大家好，我是一个做了 15 年 Java 的程序员。
从今天开始，我准备认真学习 AI，也准备把这个过程持续记录下来。一方面，是给自己留下一条清晰的成长轨迹；另一方面，也希望给同样想从传统开发转向 AI 的朋友一点参考。
很多人一说学 AI，第一反应就是：
这些当然重要。但真开始学的时候，我反而告诉自己一件事：
不要一上来就追风口，先把最基础的东西补扎实。
所以，我今天做的第一件事，不是研究大模型，而是老老实实回到了 Python 最基础的内容：
运算符和字符串
听起来很基础，但我学完之后反而更确定了一件事：
真正的转型，不是看了多少概念，而是愿不愿意从最基础的地方重新开始。
为什么我第一天先学这些？
因为我本身是 Java 出身。
对一个做了很多年 Java 的人来说，刚开始学 Python，最大的错觉就是：
“这个简单，我会。”
但其实不是。
你会发现，Python 语法简洁，不代表可以跳过基础。尤其是以后做 AI 应用开发时，Python 基本就是绕不开的工具语言。
无论你是：
调用大模型 API
写数据处理脚本
做 Prompt 拼接
做文本清洗
写简单的自动化工具
搭建小型原型
最后都离不开 Python 最基础的这些能力。
所以今天，我给自己的目标很明确：
不贪多，先把运算符和字符串真正过一遍。
今天我学了什么？
今天主要练了两块内容：
1. 运算符
包括最基本的加减乘除，以及整除、取余这类运算。
2. 字符串
包括输入、输出、格式化字符串，以及切片这种非常高频的操作。
表面上看，这些都很入门。但真正写题的时候，你会发现，基础题恰恰最能暴露你对一门语言是否真的熟。
今天做的几道题，反而让我对 Python 有了更直观的感觉
第一题：输入 a、b、c、d，计算 a+b-c*d 的结果
这题看起来很简单，但它让我重新熟悉了 Python 里最基本的表达式计算。
比如：
a = int(input("请输入a："))b = int(input("请输入b："))c = int(input("请输入c："))d = int(input("请输入d："))result = a + b - c * dprint(f"结果是：{result}")
这道题本身不难，但它包含了几个很基础又很重要的点：
input() 接收输入
int() 做类型转换
运算符优先级：乘法先算，再算加减
f-string 做格式化输出
对于刚开始学 Python 的人来说，这其实就是最朴素的一整套输入、计算、输出流程。
第二题：输入分钟数，转换成小时和分钟
这道题让我重新熟悉了 Python 里的两个关键运算符：
代码类似这样：
minutes = int(input("请输入分钟数："))hours = minutes // 60remain_minutes = minutes % 60print(f"{minutes}分钟 = {hours}小时{remain_minutes}分钟")
比如输入 130，输出就是：
130分钟 = 2小时10分钟
这题虽然简单，但很经典。因为它让我再次意识到：
很多业务逻辑的本质，其实就是“拆分”和“转换”。
你把一个总量拆成结构化结果，这就是程序处理数据的最基本思路。
以后做更复杂的系统，本质上也还是在做类似的事情，只不过输入输出更复杂而已。
第三题：输入一个16位学号如，1001010220170101，其中100是学校代号、101是院系代号、02专业代号、2017年级、01班级、01学号，请使用切片获取出各个代码
这题我觉得特别适合用来理解字符串。
Python 里直接可以用切片拆开：
student_id = input("请输入16位学号：")school_code = student_id[0:3]department_code = student_id[3:6]major_code = student_id[6:8]grade = student_id[8:12]class_code = student_id[12:14]student_number = student_id[14:16]print(f"学校代号：{school_code}")print(f"院系代号：{department_code}")print(f"专业代号：{major_code}")print(f"年级：{grade}")print(f"班级：{class_code}")print(f"学号：{student_number}")
这道题让我最深的感受是：
很多看起来是“数字”的东西，其实更适合按字符串处理。
比如：
这些内容你不一定拿来算数，但你经常需要拿来拆分、截取、校验、拼接。
而字符串切片，就是最基础也最常用的处理方式之一。
今天最直接的体会：Python 确实很适合快速表达
作为一个写了很多年 Java 的人，今天重新写这些 Python 入门题，最大的感受就是：
Python 很短，也很直接
比如输入、处理、输出，几行就能完成。没有太多模板代码，也没有太多冗余结构。
这也是为什么后面 AI 生态大多围绕 Python 展开。因为它真的太适合做快速验证、数据处理、原型开发和模型调用了。
当然，这不代表 Java 没价值。恰恰相反，我越来越觉得：
未来真正有竞争力的人，可能不是单纯会 Python，也不是单纯会 Java，而是既懂工程体系，又能用 Python 快速接入 AI 能力的人。
这可能也是我接下来最想去走的一条路。
今天虽然学得很基础，但我一点都不觉得“低级”
说实话，刚开始重新学这些基础内容的时候，心里也会有一点声音：
“都做了这么多年开发了，现在还在写这种题，会不会太基础了？”
但今天学完之后，我反而更平静了。
因为我慢慢发现：
真正的成长，不是看你会不会高大上的名词，而是看你能不能把基础打到足够扎实。
特别是转型的时候，最怕两件事：
第一，急。第二，飘。
一急，就想跳过基础；一飘，就容易觉得自己“懂了”。
但如果基础没补稳，后面学到 Prompt、RAG、Agent、LangChain、模型调用这些内容时，很容易一知半解。
所以今天这第一步，对我来说，其实不是“学了几道简单题”，而是一个心态上的切换：
接受自己重新开始，接受自己从基础往上搭。
这很重要。
我今天学到的几个关键点
把今天的内容总结一下，主要有这几个点：
1. Python 的输入输出很简洁
input() 接收输入，print() 输出结果，入门非常直接。
2. 类型转换不能忽略
从键盘输入的数据默认是字符串，如果要做数学计算，需要用 int() 转成整数。
3. 运算符很基础，但非常关键
尤其是：
这些以后会频繁出现。
4. 格式化字符串很好用
f"内容{变量}" 这种写法非常直观，比拼接字符串更清晰。
5. 切片是字符串处理的核心能力之一
尤其是对各种“编码型字符串”的拆分，非常实用。
接下来我准备怎么学？
我不打算一口气冲太快。
我更想按这种节奏往前走：
先把 Python 基础过扎实
再进入函数、列表、字典、循环、条件判断
然后再逐步过渡到文件处理、接口调用、第三方库使用
最后再进入 AI 应用开发相关的内容
因为我越来越认同一句话：
学 AI，不是直接学“AI”两个字，而是先把它所依赖的技术基础搭起来。
对于程序员来说，这条路其实很现实。
最后
今天算是我认真学习 AI 的第一天。
没有一上来就研究多么复杂的模型，也没有急着去追那些看起来很热闹的概念。
只是安安静静地，从 Python 的运算符和字符串开始。
但我很清楚，这一步并不小。
因为每一次真正的转型，往往都不是从“宏大叙事”开始的，而是从一个个看似普通的基础动作开始的。
今天的内容很基础，但我愿意把这一步认真走完。
接下来，我也会继续把学习过程记录下来。
如果你也是传统开发出身，也在关注 AI，也在尝试重新搭建自己的技术体系，欢迎一起交流。
这是我的第一天。也是我重新出发的第一步。
