环境准备：Python 3.10+环境搭建、Anaconda配置、虚拟环境管理、关键依赖库安装
说实话，做量化投资最怕什么？不是策略亏钱，而是环境配了半天跑不起来。我见过太多人卡在第一步——Python版本不对、依赖冲突、包装不上。嗯，今天咱们就把这事彻底搞定。
我个人习惯，所有量化项目都用Python 3.10+。为什么？因为3.11虽然更快，但有些库还没完全适配。3.10是个稳妥的选择，LangChain、OpenAI这些新库都支持得很好。
1. Python 3.10+ 安装
去官网下载就行，但我建议你用Anaconda来管理。你想想看，Anaconda自带Python、包管理器、还有一堆科学计算库，省心不少。
重要提醒：安装时记得勾选「Add Python to PATH」。我曾经忘了勾，结果命令行里死活找不到python命令，折腾了半小时才发现。
2. Anaconda配置
装完Anaconda，第一件事就是换源。国内连国外源慢得让人抓狂。我一般用清华镜像：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes换完源，更新一下conda本身：
conda update conda
conda update --all小技巧：我习惯把conda的默认环境保持干净，所有项目都新建虚拟环境。这样不同项目之间不会打架。
3. 虚拟环境管理
虚拟环境这东西，说白了就是给你的每个项目一个独立的小房间。房间里装的Python版本、库版本都是独立的，互不影响。
创建虚拟环境：
conda create -n quant_agent python=3.10
conda activate quant_agent退出环境：
conda deactivate查看所有环境：
conda env list避坑指南：我曾经在一个项目里同时用了两个不同版本的TensorFlow，结果模型训练到一半报错，查了两天才发现是环境冲突。从那以后，每个项目我都单独建环境，绝不偷懒。
4. 关键依赖库安装
好，环境搭好了，接下来装库。咱们这个多Agent协同投资框架，核心依赖就这几个：
| 库名 | 版本要求 | 用途 |
|---|---|---|
| LangChain | ≥0.1.0 | Agent编排、工具调用 |
| OpenAI | ≥1.0.0 | 大模型接口 |
| Pandas | ≥2.0.0 | 数据处理 |
| Numpy | ≥1.24.0 | 数值计算 |
| Matplotlib | ≥3.7.0 | 可视化 |
| TA-Lib | ≥0.4.28 | 技术指标计算 |
安装命令：
pip install langchain openai pandas numpy matplotlib ta-lib如果你用conda，也可以：
conda install -c conda-forge langchain openai pandas numpy matplotlib ta-lib个人经验：TA-Lib在Windows上安装容易报错。我建议去它的GitHub页面下载预编译的whl文件，或者直接用conda安装。Linux和Mac一般没问题。
5. 验证安装
装完别急着走，验证一下：
python -c "import langchain; print(langchain.__version__)"
python -c "import pandas; print(pandas.__version__)"
python -c "import numpy; print(numpy.__version__)"如果都能正常输出版本号，恭喜你，环境搞定了。
6. 知识体系总览
下面这张图，是我做这个课程时画的。它把整个环境准备阶段的核心逻辑串起来了：
这张图你看懂了吗？从上到下，就是咱们搭建环境的完整流程。先装Python，再用Anaconda管理环境，然后装依赖库，最后验证。每一步都踩实了，后面写代码才不慌。
7. 一些额外建议
- 用requirements.txt记录依赖：项目根目录放一个文件，里面写上所有库和版本。别人拿到项目，直接
pip install -r requirements.txt就能复现环境。 - 版本锁定：我习惯在requirements.txt里写死版本号，比如
langchain==0.1.0。这样即使库更新了，项目也不会出问题。 - 定期更新：每两周更新一次依赖库，但要在新环境里测试通过后再应用到项目。
注意：千万别在生产环境里直接pip install --upgrade所有库。我曾经手贱升级了numpy，结果整个数据处理流程全崩了，回滚花了一下午。
好了，环境准备这块就这些。你按着步骤来，半小时内肯定能搞定。搞不定的话，检查一下网络，或者换个源试试。嗯，咱们下个章节见。