一、引言
对于算法工程师来说，语言从来都不是关键，关键是快速学习以及解决问题的能力。大学的时候参加ACM/ICPC一直使用的是C语言，实习的时候做一个算法策略后台用的是php，毕业后做策略算法开发，因为要用spark，所以写了scala，后来用基于storm开发实时策略，用的java。至于python，从日常用hive做数据策略用python写udf，到基于tensorflow深度学习框架写python版的模型网络，再到现在实用pytorch做大模型。眼看着在语言纷争中，python的应用越来越广，开一个单独的专栏用于记录python中常用到的技巧，算是做笔记，没事翻出来看看。
在Python 3.5版本后引入的typing模块为Python的静态类型注解提供了支持，这个模块在增强代码可读性和维护性方面提供了帮助，今天简要概述一下python的typing模块
二、参数类型注解（typing）
2.1 概述
参数类型注解主要是增强代码可读性和维护性，其实python比c++、java的优势就是间接，增加这些类型是不是画蛇添足了？。
2.2 基本用法
def example(参数名: 参数类型) -> 返回值类型:
代码块
return 返回值2.3 内置类型
def use_info(name:str, age:int, gender:str) -> str:
print(f"{name} is {age} years old and is a {gender}.")
return f"{name} is {age} years old and is a {gender}."
info=use_info("daoguang",18,"male")
print(info)
#daoguang is 18 years old and is a male.
#daoguang is 18 years old and is a male.代码提示工具会自动展示函数输入输出格式，但要能看得懂啊！
三、总结
本文使用简单的例子讲解函数注解的基本用法，后面几篇会讲一些常用的注解类型。
《AI—工程篇》
AI智能体研发之路-工程篇（一）：Docker助力AI智能体开发提效
AI智能体研发之路-工程篇（二）：Dify智能体开发平台一键部署
AI智能体研发之路-工程篇（三）：大模型推理服务框架Ollama一键部署
AI智能体研发之路-工程篇（四）：大模型推理服务框架Xinference一键部署
AI智能体研发之路-工程篇（五）：大模型推理服务框架LocalAI一键部署
《AI-模型篇》
AI智能体研发之路-模型篇（一）：大模型训练框架LLaMA-Factory在国内网络环境下的安装、部署及使用
AI智能体研发之路-模型篇（二）：DeepSeek-V2-Chat 训练与推理实战
AI智能体研发之路-模型篇（三）：中文大模型开、闭源之争
AI智能体研发之路-模型篇（四）：一文入门pytorch开发
AI智能体研发之路-模型篇（五）：pytorch vs tensorflow框架DNN网络结构源码级对比
AI智能体研发之路-模型篇（六）：【机器学习】基于tensorflow实现你的第一个DNN网络
AI智能体研发之路-模型篇（七）：【机器学习】基于YOLOv10实现你的第一个视觉AI大模型
AI智能体研发之路-模型篇（八）：【机器学习】Qwen1.5-14B-Chat大模型训练与推理实战
