W05 · FOUNDATIONS

工程化：环境、版本、调试与测试Reproducible Engineering

就业中有价值的不是「写过一段代码」，而是能让代码被协作、被检查、被修改。Git、依赖锁定、测试和日志是最低工程纪律。

计算地基第 4 次课课后自学课堂验收

0 / 0 已完成

知识范围 · 交互图谱

Know the map before details

学完后大致能做到

解释虚拟环境与依赖锁定解决的问题

用 Git 创建可读的提交历史并恢复版本

按 traceback、最小复现与假设检验调试

用 pytest 写至少两个确定性测试，用 ruff 做静态检查

零基础起步

Start small · bring real progress

不要等到「全部学会」才开始

先完成最小动作。哪怕没有成功复现，也请保留报错、截图和尝试过程；课堂可以展示卡点、旁听提问，并继续获得积分。

先迈一步

只做第一步也可以

uv init 后安装开发依赖 pytest 与 ruff

保留真实输出或卡点，带到课堂；不要求一次完成全部。

完整复现

做出核心结果

下载故意带错的脚本，修复类型、除零和时间顺序问题；用测试锁定行为，用 Git 展示修复过程。

成功复现可获得「复现 +1」，并具备展示资格。

自由拓展

想多做再继续

加入 pre-commit 或 Git hook

有拓展 +1，多拓展 +2；不影响零基础起步。

实验目标

下载故意带错的脚本，修复类型、除零和时间顺序问题；用测试锁定行为，用 Git 展示修复过程。

broken_returns.py（故意带错）

完整复现步骤

uv init 后安装开发依赖 pytest 与 ruff

先运行原脚本，完整保存 traceback；不要先问 AI 直接重写

构造最小输入，逐一修复字符串价格、除零、日期乱序三个问题

至少写 2 个 pytest：正常收益率、非法价格或乱序输入

运行 ruff check 与 pytest -q，分 2–4 次有意义地 git commit

Shell · 最小工程闭环

uv init
uv add --dev pytest ruff
uv run python broken_returns.py       # 先观察失败
uv run pytest -q                      # 测试约束行为
uv run ruff check .                   # 静态检查
git init && git add .
git commit -m "test: reproduce return bugs"
# 修复后再次测试，再提交 fix: ...

展示时可拿出的证据

修复前 traceback 与最小复现
pytest 全绿与 ruff 结果
git log --oneline 输出
README 中的一键复现命令

本机自查清单

uv init 后安装开发依赖 pytest 与 ruff
先运行原脚本，完整保存 traceback；不要先问 AI 直接重写
构造最小输入，逐一修复字符串价格、除零、日期乱序三个问题
至少写 2 个 pytest：正常收益率、非法价格或乱序输入
运行 ruff check 与 pytest -q，分 2–4 次有意义地 git commit

让 AI 一步一步带你做

Copy this starter prompt

循环方式

告诉 AI：我是零基础、使用什么系统、当前做到哪一步
一次只要一个步骤，先看预期结果再执行
把真实输出或报错贴回 AI，不要只说「不行」
把验证过的步骤整理回飞书实验报告
重复：问 → 做 → 报错 → 修正 → 再做

给 AI 的起步提示词

我是金融学院硕士生，计算机零基础。我正在学习《金融编程与计算》W05，本周目标是：实验 03 · 修复一条「看似能跑」的收益率管线。
请把我当作第一次接触这些工具的人，并遵守：
1. 一次只给我一个步骤，不要一次倾倒完整答案。
2. 每一步先用日常语言解释目的，再给可复制的命令或代码。
3. 告诉我正常情况下应该看到什么，以及最常见的一个错误。
4. 如果不知道我的操作系统、目录或安装状态，先问我，不要假设。
5. 等我贴回真实输出或报错后，再判断下一步。
现在只带我完成第一步：uv init 后安装开发依赖 pytest 与 ruff

问题驱动

这些问题不是课前考试。遇到不懂就问 AI；最后只需能结合自己的操作，说清其中一部分。

Q01

为什么「在我电脑上能跑」不是合格交付？

Q02

一次 Git commit 里到底保存了什么？

Q03

调试时为什么应该先缩小输入，而不是不断改代码碰运气？

Q04

测试能证明程序没有错误吗？

Q05

AI 改了十处代码后，怎样知道是哪一处起作用？

只交一份实验报告

The learning process is the deliverable

建议结构

本周目标：我想完成什么，以及最后做到哪一步
环境：操作系统、软件版本、安装方式与必要依赖
操作步骤：按真实执行顺序写出可复制的命令或代码
结果：关键输出、截图及我如何判断它是否正确
踩坑与克服：现象 → 可能原因 → 实际排查 → 解决办法
结论：本周学会了什么，仍有什么没有解决
诚实标注：哪些来自 AI 建议，哪些已由本人亲自验证

下载无表格版报告模板

本周常见坑

把 .venv、缓存或 API Key 提交到 Git
一次 commit 同时混入无关格式化和逻辑修复
测试只 assert 代码能运行，不检查数值
让 AI 整文件重写，导致无法说明修复因果

不另交 AI 使用记录

只需在实验报告中诚实标注：哪些步骤来自 AI 建议，哪些已经本人验证，哪些仍未验证。学习过程写好，报告就自然产生。

课堂时间全部用于验收

No new lecture · public verification

①

两次考勤

上课提前 5 分钟点名，下课前 5 分钟再次点名。

②

自愿共享屏幕

用本人笔记本打开实验报告，展示真实操作、结果或卡点。

③

现场复现与双分

作者现场运行；同学也可仅凭该文档复现，作者与复现者都加分。

④

随机拷问与好问题

教师判断掌握程度；旁听同学可提出被采纳的好问题。

本周可能被问

虚拟环境隔离了什么、没有隔离什么？
Git commit 与 GitHub/GitCode 有何区别？
什么是最小复现？
测试通过为什么仍不能证明完全正确？
日志与 print 的主要差别是什么？

本周课堂积分

Same rules every week

✅

考勤

上课提前 5 分钟点名，下课前 5 分钟再点名

出勤 +3迟到 +2早退 +2请假 +1旷课 +0

💻

复现

使用 AI 自学，按照教学大纲完成了每周实验任务

成功复现 +1未能复现 +0

🚀

拓展

按照教学大纲完成一项或多项拓展任务

多拓展 +2有拓展 +1无拓展 +0

🖥️

展示

主动共享屏幕展示复现过程，接受核验与拷问

课堂自愿共享屏幕展示 +3无课堂展示 +0

🥇

首讲

每节课堂最先自愿开讲的前 3 人

前 3 人 +1

💡

提问

认真旁听并提出被采纳的好问题

被采纳 +0.5

🔍

拷问

面对面随机拷问 · 反空心化闸门

空心代工 −1一知半解 +1融会贯通 +2

🤝

双分

仅凭文档课堂现场复现

作者与复现者 都 +1

🏆

精选

本周最佳文档

知识库 + 席位 + 署名 + 积分 +3

做一点，也算一点

没有完成全部实验，也可以凭考勤、展示卡点、认真提问和真实回答获得积分；做得越扎实，展示、拓展、拷问、双分和精选带来的激励越多。飞书应用展示过去 30 天积分榜与总积分榜。

自由拓展与参考资源

拓展挑战

加入 pre-commit 或 Git hook
给函数增加类型注解并运行类型检查器
用 git bisect 思路定位一次人为引入的回归

优先读官方文档

← 上一周W04 · Python 最小语法与程序结构下一周 →W06 · 数值计算：数组、向量化与模拟