简介

本文介绍了AI应用开发的基础环境搭建，包括Python安装、虚拟环境配置和Jupyter Notebook使用。作者原计划撰写LangChain 0.3教程，但因升级至1.0版本而转而介绍受影响较小的LangGraph框架。尽管编程对非程序员有门槛，但作者认为全面拥抱AI是避免掉队的最佳方式，并承诺推出从零开始的LangGraph学习系列，帮助初学者循序渐进掌握AI应用开发技能。

---

重要的不是我们是否会被AI替代，

而是我们要比被替代的人更懂AI。

大家好，实在不好意思，好久不见！

真的非常尴尬，上期刚下定决心要开一个LangChain 0.3版本的系列学习笔记，第二期关于Prompt Template的笔记都写了一半了，忽然听说LangChain要进行版本大更新，升级为1.0版本，且许多内容都会被重构。

于是，我只能根据官网信息，重新调整我的学习计划内容。

鉴于LangChain 1.0版本的预计发布时间在10月，现在一些内容还存在变化的可能，因此我将学习重心调整为本次版本升级影响相对较小，且未来将作为LangChain 1.0版本核心基础的LangGraph。

LangGraph是用来进行Agent开发与编排的框架，而现在Agent开发也是一个非常热门的话题，我就当这是老天爷的安排吧。

需要说明的是，考虑到本公众号的初心，是要向普罗大众普及AI技术应用的相关知识，而利用LangChain、LangGraph等编程框架进行软件开发，可能对非程序员背景的朋友来说还是有一定的门槛的。

但我始终觉得，这个时代，避免自己掉队的最佳方法，一定是全方面地拥抱AI。那么，在学会Ptompt设计、Cherry Studio等现成的AI工具使用方法的基础上，进一步探索更自由的AI应用开发，尝试根据自己在工作、生活、学习中个性化的需求，来开发出能帮助自己或他人的AI应用，真的是非常Cool且有意义的事情。

因此，为了便于让感兴趣但对编程毫无基础的朋友，能够真正地实现从零开始学习，新的LangGraph学习笔记系列将从AI应用开发的基本学习环境的搭建讲起，尝试和大家一起慢慢地、循序渐进地探索LangGraph和LangChain的世界。

请大家保持好奇，不要害怕，遇事不明，多问AI。

AI应用开发的基本学习环境搭建

事实上，学习AI应用开发所需的基本学习环境非常简单。

首先，安装Python无需赘言，现在大部分AI训练框架、应用开发框架都是以Python语言为核心的。在Python强大的生态支持下，我们的开发过程可以通过导入各式各样现成的包、模块而得到极大的简化。

其次，我们需要一个用来运行代码的开发环境。我个人觉得，对于新手来说，学代码最要紧的就是能够激发探索欲，而激发探索欲的条件包括反馈及时、调整灵活。这两点，Jupyter Notebook都能满足。

Jupyter Notebook为我们提供一种非常灵活的交互式开发环境，它支持单元格级的代码执行，这意味着我们可以写一段，试一段，马上体验自己刚码好的代码的效果，正反馈杠杠的。几乎不会出现辛辛苦苦写一大段，结果还是运行报错而心态直接崩掉的情形。

最后也是最容易被忽略的一点，就是学会虚拟环境的配置。由于Python的包很多，不同的包有不同的版本，同时不同的包之间还存在不同版本的支持情形，如果一开始不重视虚拟环境的配置，等你的代码、项目变得越来越复杂，就很容易出现所引用包之间的冲突。当然，这一点你暂时不需要理解，你只需要先照着做，总有一天你会明白的。

下面，我就逐一给大家介绍上述三大学习环境要素具体该怎么搭建。

一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

安装Python

进入Python官网下载区：

https://www.python.org/downloads/

点击下载按钮，浏览器会自动下载安装程序。

双击安装程序，进入安装环节。

首先，注意勾选下方的Add python.exe to PATH。

然后，选择并点击Customize installation进行自定义安装。

下一个界面中的内容都不用动，直接点next。可以看到安装Python的同时会同步安装pip工具，我们将来安装各种Python包都得靠它。

接下来的界面也基本不用动，下面的安装位置可以改成自己希望的址。然后点击install安装即可。

安装完成后，使用快捷键win+R，在对话框中输入cmd打开命令提示符终端。

在第一行输入指令：python -version后敲回车。

能看到Python的版本信息，则说明Python安装成功啦。

配置虚拟环境

搞虚拟环境的目的，是要将你打算学习、研究的代码及其依赖，与你的系统和别的项目代码隔离开来，这样目标项目中代码对依赖的安装、更新，不会与系统或别的项目之间发生影响。

因此，我们应该养成习惯，在每启动一个项目（其实就是新建放代码的文件夹）时，就在该文件夹内配置虚拟环境。

首先，在本地建立项目文件夹用以存放相关代码及资源。如我在F盘根目录下新建LangGraph文件夹。

然后，打开cmd终端，输入指令进入该文件夹：首先F:回车，进入E盘，然后cd F:\LangGraph。

然后，输入python -m venv venv，在项目文件夹中创建虚拟环境。

然后项目文件夹中就会出现代表虚拟环境的venv文件夹。

接着输入虚拟环境激活指令：venv\Scripts\activate.bat

可以看到终端中地址前面出现了（venv），这就意味着虚拟环境激活了。这样，凡是在虚拟环境中pip安装的依赖，都会装到venv文件夹下。大家一定要记住，在开始代码编辑的时候，一定要先进入虚拟环境。

当然，还需要注意每次结束项目之前，应该使用venv\Scripts\deactivate.bat指令退出虚拟环境。

在虚拟环境中安装Jupyter Notebook

接下来，安装用来运行代码的工具：Jupyter Notebook。方法非常简单，首先，进入项目文件夹，如前所述激活虚拟环境。

然后在终端中运行：pip install notebook

经历一段密密麻麻的下载后，Jupyter Notebook就装好啦。

接下来继续在终端中输入指令：Jupyter Notebook，启动Jupyter Notebook以检测安装是否成功。

如果浏览器自动弹出一个这样的界面，就说明安装成功啦。

然后，我们可以点击右上角的新建按钮新建.ipynb文件，作为我们运行代码的“画布”。

新建后会打开一个新窗口，这就是Jupyter Notebook的代码编辑界面，我们可以在蓝色单元格中编写代码，然后以一个单元格为单位进行代码运行、测试结果。我们的代码学习过程就主要在这个界面中展开。

需要关闭notebook时，关掉网页，在终端按Ctrl + C即可。

至此，关于AI应用开发的基本学习环境的搭建过程就介绍完毕了。

好了，以上就是本期的全部内容，接下来我计划将上一篇关于chat model的笔记结合1.0版本的官方文档，按照新手从零开始的风格进行重写，在此之前大家依然可以根据上篇笔记内容进行自由探索，祝大家玩得开心！

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

01.大模型风口已至：月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K（数据来源：BOSS直聘报告）

70%企业存在"能用模型不会调优"的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

02.大模型 AI 学习和面试资料

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】