环境搭建与配置：Python虚拟环境、Node.js环境、Docker基础、Git版本控制

说实话，做数据标注和AI训练这几年，我踩过最多的坑就是环境问题。你想想看，好不容易写好一套标注脚本，换台机器就跑不起来了，或者依赖包版本冲突搞得人想砸电脑。嗯，今天咱们就把这套基础环境彻底捋清楚。

Python虚拟环境：隔离才是王道

我个人习惯，每个项目都建一个独立的Python虚拟环境。为什么？因为我在项目中遇到过太多次了——项目A需要TensorFlow 2.4，项目B需要2.8，装在一起直接崩掉。

venv：Python自带的轻量方案

Python 3.3以后自带了venv模块，不用额外安装。用法很简单：

# 创建虚拟环境
python -m venv myenv

# 激活（Windows）
myenv\Scripts\activate

# 激活（Mac/Linux）
source myenv/bin/activate

# 退出
deactivate

激活后，终端前面会出现 (myenv) 的标识，说明你已经在虚拟环境里了。这时候用pip安装的所有包，都只在这个环境里生效。

conda：更适合数据科学场景

如果你做标注工具开发，经常要处理图像、视频这些依赖，我建议用conda。它不光管Python包，还能管理非Python的底层库，比如OpenCV的底层依赖。

# 创建环境并指定Python版本
conda create -n label_tool python=3.9

# 激活
conda activate label_tool

# 安装包
conda install numpy opencv pillow

# 导出环境配置（方便团队共享）
conda env export > environment.yml

# 从配置文件创建环境
conda env create -f environment.yml

Node.js环境：前端标注工具的基础

现在很多标注工具的前端部分都是用JavaScript写的，比如Label Studio、CVAT这些。Node.js就是运行这些工具的基础环境。

安装与版本管理

我个人推荐用nvm（Node Version Manager）来管理Node.js版本。为什么？因为不同标注工具对Node版本要求不一样，手动切换太麻烦。

# 安装nvm（Mac/Linux）
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.3/install.sh | bash

# 安装指定版本
nvm install 18.16.0

# 切换版本
nvm use 18.16.0

# 查看当前版本
node -v
npm -v

npm与yarn：包管理工具

装好Node.js后，npm就自带了。但如果你做大型标注项目，我建议试试yarn，它的依赖解析和缓存机制更高效。

# 安装yarn
npm install -g yarn

# 初始化项目
npm init -y
# 或者
yarn init -y

# 安装依赖
npm install label-studio
# 或者
yarn add label-studio

Docker基础：环境一致性利器

做数据标注最头疼的是什么？是「在我机器上能跑啊」。Docker就是解决这个问题的。你把整个环境打包成一个镜像，别人拉下来就能用，一模一样。

核心概念速览

一个标注工具的Dockerfile示例

# 基于Python 3.9镜像
FROM python:3.9-slim

# 设置工作目录
WORKDIR /app

# 复制依赖文件
COPY requirements.txt .

# 安装Python依赖
RUN pip install --no-cache-dir -r requirements.txt

# 复制项目代码
COPY . .

# 暴露端口
EXPOSE 8080

# 启动命令
CMD ["python", "app.py"]

# 构建镜像
docker build -t my-label-tool:v1 .

# 运行容器
docker run -p 8080:8080 my-label-tool:v1

docker-compose：多容器编排

实际项目中，标注工具往往需要数据库、消息队列等配套服务。docker-compose可以一键启动所有服务。

version: '3'
services:
  app:
    build: .
    ports:
      - "8080:8080"
    depends_on:
      - db
  db:
    image: postgres:13
    environment:
      POSTGRES_DB: labels
      POSTGRES_USER: admin
      POSTGRES_PASSWORD: secret

Git版本控制：标注项目的生命线

做标注工具开发，代码版本管理是基本功。但我想说的是，Git不只是管代码，标注配置文件、标注规范文档、甚至标注结果样本，都应该纳入版本控制。

基础工作流

# 初始化仓库
git init

# 添加文件到暂存区
git add .

# 提交到本地仓库
git commit -m "初始化标注工具项目"

# 关联远程仓库
git remote add origin https://github.com/yourname/label-tool.git

# 推送到远程
git push -u origin main

分支策略：我推荐的做法

在标注项目中，我习惯用这种分支结构：

• main：稳定版本，只合并经过测试的代码
• develop：日常开发分支
• feature/xxx：新功能分支，比如 feature/image-segmentation
• hotfix/xxx：紧急修复分支

.gitignore：别把垃圾提交上去

标注项目里，有些文件是不应该进版本控制的：

# Python
__pycache__/
*.pyc
*.pyo
venv/
.env

# Node
node_modules/
npm-debug.log*

# 标注数据（太大，不适合放Git）
data/raw/
data/processed/

# IDE配置
.vscode/
.idea/

# Docker
docker-compose.override.yml

本章知识体系总览

下面这张图，是我梳理的本章核心逻辑。你看一遍，心里就有谱了。

嗯，这套环境搭好之后，你会发现后续的开发顺畅很多。说白了，前期花半小时把环境配好，后面能省下好几个小时的排错时间。这个账，咱们得算清楚。