附录 E：工程师配套实验代码

本附录目录包含《零基础学 AI》的技术实践配套实验。对于有编程基础、想要从“概念理解”跨跃到“工程落地”的读者，本目录提供了最小可运行的代码示例，帮助构建可复现的工程闭环。

[!NOTE] 声明与版本说明

• 以下代码主要设计用于展示概念与最小可行解，而非企业生产环境的直接拷贝。

• 本项目的推荐运行环境锚点设定在 2026年初。测试通过的基准环境为：

  • Python: 3.14

  • PyTorch: 2.10

  • Transformers: v5.x

• 如果使用旧版本或更新的未来版本，可能会遇到部分 API 废弃或变更的情况，请参考官方文档。

实验清单

1. 01_ml_basics.py: 机器学习基础指标闭环（对应第 4 章：监督学习）。涵盖数据划分、模型拟合、指标评估。

2. 02_structured_output.py: API级结构化输出与 JSON Schema 校验（对应第 10 章：结构化输出）。展示如何超越“Markdown 输出提示词”，实现严格的代码级约束。

3. 03_dl_overfitting.py: 深度学习的过拟合与早停机制可观测实验（对应第 5 章）。

4. 04_rag_minimal.py: 最小 RAG（检索增强生成）流程示例。

5. 05_agent_evals.py: 智能体输出的一致性打分与评测（Evals）基础。

环境安装建议

建议使用 virtualenv 或 conda 创建独立的 Python 3.14+ 环境后安装依赖。

# 例如使用 uv 或者 pip
pip install -r requirements.txt