、stream、batch：命令“现在开始做”，用于真正触发流程。
• 类比：prompt | llm 像写好 SQL 查询，invoke() 像调用 execute()。