夜雨聆风Day 1 学习笔记：搭建第一个 AI 服务雏形
今日目标
完成 AI 学习的第一步，不再停留在“看概念”，而是亲手搭建一个最小可运行的 Python + FastAPI 服务，为后续学习 AI Agent 打基础。
今日完成内容
1. 环境安装
今天完成了基础开发环境准备：
安装 Python 3.12 安装 VS Code 安装 uv创建项目目录 ai-agent-roadmap
项目目录建议结构：
ounter(lineounter(lineounter(lineounter(lineounter(lineai-agent-roadmap/├── apps/├── notes/├── prompts/└── projects/
2. 使用 uv 创建 Python 环境
执行命令：
ounter(lineounter(lineounter(lineounter(lineuv python install 3.12uv venv --python 3.12source .venv/bin/activatepython --version
作用：
安装指定版本 Python 创建虚拟环境 激活虚拟环境 确认 Python 版本是否正确
3. 安装项目依赖
执行命令：
ounter(lineuv pip install fastapi uvicorn pydantic httpx python-dotenv
依赖说明：
fastapi：构建 Web API 服务uvicorn：运行 FastAPI 服务pydantic：定义和校验请求参数httpx：后续调用外部 API 时使用python-dotenv：后续读取.env配置文件
4. 编写第一个 FastAPI 服务
文件路径：
ounter(lineapps/chat_service.py
代码如下：
ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(linefrom fastapi import FastAPIfrom pydantic import BaseModelapp = FastAPI()class ChatRequest(BaseModel):message: str@app.get("/health")def health():return {"status": "ok"}@app.post("/chat")def chat(req: ChatRequest):return {"user_input": req.message,"reply": f"你刚刚说的是：{req.message}。这是你的第一个 AI 服务雏形。"}
启动服务
在项目根目录执行：
ounter(lineuv run uvicorn apps.chat_service:app --reload --port 8001
启动成功后访问：
ounter(linehttp://127.0.0.1:8001/docs
可以在 Swagger 文档页面直接测试接口。
测试结果
1. 健康检查接口
接口：
ounter(lineGET /health
返回示例：
ounter(lineounter(lineounter(line{"status": "ok"}
2. 聊天接口
接口：
ounter(linePOST /chat
请求体：
ounter(lineounter(lineounter(line{"message": "你好，我在学习 AI Agent"}
返回结果：
ounter(lineounter(lineounter(lineounter(line{"user_input": "你好，我在学习 AI Agent","reply": "你刚刚说的是：你好，我在学习 AI Agent。这是你的第一个 AI 服务雏形。"}
说明：
接口已经可以接收用户输入 接口已经可以返回结构化 JSON 第一个“AI 服务外壳”已经成功运行
今天遇到的问题与解决过程
问题 1：ModuleNotFoundError: No module named 'apps'
原因
启动命令是在 apps 目录下执行的，但使用了：
ounter(lineuv run uvicorn apps.chat_service:app --reload
这会导致 Python 以当前目录为根查找模块，从而找不到顶层 apps 包。
解决方法
回到项目根目录执行：
ounter(lineounter(linecd ..uv run uvicorn apps.chat_service:app --reload --port 8001
问题 2：[Errno 48] Address already in use
原因
之前启动的 Uvicorn 进程没有完全退出，占用了 8000 端口。
解决方法
直接换端口：
ounter(lineuv run uvicorn apps.chat_service:app --reload --port 8001
今天学到的核心知识
1. FastAPI 是什么
FastAPI 是一个 Python Web 框架，用来快速构建接口服务。
后续做 AI Agent、RAG、工作流编排时，通常都需要一个后端服务壳子，FastAPI 很适合做这个入口。
2. Pydantic 是什么
Pydantic 用来定义请求参数结构，并自动做数据校验。
例如：
ounter(lineounter(lineclass ChatRequest(BaseModel):message: str
这表示：
请求体必须有 messagemessage必须是字符串
3. Uvicorn 是什么
Uvicorn 是运行 FastAPI 的服务进程。
没有它，FastAPI 代码只是一个 Python 文件，不能真正启动成 Web 服务。
4. 什么是“服务”
今天第一次真正接触了“服务化”开发：
不是只写一个脚本 而是让程序以接口形式运行 可以通过浏览器、接口文档、curl 请求来调用
这是一切 AI 工程化能力的基础。
今天最重要的认知
今天虽然还没有接入真正的大模型，但已经完成了最重要的一步：
从“学概念”切换到了“做系统”。
真正的 AI Agent 工程师，不只是会调用模型接口，而是要会：
搭服务 设计接口 管理状态 调试问题 逐步扩展功能
今天做的这个最小服务，就是之后所有 Agent 项目的起点。
今日产出
今天的交付物：
成功安装 Python / VS Code / uv 成功创建虚拟环境 成功安装 FastAPI 相关依赖 成功编写并运行第一个 API 服务 成功解决模块路径问题 成功解决端口占用问题 成功返回第一个结构化接口结果
我自己的理解
今天最直观的感受是：
AI 学习不能只看文章和教程 一旦开始真正写代码，很多概念会立刻具体起来 FastAPI 服务是后续 Agent 项目的基础外壳 解决报错的过程本身就是学习的一部分 第一天最重要的不是“懂很多”，而是“跑起来”
明天要做什么
下一步学习方向：
给服务加入 session_id实现多轮对话记忆 加入固定角色设定（system prompt） 逐步升级为本地假数据版 Agent
Day 1 总结
今天完成了从 0 到 1 的第一步：
我已经成功搭建了第一个本地 AI 服务雏形。
虽然它现在只是一个最简单的接口，但它代表着：
我已经进入实际工程学习阶段 我已经开始理解 AI 应用的服务化结构 我已经具备继续做 Agent 项目的基础
这是 AI 学习真正开始的一天。
