很多人学 Python 卡在两个地方：一是不知道该先学什么后学什么，东看一个视频西抄一段代码，三个月还在装环境；二是收藏了几十套课程却挑不出该跟哪一套。这篇不给速成承诺，只给一条按周推进的路线、每阶段验收标准，以及挑免费课程时该看哪几个硬指标。学完能不能做项目，取决于你有没有把练习量堆够。
很多人学 Python 卡在两个地方。一是不知道先学什么后学什么，今天看一个视频明天抄一段代码，三个月过去还在装环境；二是收藏了几十套教程，却挑不出该跟哪一套，翻来覆去只看了开头几集。这篇不给速成承诺，只给一条能按周推进的路线，以及每个阶段的验收标准。
另外说清楚一件事：光看教程是学不会的。学完能不能做项目，取决于你有没有把练习量堆够。下面每个阶段都配了该怎么练、怎么判断自己过关，照着做比囤课有用得多。
路线图：四个阶段，每个阶段的验收标准是什么
把学习拆成四个阶段，每个阶段都有明确的出关标准，达不到就不往下走。这样你就不会在语法还没熟的时候跑去学框架，把自己绕晕。阶段之间是递进的，跳步只会让你在下一阶段反复返工。
- 阶段一：打基础变量、条件判断、循环、函数、列表和字典。验收标准是能不看答案写出一个小计算器或成绩统计脚本。这一阶段别碰框架，也别急着学面向对象，先把最基础的写顺。
- 阶段二：数据结构与文件练读写文本、CSV、JSON，处理异常。验收标准是能把一份脏数据文件读进来、清洗之后写出结果文件。可以到 数据分析工具目录（/ai-nav/category/ai-data） 看看别人拿这类脚本做什么，能帮你找到练手题材。
- 阶段三：选一个方向自动化办公、爬虫、数据分析、Web 后端、AI 应用开发，挑一个深入。不要同时开三条线，否则每条都只学个开头。想走 AI 方向可以先参考站内 AI 开发零基础入门教程那篇，搞清 Python 在其中的位置。
- 阶段四：做完整项目从需求到能跑起来，再到能给别人用。验收标准是你能讲清每一行为什么这么写。这个阶段才会真正用上调试、日志、版本管理这些工程习惯，也是从"会语法"变成"会写东西"的分水岭。
| 阶段 | 核心内容 | 出关标准 |
|---|---|---|
| 一 | 语法、流程控制、函数、容器 | 能独立写出小计算器或统计脚本 |
| 二 | 文件读写、数据格式、异常处理 | 能把脏数据清洗后输出结果文件 |
| 三 | 选定一个方向深入 | 该方向能做出一个可运行的小工具 |
| 四 | 完整项目 + 工程习惯 | 能讲清代码设计理由并交付他人使用 |
免费课程怎么挑：四个能当场验证的硬指标
免费教程满地都是，但质量差距极大。与其听别人推荐，不如自己用下面四个指标当场验证。这四个指标都能在看前几集的时候就判断出来，不用等看完才发现选错了。
- 看代码量而不是看课时：全程只讲概念的课不要跟，每一节都应该有能敲的代码；跟课时把视频暂停，自己先写一遍再对照。
- 看有没有练习和参考答案：只有讲解没有作业的课，学完等于没学；优先选带课后题和可运行代码仓库的。
- 看更新时间：Python 版本和常见库变化快，讲解里如果还在用很老的写法，学会之后要返工；具体现在是什么版本去官方渠道核对，别信截图。
- 看讲不讲原理：只教"照着敲"的课，遇到报错就断了；至少要有一部分讲清楚为什么这么写。这类视频在 教育与学习工具目录（/ai-nav/category/ai-education） 里有不少整理好的入口。
一个实际做法：把候选课程列在一张纸上，用上面四条各打勾或打叉，只留两套以内——一套系统课打底，一套专项课补方向。列表再长也不做决定，等于没有。
新手最常卡住的五个点，以及排查顺序
新手问的问题九成集中在几个地方。与其每次卡住都重新找人问，不如记住下面的排查顺序，多数问题能自己解决。顺序很重要，从环境往代码查，能省掉大半时间。
| 卡点 | 先查什么 | 怎么验证 |
|---|---|---|
| 环境问题 | Python 装没装、终端跑的是哪个解释器、当前目录在哪 | 终端里打印版本和路径，确认三者对得上 |
| 模块找不到 | 装没装、装到哪个环境里了 | 用包管理命令列出已装的，看名字拼写 |
| 报错看不懂 | 把完整报错复制去搜，英文报错更好搜 | 对照 基础概念词典（/ai-dict/category/basics） 补术语 |
| 抄代码没理解 | 停下抄写，改成自己重写一遍 | 关掉教程，凭记忆写出来并跑通 |
| 囤课不动手 | 一次只跟一套，跑完再加下一套 | 设个每周固定写代码的时间段 |
- 报错贴出来再问：复制完整的报错信息，不是被裁掉一半的截图；说明你试过什么、报什么错，比问"为什么我的不对"快很多。
- 每天写一段不参考任何资料的脚本，哪怕只有十行；输入、理解、输出的顺序不能反。
- 遇到卡点先限时：给自己半小时尝试，超时就求助，别在一个问题上耗一整天。
- 一次只跟一套课，同时开三套的人基本都停在第一周。
资源清单怎么用，以及什么时候该付费
资源清单的意义不是收藏，而是帮你做减法。筛完只留两套以内，然后按下面的动作把教程里的例子变成自己的东西。这一步不做，看再多课也只是"见过"，不是"会"。
- 按前面的四指标筛一遍，留下两套以内：一套系统课打底，一套专项课补方向。
- 把课程里的例子换成你自己的数据重写一遍：比如把课程里的销售数据换成你手头的记账表，这是把教程变成能力的唯一动作。
- 做完一个阶段就回头补验收：过不了就重练，别带着窟窿往下走。
- 要不要花钱，看你卡在哪：免费内容能覆盖语法和练习，系统性、答疑和项目批改通常要付费。
什么时候该付费：当你已经能独立写出小脚本，卡在工程规范和方向上，这时付费才有性价比。不要用"买课"代替"写代码"，付费只解决路径和答疑，代码量还是得自己堆。具体花多少钱合适，可以到 官方订阅地区价（/plans） 之外先看 卡网订阅比价（/card-prices） 了解行情再定预算。
教程给你地图，代码量才是你真正走过的路；地图看再多，不迈步还是到不了。下一步把收藏夹里那堆课程按四指标过一遍，只留两套；然后挑一段最简单的语法，今天就写出十行不参考任何资料的代码。想省事挑工具和资料入口，站内已经整理好了分类，可以直接去看。→
常见问题
零基础每天学多久，多久能写项目？
每天稳定一小时比周末突击五小时有效。按上面的四阶段走，多数人到能独立写小脚本是在两个月左右，到能做一个完整小项目通常还要再两三个月。差别主要不在天赋，在你有没有把每天那一段不参考资料写代码的时间真正留出来。
一定要先学数学和英语吗？
都不用先学。基础语法阶段对数学几乎没有要求，英语只要认得常见的报错单词就够，报错文本搜一下基本都有中文解答。真正需要数学是在你选数据分析或机器学习方向之后，到时候按需补，别在入门阶段被这两件事吓退。
跟视频课还是看文字教程？
新手优先视频课，因为环境配置和调试过程看别人操作一遍比读文字快得多；但进入练手阶段后要转成文字教程加官方文档，因为查具体函数用法时视频效率很低。两者不是二选一，是按阶段切换。
