2、开发环境全家桶：Python 3.10+、Anaconda、VS Code与Jupyter Notebook配置实战

说实话，很多初学者把大量时间花在「学哪个工具」上，而不是「用工具干活」。我见过太多人，第一天装环境就卡住了，然后放弃了整个课程。

别急，今天咱们就把这套「开发环境全家桶」一次性搞定。你跟着我的节奏走，半小时内就能跑起来。

2.1 为什么是这套组合？

先说说我的选择逻辑。你想想看，大模型应用开发，本质上就是三件事：写代码、跑实验、调参数。

• Python 3.10+：这是大模型生态的基石。很多新库（比如 LangChain、Hugging Face Transformers）已经放弃了对 3.8 以下版本的支持。我个人习惯直接用 3.11，稳定又够新。
• Anaconda：说白了就是个环境管家。你同时做三四个项目，每个项目依赖的包版本不一样，Anaconda 能帮你隔离得干干净净。我在项目中遇到过好几次「这个项目要 TensorFlow 2.x，那个要 1.x」的尴尬，有了 conda 环境，一键切换。
• VS Code：轻量、插件丰富、调试方便。我用了五年，没换过。
• Jupyter Notebook：适合快速验证想法、做数据分析、展示结果。写大模型应用时，我经常用它来调试 prompt 和看中间输出。

2.2 安装 Python 3.10+

嗯，这里要注意：不要直接从官网下载 Python 安装包，然后手动 pip 装包。那样你会陷入「依赖地狱」。

我的建议是：直接装 Anaconda，它会自带 Python。但如果你已经装了独立的 Python，也没关系，后面用 conda 创建环境时会自动覆盖。

验证是否安装成功，打开终端（Windows 用 cmd 或 PowerShell，Mac/Linux 用 Terminal），输入：

python --version

如果输出类似 Python 3.11.x，就对了。如果没反应，说明环境变量没配好。我曾经在这上面栽过跟头——装完 Python 忘了勾选「Add Python to PATH」，结果折腾了半小时。

2.3 安装 Anaconda

去 Anaconda 官网下载对应系统的安装包。我建议下载 Anaconda Distribution，它包含了 conda、Python 和 150+ 常用科学计算包。

安装完成后，打开终端，输入：

conda --version

看到版本号就说明成功了。接下来，我教你创建一个专门用于大模型开发的虚拟环境：

conda create -n llm_env python=3.11
conda activate llm_env

这里 llm_env 是环境名，你可以随便起。激活后，终端前面会出现 (llm_env) 字样，表示你现在就在这个环境里了。

2.4 安装 VS Code

VS Code 的安装很简单，去官网下载安装包，一路下一步就行。但装完只是第一步，真正让它好用的是插件。

我推荐你必装这几个插件：

插件名	作用
Python	微软官方出品，提供代码补全、调试、Linting 等核心功能
Jupyter	让你在 VS Code 里直接运行 .ipynb 文件
Pylance	超快的类型检查，写大模型代码时能帮你发现很多隐藏 bug
GitLens	代码版本管理，谁改了什么一目了然
Markdown All in One	写文档、写笔记时特别好用

安装方法：点击左侧扩展图标（或按 Ctrl+Shift+X），搜索插件名，点击安装即可。

装完后，记得设置一下 Python 解释器。按 Ctrl+Shift+P，输入 Python: Select Interpreter，选择你刚才创建的 llm_env 环境。这样 VS Code 就会自动使用这个环境里的 Python 和包。

2.5 配置 Jupyter Notebook

Jupyter Notebook 有两种打开方式：

• 方式一：在终端输入 jupyter notebook，浏览器会自动打开一个页面，你可以在里面新建、编辑、运行 notebook 文件。
• 方式二：在 VS Code 里新建一个 .ipynb 文件，直接在里面写代码。我个人更推荐这种方式，因为代码编辑、调试、版本管理都在一个工具里完成，不用来回切换。

如果你用的是方式一，记得先激活你的 conda 环境：

conda activate llm_env
jupyter notebook

这样 Jupyter 就会使用你环境里的 Python 内核。否则，它可能用的是 base 环境，导致你安装的包找不到。

2.6 验证环境是否配置成功

最后，我们来写一段简单的代码，验证整个环境是否跑通了。在 VS Code 里新建一个 test_env.py 文件，输入：

# 验证 Python 版本
import sys
print(f"Python 版本: {sys.version}")

# 验证常用库是否可用
try:
    import numpy as np
    print("NumPy 可用")
except ImportError:
    print("NumPy 未安装")

try:
    import requests
    print("Requests 可用")
except ImportError:
    print("Requests 未安装")

# 验证 Jupyter 内核
print("环境配置完成！可以开始大模型应用开发了 🚀")

运行一下（按 F5 或点击右上角的运行按钮）。如果看到类似下面的输出，恭喜你，环境配置成功了！

Python 版本: 3.11.5 (main, Sep 11 2023, 08:19:27)
NumPy 可用
Requests 可用
环境配置完成！可以开始大模型应用开发了 🚀

2.7 总结一下

今天咱们干了这几件事：

1. 安装了 Python 3.11（通过 Anaconda）
2. 创建了独立的 conda 虚拟环境 llm_env
3. 安装了 VS Code 并配置了核心插件
4. 配置了 Jupyter Notebook（推荐在 VS Code 里使用）
5. 写了一段验证代码，确保所有工具都能正常工作

这套环境，我用了两年多，带过好几期学员，从来没出过兼容性问题。你只要按步骤来，肯定能一次搞定。

下一章，咱们就要正式开始写代码了。我会带你用 LangChain 调用第一个大模型 API，感受一下「一句话生成代码」的魔力。到时候你就知道，今天花半小时配环境，绝对值。