生成器是实现斐波那契数列迭代器最自然轻量的方式，用yield自动封装迭代器协议，无需手动实现__iter__和__next__；支持无限序列与限定项数两种写法，比手写迭代器类更简洁安全。

生成器是实现斐波那契数列迭代器最自然、最轻量的方式——它本质就是一个符合迭代器协议的惰性对象，无需手动写 __iter__ 和 __next__，Python 自动帮你封装好了。

生成器函数写法（推荐）

用 yield 定义函数，每次产出一个数，状态自动保存：

• 定义时只需维护两个变量 a 和 b，分别代表当前项和下一项
• yield a 返回当前值，然后执行 a, b = b, a + b 更新状态
• 循环控制交给调用方（比如用 for 或 next()），灵活性高

示例代码：

def fibonacci():
  a, b = 0, 1
  while True:
    yield a
    a, b = b, a + b

# 获取前 15 个数
fib = fibonacci()
for _ in range(15):
  print(next(fib), end=' ')
# 输出：0 1 1 2 3 5 8 13 21 34 55 89 144 233 377

带数量限制的生成器（实用场景）

如果明确只要前 n 项，可在生成器内部加 range(n) 控制，避免无限运行风险：

coding-agent

一款AI开发辅助工具，主要用于通过后台进程将编码任务委托给 Codex、Claude Code 或 Pi 智能体。适用场景：（1）构建或创建新功能/应用，（2）审查 PR，适合需要提升相关任务效率的用户。

下载

• 适合一次性获取固定长度序列，比如初始化列表或测试用例
• 比无限生成器更安全，尤其在脚本中不易误触发无限循环
• 仍保持生成器的内存优势：不一次性构造整个列表

示例：

def fib_n(n):
  a, b = 0, 1
  for _ in range(n):
    yield a
    a, b = b, a + b

list(fib_n(10)) # [0, 1, 1, 2, 3, 5, 8, 13, 21, 34]

与手写迭代器类对比

你也可以用类实现迭代器（重载 __iter__ 和 __next__），但生成器更简洁：

• 类写法需显式管理状态、处理 StopIteration 异常
• 生成器由解释器托管状态和异常，出错概率低，可读性强
• 两者都支持 for 遍历，但生成器天然支持 send()、throw() 等高级操作（如协程场景）

注意事项

使用时注意几个常见细节：

• 生成器对象只能遍历一次，用完即耗尽；需要重复使用请重新调用生成器函数
• 不要在生成器内部修改外部变量（除非有意共享状态），yield 暂停后恢复的是函数局部环境
• 若需线程安全，生成器本身不保证并发安全，必要时加锁或改用其他结构