附录 · Java-Python 对照速查表

全书二十篇的浓缩卡片。建议收藏本页，前三个月你会反复回来查它。

一、基础语法

Java 8	Python	备注
System.out.println(x)	print(x)	调试用；正式用 logging
String s = "a" + b	f"{b}"	f-string 是标准答案
if (x != null)	if x is not None:	永远 is None，不写 == None
a == b（比身份）	a == b（比内容）	身份比较用 is
int i = 0;	i = 0	声明即初始化
final x = 1	无关键字	Python 靠约定，常量写 UPPER_CASE
public/private	_name / __name	一个下划线=私有约定，两个=名字改写
a ? b : c	b if a else c	条件表达式
switch (x) {...}	match x: case ...	3.10+，实际很少用
三目运算链	x or y / x and y	短路求值，返回操作数本身

二、容器与推导式

Java 8	Python
new ArrayList<>()	[]
new HashMap<>()	{}
new HashSet<>()	set() / {1, 2}
List.of(a, b)	(a, b) 元组 / [a, b]
list.get(i)	lst[i]（负索引从右数）
list.subList(1, 3)	lst[1:3]（切片）
str.substring(2, 5)	s[2:5]
new StringBuilder(s).reverse()	s[::-1]
for (int i...)	for i, v in enumerate(lst):
两 List 配对	zip(a, b, strict=True)
stream().map().filter()	[f(x) for x in it if cond]
stream().collect(toMap())	{k: v for k, v in items}
stream().collect(toSet())	{x for x in it}

三、函数与装饰器

Java 8	Python
Function<T,R> f = x -> x*2	f = lambda x: x * 2
匿名内部类（final 捕获）	闭包 + nonlocal 声明写入
Spring AOP @Around	@decorator（函数套函数）
@Retryable（Spring Retry）	@retry(max_attempts=3) 自己写
@Transactional	with transaction():（上下文管理器）
Runnable 实例	函数本身 Thread(target=fn)
Lombok @Data	@dataclass
record Point(int x, int y)	@dataclass class Point:（默认可变）
Record 不可变	tuple / NamedTuple / frozen dataclass
try (var r = open())	with open(...) as f:
Consumer<T> 带状态实现	class X: + __call__(self, ...)（可调用对象，第 06 篇）
Iterable<T> / Iterator<T>	__iter__ + __next__（for 只认这协议，第 05 篇）
Guava / 静态工具类	functools.partial（焊死前几个参数，第 04 篇）
工厂方法固定参数	partial(fn, model=..., temperature=...)
void method(){} + __slots__ 无对应	__slots__（海量小对象省内存，十万个省 61%，第 06 篇）

四、类型系统

Java 8	Python
interface X	class X(Protocol):（结构式）
implements	什么都不写（鸭子类型）
List<String>	list[str]（3.9+ 小写泛型）
Optional<T>	T | None
@Nullable String	str | None
Function<T,R>	Callable[[T], R]
泛型 <T extends X>	TypeVar("T", bound=X)
javac 编译期检查	mypy 静态检查（命令: uv run mypy .）
instanceof	isinstance(x, T)（Pythonic 代码少用）

五、并发

Java 8	Python
new Thread(...)	threading.Thread(target=fn)
Executors.newFixedThreadPool(8)	ThreadPoolExecutor(max_workers=8)
synchronized(obj)	with threading.Lock():
volatile	无（asyncio 单线程无竞争）
CompletableFuture.allOf(...)	await asyncio.gather(...)
supplyAsync(...)	asyncio.to_thread(fn) / run_in_executor
NIO + Reactor	asyncio 事件循环（同构思想）
ForkJoinPool	multiprocessing.Pool
GIL 不存在（真并行）	GIL：多线程 CPU 密集无效，IO 有效
CPU 密集	multiprocessing 多进程
IO 密集	多线程 / asyncio（AI 的主战场）

六、LLM/RAG 黑话翻译

LLM 圈黑话	你的旧相识
Chat Completions 协议	REST + JSON（OpenAI 兼容全行业）
token	计费/容量单位，中文≈1~1.5字/token
BPE 分词	前缀合并，学出高频碎片表
上下文窗口 128k	工作记忆容量（含 prompt+回答）
temperature / top_p	采样随机旋钮
system prompt	全局前置配置
few-shot	模板 + 示例
幻觉	过拟合输出，无 ground truth
embedding 向量	语义特征向量
余弦相似度	检索打分器
向量库（pgvector/Milvus）	带几何检索的索引
RAG	开卷考试（检索拼进 Prompt）
chunk / 分块	文档切片，512token+10%重叠
rerank	二段排序精排
function calling	RPC：吐参数，本地执行回填
ReAct / Agent	规则引擎换成模型决策
LangGraph	轻量工作流引擎（Camunda 的 LLM 版）
checkpointer	流程实例持久化
LoRA 微调	外挂增强（AOP），教风格不教知识
vLLM	连续批处理 + 分页显存产线
TTFT / TPOT	首字延迟 / 每 token 间隔
prompt injection	检索内容劫持指令（RAG 头号威胁）

七、常用命令速查

# --- 环境（本书规范） ---
uv init                      # 建项目（自动虚拟环境）
uv add requests              # 加依赖
uv add --dev ruff pytest mypy  # 加开发工具
uv run python x.py           # 在虚拟环境里跑
uv run ruff check .          # 代码检查
uv run pytest                # 测试

# --- LLM 实战 ---
export DEEPSEEK_API_KEY=sk-xxx    # key 只进环境变量
uv add openai                     # OpenAI 兼容 SDK

# --- RAG 基建 ---
docker run -d --name rag-pg -e POSTGRES_PASSWORD=postgres \
  -p 5432:5432 pgvector/pgvector:pg16
uv add "psycopg[binary]"
-- SQL: CREATE EXTENSION vector; ALTER TABLE ... ADD COLUMN embedding vector(1024);
-- 检索: ORDER BY embedding <=> %s::vector LIMIT 5

# --- 本地部署 ---
ollama serve                  # 本地模型服务（:11434）
mlx_lm.server --model mlx-community/Qwen2.5-7B-Instruct-4bit --port 8080
vllm serve Qwen/Qwen2.5-7B-Instruct --max-model-len 8192    # Linux+GPU

# --- 微调 ---
mlx_lm.lora --model mlx-community/Qwen2.5-7B-Instruct-4bit --train --data ./data --iters 600
mlx_lm.fuse --model <基座> --adapter-path ./adapters/x --save-path ./models/fused

八、一份诚实的能力自检（转正前过一遍）

• [ ] 不看书写出生成器 + 装饰器的骨架
• [ ] 说得出 for x in obj 的两个协议方法，和 StopIteration 在哪一步发生
• [ ] 给一个海量小对象类加过 __slots__，并说出它的代价
• [ ] 跑通过带重试和流式的 LLM Client
• [ ] pgvector 里建过库、灌过 chunk、写过检索 SQL
• [ ] 有一张 50+ 条的评测集和通过率数字
• [ ] 本地 Ollama/MLX 起过一个开源模型并用 OpenAI 协议调过
• [ ] 简历里有一段带数字的 RAG/Agent 项目经历

六项全勾，你不再是“学过 Python 的 Java 工程师”，是 AI 应用工程师。

---

下一篇：附录 B · AI 信息可信度分级手册（返回 目录）——把书里的实验跑成你自己的项目，欢迎来仓库分享。