Python

是什么

想象有人递给你一个箱子，却不告诉你里面装了什么；你只有打开才知道。Python 处理数据就是这样——它不要求你预先声明变量里放的是什么，而是在程序运行时才判断它装的是哪种值。这就是"动态类型"的意思。Python 是一门高级的动态类型语言，以可读性和庞大的生态系统著称。它随处可运行，读起来几乎像伪代码，是数据科学、机器学习、脚本编写和后端服务领域默认的通用语言。

优势

平缓的学习曲线和出了名的可读语法。
巨大的库生态（PyPI，Python 的软件包库）——numpy、pandas、requests、FastAPI，以及几乎所有 AI/ML 框架。
非常适合胶水代码、自动化、原型开发和数据工作。
强大的 REPL（边输入边看结果的交互式提示符）和 notebook 文化，便于交互式探索。

取舍

在纯 CPU 密集型工作上较慢；GIL（一把每次只允许一个线程的锁）限制了真正的多线程。
想象一张没人核对的表格上的笔误，直到真正提交时才被发现。Python 也类似：它通常只有在那行代码真正运行时，才会注意到类型错误（例如把数字当成文本来用），而不是事先发现。也就是说，它在运行时才捕获这些错误，除非你加上类型提示并配合 mypy 或 pyright 这类检查器。
依赖与环境管理（pip、venv、poetry、uv）是反复出现的摩擦来源。
打包并交付一个独立的二进制文件比较别扭。

何时使用

当你想要快速推进时就选 Python：数据管道、ML 模型训练与推理、自动化脚本、内部工具，以及开发速度比纯运行速度更重要的 Web （应用程序接口）。对于任何与 AI 或数据相关的工作，它都是最稳妥的默认选择。

与 vibe coding 的契合度

AI 助手在 Python 上表现极为出色——它是其训练数据中占比最高的语言，因此生成的代码通常地道且可运行。要想很好地指挥 AI，请指明你想要的确切库和版本（例如"使用 FastAPI 和 Pydantic v2"），要求加上类型提示，让你和模型都有据可依，并在一开始就索取一份 requirements.txt 或 pyproject.toml 以避免版本漂移。让助手添加一个小测试或一个可运行的 if __name__ == "__main__" 代码块，这样你就能在继续之前验证每一步。

from collections import Counter

def top_words(text: str, n: int = 3) -> list[tuple[str, int]]:
    words = (w.lower() for w in text.split())
    return Counter(words).most_common(n)

print(top_words("the cat the dog the bird"))  # [('the', 3), ('cat', 1), ('dog', 1)]