# 配套 4 · 代码示例（Python）

本目录 5 个示例，与教材章节一一对应。全部为**中文注释**、**零基础友好**，推荐在
[Google Colab](https://colab.research.google.com) 里运行（浏览器直接跑，无需安装任何东西）。

## 使用顺序

| 文件 | 它让你理解什么 | 依赖 | 配合章节 |
|---|---|---|---|
| `01_手写注意力机制.py` | 用几十行代码把 Q/K/V 注意力一步步算出来，打印每一步中间结果 | numpy | 第 4 章 |
| `02_迷你Transformer.py` | 一个极简字符级"猜下一个词"模型，训练几分钟看它学会"写诗" | torch | 第 4、5 章 |
| `03_违章数据分类.py` | 决策树 / 随机森林 / 逻辑回归对比，打印规则和准确率 | pandas + scikit-learn | 第 7 章 |
| `04_光伏功率预测.py` | 用"昨天的出力 + 辐照度"做回归预测，画预测 vs 实际曲线 | pandas + scikit-learn + matplotlib | 第 3、7 章 |
| `05_调用大模型API.py` | 调大模型 API + 最小 RAG 雏形（检索→拼接→生成） | openai 库 + API key | 第 8 章 |

## 怎么跑（Colab 三步）

1. 打开 [Google Colab](https://colab.research.google.com)，新建 Notebook；
2. 把对应 `.py` 文件的内容**整段复制**进一个单元格（或上传后直接运行）；
3. 点运行（Shift+Enter）。报错了？把报错复制给网页版大模型让它帮你改。

## 怎么改着玩（每个文件顶部都有提示）

- `01`：改 `d_model`（向量维度）、换一句中文句子，看注意力权重怎么变；
- `02`：改训练步数、温度（`temperature`），看生成质量怎么变；
- `03`：换特征列、调 `max_depth`（树深），看准确率怎么变；
- `04`：改特征（加"昨天温度"）、换模型，看预测曲线怎么变；
- `05`：换自己的资料做 RAG、改提示词，看回答质量怎么变。

## 重要提醒

- **数据安全**：示例 03/04 用的是程序生成的模拟数据，可直接运行。换成你自己的真实数据前，务必**先脱敏**（姓名→编号、金额→归一化），敏感数据不要上传公共平台。
- **API key**：示例 05 需要申请大模型服务商的 API key（文件注释里有说明）。不要把 key 写进公开的笔记本。
- 所有代码以"能跑通、能看懂"为第一目标，不追求工程化；想深入，让大模型给你逐行讲解。