🐍 Python 入門

非工程師最友善的程式語言入門——為 AI 打底。

入門 python 程式設計 basics

如果程式語言是交通工具，Python 就是腳踏車——最容易學會、到哪都好用。

為什麼學 Python？

💡 Python 的四大優勢

1. 語法超簡單

Python 讀起來幾乎像英文。print("Hello") 就是印出 Hello，就這麼直覺。

2. AI 領域的通用語言

PyTorch、TensorFlow、LangChain、Hugging Face⋯⋯幾乎所有 AI 工具都用 Python。

3. 社群超大

遇到問題上網一搜就有答案。Stack Overflow 上 Python 問答超過 200 萬則。

4. AI 助手幫你寫

現在有 ChatGPT 和 Cursor，你可以用白話文描述要做什麼，AI 幫你寫程式碼。學 Python 不再是「背語法」，而是「看懂 AI 寫的程式碼 + 學會修改」。

⚠️ 心態調整 很多人覺得「學程式就是要把語法都背起來」——大錯特錯！現代的程式學習是：理解邏輯 → 用 AI 輔助輸出 → 看懂並微調。你不需要成為程式設計師，只需要能「讀懂」和「修改」就夠了。

🛠️ 環境準備

好消息：你不需要安裝任何東西。

方案一：Google Colab（推薦新手）

💡 Google Colab = 瀏覽器裡的 Python

✅ 零安裝 — 開瀏覽器就能用

✅ 免費 GPU — 用 Google 的電腦運算

✅ 即時執行 — 寫完按 Shift+Enter 就能看結果

✅ 自動儲存 — 不怕檔案不見

怎麼開始？

打開 colab.research.google.com
登入 Google 帳號
按「新增筆記本」
開始寫程式！就是這麼簡單。

方案二：VS Code + Python（進階）

等你熟悉了 Colab，想在自己電腦上寫程式時，可以裝 VS Code + Python。不急，先用 Colab 就好。

📝 基礎語法

用 AI 的例子來學 Python 基礎，讓學習更有感。

1. 變數 — 「盒子裡放東西」

model_name = "GPT-5"       # 把文字放進盒子
temperature = 0.7           # 把數字放進盒子
is_free = True              # 放一個「是/否」的值（布林值）

💡 AI 類比：就像設定 ChatGPT 的參數一樣——溫度、模型名稱、是否串流輸出。

2. 清單 (List) — 「一排盒子」

ai_tools = ["ChatGPT", "Claude", "Gemini", "Perplexity"]

print(ai_tools[0])          # 印出第一個：ChatGPT
ai_tools.append("Copilot")  # 加入新工具
print(len(ai_tools))        # 印出共有幾個工具：5

💡 AI 類比：就像你收藏的 AI 工具清單，可以隨時新增、刪除、排序。

3. 判斷式 (if/else) — 「如果⋯⋯就⋯⋯」

token_count = 5000

if token_count < 4000:
    print("可以用 GPT-5.4-mini，比較便宜")
elif token_count < 8000:
    print("建議用 GPT-5.4")
else:
    print("考慮分段處理，Token 太多了")

💡 AI 類比：就像根據任務的複雜度，自動選擇該用哪個 AI 模型。

4. 迴圈 (for) — 「重複做一件事」

prompts = ["翻譯這段文字", "幫我寫摘要", "分析情感"]

for prompt in prompts:
    print(f"正在處理：{prompt}")
    # 這裡可以呼叫 AI API

💡 AI 類比：就像批次處理，把一堆任務一次自動跑完。

5. 函式 (function) — 「打包一套動作」

def ask_ai(question, model="gpt-5.4-mini"):
    print(f"用 {model} 回答：{question}")
    # 這裡加上 API 呼叫的程式碼
    return "AI 的回答會在這裡"

answer = ask_ai("什麼是機器學習？")

💡 AI 類比：把「呼叫 AI」的流程打包成一個按鈕，以後只要按一下就好。

🔗 呼叫 AI API

這是最有成就感的部分——用 Python 操控 ChatGPT！

Step 1：安裝套件

在 Google Colab 中，一行搞定：

!pip install openai

Colab 會自動下載和安裝 OpenAI 的 Python 套件。

Step 2：設定 API Key

from openai import OpenAI

client = OpenAI(api_key="你的-api-key")

