E.B Python 进阶路线图

当你的原型开始重复逻辑、等待慢请求、处理流式数据或动态注册工具时，再回来学这个选修模块。

先看工程路线

高级 Python 的价值不在炫技，而在让代码更可观察、更可复用、更容易控制。

跑最小异步 trace

import asyncio

async def fetch(name, delay):
    await asyncio.sleep(delay)
    return f"{name}:done"

async def main():
    results = await asyncio.gather(
        fetch("retrieval", 0.1),
        fetch("rerank", 0.05),
    )
    print(results)

asyncio.run(main())

预期输出：

['retrieval:done', 'rerank:done']

这是最小 async 习惯：启动相互独立的工作，等待全部结果，再留下 trace。

如何在真实项目里使用本模块

当代码开始需要可观察性和控制力时，再使用这些进阶模式。装饰器适合给很多函数统一加日志或计时，生成器适合流式数据，async 适合等待多个 I/O，注册表适合显式管理工具。

不要为了显得高级而使用这些写法。好的使用方式应该留下 trace、能被最小示例跑通，并且让调试更容易。如果队友看不出数据从哪里进入、在哪里等待、在哪里退出，就先简化。

学习这个模块时，每个模式都要配一个失败场景。装饰器可能隐藏异常，生成器可能被消费完，并发可能没有超时，注册表可能注册了错误实现。能说出失败场景，才说明你不是只会使用语法。

最终交付时，优先选择一个模式做深，而不是把四个模式都浅浅写一遍。一个能运行、能解释、能失败再恢复的小例子，胜过一堆没有 trace 的高级语法展示。

每次引入模式，都要补一句“如果不用它会怎样”。如果普通循环、普通函数或普通字典已经足够清楚，就保持简单。

按这个顺序学

步骤	课程	练习产物
1	E.B.1 装饰器	不改业务代码就加 timing 或 logging
2	E.B.2 迭代器与生成器	不一次性加载全部数据也能流式处理
3	E.B.3 并发	用 timeout、cancel 和限流思维运行 async 任务
4	E.B.4 元编程	显式注册工具或 handler

通过标准

你能构建一个可追踪 pipeline，至少用到装饰器、生成器、异步调用或注册表中的一种，并解释为什么更容易调试，就算通过本模块。

留下的证据

学完这一页，至少保留这张证据卡：

Python 模式

装饰器、迭代器、生成器、并发原语，或元编程钩子

代码产物

最小可运行示例加上打印输出

使用场景

这种模式在哪种 AI 应用、流水线、工具或服务器中更有用

失败检查

隐藏副作用、难读的抽象、竞态条件或过度设计

期望产出

带实际 AI 系统用途说明的小型高级 Python 示例

检查思路与讲解

一个合格答案会展示一个可追踪流水线：比如装饰器加日志、生成器做流式处理、async 并发跑多个 I/O，或者用注册表显式管理工具。证据应包含最小可运行输出，以及为什么调试会更容易。

如果只是“写得更巧”，还不够。要说明可观察性、可复用性或控制力为什么真的变好了。