image

20250908-01：搭建 Python 开发环境

‍

✅ LangChain 第一周成长计划：基础认知与环境搭建

🎯 本周核心目标（Objective）
建立对 LangChain 的系统性认知，完成本地开发环境搭建，并成功运行第一个 LLM 调用程序。

🎯 关键结果（Key Results, KRs）

KR

  • 在 1小时 内，用 windows环境 完成 安装本地电脑开发python 环境（国内），交付 windows运行环境 ；若因​ 环境执行 ​失败，最多重试​ 查找其他资料，最终必须 windows main.py hello word示例执行成功 并 配置idea环境成功
KR 编号 关键结果描述 验收标准
KR3 成功搭建独立 Python 开发环境（含虚拟环境） 代码无报错运行，输出预期结果；环境可复用

‍

▶ 任务 1.3：搭建 Python 开发环境

  • 具体内容：

    • 安装 Python 3.12（官网或 Anaconda）
    • 创建并激活虚拟环境（conda ）
    • （可选）配置国内镜像源加速 pip

  • 所需时间：1.5 小时

  • 预期成果：

    • 本地存在独立虚拟环境 langchain-env​

  • 难度控制：i+1 —— 若你会安装 Python 包，本任务聚焦“环境隔离”最佳实践。

  • 资源准备：

    • 🖥️ 实践平台：本地电脑
    • 📜 指令清单：[环境搭建命令速查表]

‍

理论知识整理

Conda是什么？

image

Conda 是一个开源的包管理系统和环境管理系统，用于安装多个软件包及其依赖项，并轻松地在它们之间切换。它适用于 Linux、OS X 和 Windows，最初是为 Python 程序创建的，但可以打包和分发任何软件。

Conda 是一个强大的命令行工具，用于包和环境管理，可在 Windows、macOS 和 Linux 上运行。

Anaconda Navigator 是一个图形桌面应用程序，它允许您无需在命令行中运行命令即可使用 conda。

下载：安装 Conda软件

官网： ​Conda Documentation — conda-docs documentation​[注]

conda 可在 Windows、macOS 或 Linux 上使用，并且可以与任何终端应用程序（或 shell）一起使用。

conda 允许您创建独立的 虚拟环境 ，每个环境包含其自身的文件、包和包依赖。每个环境的内容不会相互影响。

速查表 ： ​速查表 conda 25.7.0 documentation​[注]

国内源

可用：目前2025-09-08 20：01分时

https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

‍

UV

image

一个用 Rust 编写的极速 Python 包和项目管理工具

核心亮点

安装 | uv 中文文档​[注]

国内pip源

https://pypi.tuna.tsinghua.edu.cn/simple

速查表 ： ​功能介绍 | uv 中文文档

‍

重要配置

uv init 执行后，会在项目中生成 pyproject.toml文件

uv sync 可以将git下载的项目，通过pyproject.toml依赖，下载必须依赖到环境中。快速迁移项目到不同的机器

pyproject.toml

[[tool.uv.index]]
url = "https://pypi.tuna.tsinghua.edu.cn/simple"
default = true

‍

指令清单

工具 功能 指令
Conda
 创建环境-使用python3.12 ​conda create -n <env-name> python=3.12​
列出环境 ​conda info --envs​
当前环境切换回环境 ​conda activate 默认环境
conda activate myenvironment​
安装指定环境软件包 ​conda activate myenvironment ​
conda install matplotlib​
==
conda install --name myenvironment matplotlib​
指定通道 ​conda install conda-forge::numpy​
显示当前版本 ​conda --version​
更新 conda 到最新版本 ​conda update conda​
UV 创建虚拟环境 .venv uv venv
.venv/Scripts/activate 激活当前虚拟环境
初始化当前项目 uv init
给虚拟环境添加包 uv add pkg
从项目移除依赖 uv remove pkg
同步项目依赖到环境 ​uv sync​
在项目环境中运行命令 uv run

通道是存储包的位置（在您的计算机上或互联网上的其他地方）。默认情况下，conda 在其默认通道中搜索包。

‍

实践练习

环境

工具 版本
Conda conda 24.11.3
python 3.12

‍

习题

正常安装，已实现过。不重复了。出现问题点找问题

术语

‍

进度跟踪卡

字段 说明 示例
里程碑完成度 关键节点的达成情况（与计划对比） 1. 本机电脑安装python环境和IDEA配置
能力变化曲线 核心指标的趋势跟踪（如正确率、耗时、难度等级） 耗时： 43min
难度：中
瓶颈突破记录 遇到的停滞期及解决方案（如平台期、动机下降、技术难点）
心理表征发展 对领域规律的认知深化（如模式识别、问题拆解能力的提升）
总结与展望 阶段性成果、不足及下一阶段计划调整 成果：
不足：
调整：

‍

‍

‍

‍

‍

‍

‍

‍

‍

‍

‍

‍

‍

‍

‍

‍

‍

‍

‍

脚注

[注]

速查表 ： 速查表 conda 25.7.0 documentation

​

[注]

官网： Conda Documentation — conda-docs documentation

​

[注][^1]

安装 | uv 中文文档

​

Logo
亚马逊云科技技术品牌专区

更多推荐

信息安全毕设本科生方向答疑

本文为计算机专业学生提供网络与信息安全方向的毕业设计选题建议。首先介绍了选题方法，包括能力评估、兴趣驱动和资源考量等原则。然后重点推荐了三个深度学习项目：1）YOLO交通路面缺陷检测系统，可识别道路裂缝等病害；2）藻类细胞检测识别系统，用于水环境监测；3）苹果采摘辅助系统，实现果园自动化定位。这些选题结合了计算机视觉、深度学习和智能检测等前沿技术，具有较高的实用价值和创新性。文章还提供了20个具体

avatar 亚马逊云科技技术品牌专区
cover

纯 C# 零第三方库实现国密 SM4 完整算法｜GB/T32907 标准 源码可直接运行

avatar 亚马逊云科技技术品牌专区
cover

MCP协议开发实战：从零搭建AI Agent工具链

avatar 亚马逊云科技技术品牌专区