AI学习第1天：Python + AI 开发环境搭建全攻略，大模型入门到精通，收藏这篇就足够了！

随着ChatGPT、deepseek等AI大模型的出世，AI 应用爆发式增长，越来越多开发者开始使用 Python 来打造智能产品。

Python秒杀

431人浏览 · 2025-09-11 14:32:39

Python秒杀 · 2025-09-11 14:32:39 发布

随着ChatGPT、deepseek等AI大模型的出世，AI 应用爆发式增长，越来越多开发者开始使用 Python 来打造智能产品。但很多新手在第一步就被“环境配置”劝退——库装不上？版本冲突？跑个模型卡到爆？

今天就手把手教你：如何快速搭建一个干净、稳定、适用于 AI 开发的 Python 环境。

🧰 Step 1：安装 Python

官网下载地址：
👉 https://www.python.org/downloads/

推荐版本： Python 3.10+（如 3.13.15）

✅注意事项：

安装时务必勾选 ✅ Add Python to PATH
否则后续命令行无法识别 Python。

📸 如下图所示：

下载Python

安装Python

💻 Step 2：安装开发工具 VS Code 或 PyCharm

🟢 推荐 1：Visual Studio Code（轻量）

官网下载地址：https://code.visualstudio.com/
推荐安装插件：

Python（语法支持）
Jupyter（支持 Notebook）
Pylance（自动补全）

🔵 推荐 2：PyCharm（功能强大）

社区版（免费）：https://www.jetbrains.com/pycharm/download/
专业版适合企业/科研项目（需授权）

🧪 Step 3：创建虚拟环境

在正式开发前，强烈建议为每个项目创建一个“虚拟环境”！它能避免不同项目间的依赖冲突，也更便于部署和迁移。

方法一：使用 venv（Python 官方推荐）

📦适用人群：

不依赖大型科学计算库（如 CUDA、MKL）
适合普通开发 / Web 项目 / AI 模型测试

🔧 创建步骤（通用）

✅ 第一步：创建环境 `python -m venv ai-env`

📂 这将在当前目录生成一个名为 ai-env 的文件夹，里面包含独立的 Python 解释器和 pip。

✅ 第二步：激活环境

Windows：

ai-env\Scripts\activate
macOS / Linux：

source ai-env/bin/activate

激活后，命令行前面会出现 (ai-env)，代表你正在使用这个虚拟环境。

✅ 第三步：退出环境

bash
deactivate

⚠️ 常见问题：

问题	解决方案
`python` 不是内部或外部命令	检查是否勾选了“Add Python to PATH”或使用 `python3`
激活失败（Windows）	运行 PowerShell 时使用：`Set-ExecutionPolicy RemoteSigned -Scope CurrentUser` 允许执行脚本

🔵方法二：使用 conda（推荐科学计算 / 数据分析用）

📦适用人群：

使用 PyTorch、TensorFlow、scikit-learn 等重依赖系统环境的开发者
已安装 Anaconda 或 Miniconda

🔧 创建 Conda 虚拟环境

✅ 创建新环境并指定 Python 版本 `执行：conda create -n ai-env python=3.10`

✅ 激活环境 `执行：conda activate ai-env`

✅ 安装必要库（例如 PyTorch） `执行：conda install pytorch torchvision torchaudio cpuonly -c pytorch`

✅ 退出环境 `执行：conda deactivate`

🔁 venv vs conda 对比表

项目	venv	conda
是否内置 Python	否（依赖系统 Python）	是（隔离度高）
是否需联网安装	是	是
是否适合 AI 框架	可以（轻量场景）	更适合
是否能管理系统依赖	否	是（如 cudnn、mkl）
初学者推荐	✅	✅

✅ 提示：虚拟环境创建完成后，记得：

安装依赖前先激活环境
项目根目录添加 requirements.txt，方便部署或迁移
PyCharm/VSCode 中设置项目解释器为你的虚拟环境路径

Step 5：实际动手创建推荐项目结构****

打开终端（PowerShell / CMD）
切换到你希望放项目的位置，例如：

cd D:\Projects # 或者 cd ~/Documents
执行以下命令创建目录结构：

mkdir my_ai_project cd my_ai_project mkdir data notebooks src echo"# My AI Project" > README.md echo"# 自动生成的 requirements" > requirements.txt cd src echo"# 模型代码起始点" > model.py

🚀 Step 6：第一个 AI 模型试水 ✅ 新建文件 text_generator.py，复制以下内容： from transformers import pipeline # 初始化一个文本生成 pipeline，使用 gpt2 模型 generator = pipeline("text-generation", model="gpt2") # 设置输入内容 prompt = "未来人工智能将会如何改变我们的生活？" # 调用生成函数 results = generator(prompt, max_length=50, num_return_sequences=1) # 输出生成结果 print("🤖 AI 生成的内容：\n") print(results[0]['generated_text']) — ▶️ 三、运行你的 AI 模型在终端中运行： python text_generator.py 你会看到输出类似： 🤖 AI 生成的内容：xxxxx

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