这门课的名字里有「具身智能」，但第一个模块却叫「Python 程序设计基础」。如果你已经会写 Python，看到这个标题可能会想跳过——先别急。真正的问题不是「会不会 Python」，而是「你的 Python 能不能撑住一台真实机器人上的代码」。

先确认缺口：你缺的可能不是语法

会写脚本、能跑通爬虫、用过 pandas，这些和具身智能场景里的 Python 是两回事。机器人上的代码要处理的是：摄像头一帧一帧进来的图像、传感器不定时到达的数据、模型推理的耗时、以及硬件资源有限的开发板。这些场景会把 Python 的很多基础问题重新翻出来——比如可变对象的引用语义、生成器与迭代器的惰性求值、异常的传播路径、多线程下的资源竞争。平时写业务代码可以绕过去的坑，在这里绕不过去。

所以这门课的定位不是「教你 Python」，而是把 Python 的基础重新对准一个具体方向：为后面在 RK3588 这类边缘平台上跑视觉与推理任务做准备。你要检验的是自己的基础够不够「硬」。

课程会把基础落在哪些具体能力上

从内容结构看，语法、数据结构、控制结构这些常规部分会快速过一遍，重点在于它们后面接的东西：图像处理与目标检测的调用方式（OpenCV、YOLO 这类工具在 Python 侧怎么用），以及这些代码如何跟嵌入式平台、机器人本体衔接。也就是说，同一个 for 循环，在这里的写法要考虑的是「每帧处理不能拖慢整体帧率」，而不是「能不能跑出结果」。

配套的实操环节依托 RK3588 平台和 LeRobot 机器人展开。这意味着练习不是纯算法题，而是要在有算力约束、有硬件接口的环境里验证代码。对转岗的人来说，这部分价值最大：它把「我学过 Python」变成「我在真实设备上跑通过一段处理流程」。

学完之后你应该能回答的问题

一段图像处理代码在开发板上跑得慢，你会从哪些层面去定位——是 Python 层面的循环与拷贝，还是调用方式，还是平台本身的限制？
摄像头数据、模型推理结果、机器人动作指令，这三者在代码里怎么组织，才能让数据流不至于互相阻塞？
用 OpenCV 或 YOLO 做目标检测时，从读入一帧到拿到检测框，中间经历了哪些步骤，哪一步最可能出错？
如果要把一段在电脑上跑通的代码搬到嵌入式设备上，你会优先检查哪几件事？

这些问题答不上来，说明基础还有缺口；能答上来，说明你具备往下学具身智能其他模块的底子。

怎么用这套材料

建议不要按「看视频—抄代码—下一个」的节奏走。每学完一个知识点，问自己一句：这个东西在机器人场景里对应什么。数据结构对应的是传感器数据的组织方式，异常处理对应的是硬件调用的失败兜底，模块化对应的是感知、决策、执行的分层。带着这个映射去看，基础模块才不是复习，而是换一套坐标系重新理解 Python。

如果你完全没有编程经验，这门课不适合作为第一门课，节奏会偏快。如果你写过一段时间的 Python，但没碰过硬件、图像或推理，那它正好补上你缺的那一段。