API Key 在 OpenAI 官網免費申請，新帳號送 $5 額度。

⚠️ 安全提醒 API Key 就像你的密碼，千萬不要放在公開的程式碼裡。正式開發時應使用「環境變數」來儲存。但在 Colab 學習階段，直接貼上沒問題。

Step 3：送出第一個請求

response = client.chat.completions.create(
    model="gpt-5.4-mini",
    messages=[
        {"role": "system", "content": "你是一個友善的 AI 助手"},
        {"role": "user", "content": "用一句話解釋什麼是機器學習"}
    ]
)

print(response.choices[0].message.content)

🎉 按 Shift+Enter 執行，你就用 Python 成功呼叫了 ChatGPT！

🎯 第一個 AI 專案

學以致用！做一個批次情感分析工具——分析客戶評論是正面、負面還是中性。

🏗️ 專案架構

輸入： 一堆客戶評論（文字清單）

處理： 用 OpenAI API 逐一分析情感

輸出： 每則評論 + 情感結果（正面/負面/中性）

這就是一個真實的 AI 應用場景——很多公司花大錢買的「輿情分析工具」，底層邏輯就是這個。

reviews = [
    "這家餐廳的牛肉麵超好吃，下次還要來！",
    "等了一個小時還沒上菜，太扯了",
    "餐點普通，但環境還不錯"
]

for review in reviews:
    response = client.chat.completions.create(
        model="gpt-5.4-mini",
        messages=[{
            "role": "user",
            "content": f"分析以下評論的情感，只回答「正面」「負面」或「中性」：\n{review}"
        }]
    )
    sentiment = response.choices[0].message.content
    print(f"📝 {review}")
    print(f"→ 情感：{sentiment}\n")

執行後你會看到每則評論下方顯示它的情感分析結果。恭喜你完成了第一個 AI 專案！ 🎉

🗺️ 下一步

學完基礎後，這些是推薦的進階方向：

🤖 做 AI Chatbot — 用 Streamlit + OpenAI API，做一個有介面的聊天機器人。3 小時可完成
📊 資料分析 — 學 Pandas 套件，用 Python 分析 Excel / CSV 數據。行銷、業務必學
🔗 API 串接 — 把 AI 跟 LINE Bot、Slack、Google Sheets 串起來，打造自動化工具
🧠 深入 AI — 學 LangChain 做 RAG 應用，或用 Hugging Face 跑開源模型

✅ 學習建議

用 AI 幫你學 AI — 遇到不懂的語法，直接問 ChatGPT

用 Cursor — AI 寫程式的神器，比自己硬寫快 10 倍

做專案驅動學習 — 不要只看教學，想一個自己想做的東西然後去做

不要追求完美 — 先求能動，再求好看，再求高效

❓ FAQ

學 AI 一定要會 Python 嗎？

不一定！理解 AI 概念完全不需要會程式。但如果你想自己動手做 AI 應用，Python 是最推薦的語言。如果不想碰程式碼，也可以用 No-Code 工具來實現。

Python 好學嗎？要學多久？

Python 被公認是最容易入門的程式語言！跟著本頁教學大約 2-3 小時就能掌握基礎語法。想做簡單的 AI 專案大約需要 2-4 週。而且現在有 AI 助手幫忙，學習曲線比以前平緩很多。

呼叫 OpenAI API 要錢嗎？

新帳號有免費額度（約 $5），夠你練習好幾百次了。GPT-5.4 mini 超便宜，處理一則評論大約只要 0.001 元台幣。日常學習和小專案的成本幾乎可以忽略不計。

我數學很差，能學 Python 嗎？

絕對可以！本頁教的 Python 基礎和呼叫 AI API 完全不需要數學。只有當你要自己訓練模型時才會用到數學，但那是很後面的事了。先學會用 Python 呼叫現成的 AI，比學數學重要多了。