学习大模型应用开发，第一步不是急着看框架，而是先把最基础的开发环境搭起来。因为后面无论你是写脚本、调模型接口、处理数据，还是做简单服务，都会反复用到同一套东西：
- 用什么工具写代码
- Python 是什么，版本怎么选
- 什么是虚拟环境，为什么每个项目都要单独建
pip、conda、Git、GitHub 分别负责什么- 在 Linux 上怎样把一个 Python 项目真正跑起来
这篇文章就做这件事：把这些基础内容一次理顺，并落到一个最小可运行项目上。
一、先建立整体认识：你会用到哪些东西
一个最基础的 Python 项目，通常会包含五样东西。
第一，代码编辑器或集成开发环境 。常见的是 VS Code （Visual Studio Code，代码编辑器）和 PyCharm（Python 集成开发环境）。它们负责写代码、看文件、运行程序、调试代码。
第二，Python 本身 。你写的 .py 文件不能自己运行，需要 Python 解释器 来执行。
第三，虚拟环境。它用来给每个项目准备一套独立的 Python 运行空间，避免依赖冲突。
第四，包管理工具 。最常见的是 pip，它负责安装 Python 第三方库；conda 也是环境和包管理工具，但体系更大。
第五，版本控制工具。Git 负责记录代码历史，GitHub 负责托管和协作。
所以，一个最基本的开发工具链可以概括为：
编辑器 + Python + 虚拟环境 + 包管理工具 + Git/GitHub
二、先选工具：VS Code、PyCharm、Python、venv 和 Git
1. VS Code 和 PyCharm 怎么选
VS Code 是通用型代码编辑器，轻量、灵活，插件很多，适合混合开发场景。你以后不仅会写 Python，还会接触 JSON、YAML、Markdown、Shell 脚本，甚至前端文件，VS Code 对这些都很友好。
PyCharm 是更偏 Python 的集成开发环境，对 Python 工程支持更完整，特别适合长期做 Python 项目的人。
如果你现在是入门阶段，建议直接选 VS Code。原因很简单：更轻、更通用、足够支撑你前期学习。以后如果你长期深耕 Python，再转用 PyCharm 也不迟。
2. Python 是什么，版本怎么选
Python 是一种通用编程语言，特点是语法清晰、开发效率高，因此在脚本开发、自动化、数据处理、人工智能和大模型应用开发中都很常见。
你后面会用它来做这些事：
- 调用模型和第三方接口
- 读写 JSON、CSV、Excel
- 写自动化脚本
- 写简单后端服务
版本上，直接用 Python 3。对入门和项目开发来说，比较稳妥的选择是：
- Python 3.11
- Python 3.12
这两个版本兼容性通常比较好，也更适合当前学习。
3. 显卡、GPU 和 CUDA 是什么
这几个词在大模型领域会经常出现，但只需要先建立基础认识。
GPU （Graphics Processing Unit，图形处理器）是一种擅长并行计算的硬件。
CPU （Central Processing Unit，中央处理器）更擅长通用控制和串行任务。
CUDA（Compute Unified Device Architecture，统一计算设备架构）是英伟达提供的一套让程序调用 NVIDIA GPU 的计算平台。
你可以先这样记：
- CPU：通用计算
- GPU：并行计算
- CUDA：让程序使用 NVIDIA GPU 的软件体系
但在当前阶段，你主要是学 Python、脚本、API 和项目组织，这些内容用 CPU 就够了。
4. 推荐 venv + pip
做 Python 项目时，通常不建议把所有依赖都装到系统环境里，而是给每个项目单独建一个环境。
Python 官方自带的方案是 venv 。它简单、直接，而且够用。
pip 是 Python 最常用的包管理工具，用来安装第三方库。
例如：
bash
python3 -m venv .venv
python -m pip install requests我在入门阶段推荐你用 venv + pip，原因只有一个：更轻、更简单，更适合先把主线跑通。
5. conda 是什么，要不要一开始就用
conda 是一个环境与包管理工具，它不只管理 Python 包，也能管理一些更底层的依赖，在数据科学和科学计算场景中很常见。
它不是不能用，而是对你当前阶段来说，没有必要一开始就把工具链搞复杂。你现在的主线应该是：
Python → 项目 → 依赖 → Git
先把 venv + pip 学熟，再学 conda 会更清楚。
6. Git 和 GitHub 是什么
Git 是分布式版本控制系统，用来管理代码历史。
GitHub 是基于 Git 的代码托管平台。
两者关系非常简单：
- Git：本地记录代码变化
- GitHub：远程保存和协作
用了 Git 之后，你每次改代码都能留下记录，出了问题能回退；用了 GitHub 之后，你的项目可以被备份、展示、协作。
对学习阶段来说，GitHub 最大的价值有两个：
第一，备份代码；第二，积累作品集。
三、Linux 上安装顺序怎么安排
概念清楚之后，再做安装会顺很多。建议按下面顺序来。
第一步，安装 Python 和基础组件
在 Ubuntu 上，常见做法是：
Linux 桌面环境可以用快捷键 Ctrl + Alt + T打开终端
bash
# 创建并打开文件夹
mkdir hello_python
cd hello_python
bash
# 在上面的文件夹内创建虚拟环境
sudo apt update
sudo apt install python3 python3-venv python3-pip这里：
python3是 Pythonpython3-venv用来创建虚拟环境python3-pip是 pip 工具
安装完成后，检查版本：
bash
python3 --version
pip3 --version第二步，安装 VS Code
如果你下载的是 .deb 安装包，可以执行：
bash
sudo apt install ./你的安装包名.deb如果系统支持 Snap，也可以直接安装：
bash
sudo snap install code --classic安装完成后，在终端里输入：
bash
code --version能看到版本号就说明安装成功。
第三步，安装 Git
bash
sudo apt install git然后检查版本：
bash
git --version第四步，注册 GitHub 账号
这一点不需要展开太多。你只需要有一个 GitHub 账号，后面用来创建仓库，把代码推上去。
四、如何在 Linux 上创建第一个 Python 项目
到这一步，正式开始做第一个最小项目。
1. 创建项目目录
先建一个文件夹：
bash
mkdir hello_python
cd hello_python这就是你的项目根目录。
2. 创建虚拟环境
在项目目录里执行：
bash
python3 -m venv .venv这会生成一个 .venv 文件夹。它是这个项目自己的虚拟环境，不建议手动改里面的内容。
3. 激活虚拟环境
在 Linux 或 macOS 上执行：
bash
source .venv/bin/activate激活后，终端前面通常会出现 (.venv)，表示你已经进入这个项目的虚拟环境。
这里的 source 的作用，是在当前 shell 中执行激活脚本，让当前终端的环境变量发生变化。这样你之后执行的 python 和 pip，都会优先指向 .venv 里的版本。
4. 检查当前 Python 和 pip
激活后可以检查：
bash
which python
which pip它们通常会指向类似这样的路径：
bash
.../hello_python/.venv/bin/python
.../hello_python/.venv/bin/pip这说明你已经进入了项目自己的 Python 环境。
5. 创建第一个 Python 文件
新建一个文件 main.py：
python
print("Hello, Python")运行：
bash
python main.py如果输出：
text
Hello, Python说明你的第一个 Python 项目已经跑通了。
五、在 VS Code 里打开这个项目
命令行跑通之后，再接到编辑器里。
在项目根目录执行：
bash
code .这条命令会用 VS Code 打开当前目录。
第一次用 VS Code 写 Python，通常建议做三件事。
第一，安装 Python 扩展 。
第二，让 VS Code 识别你当前项目的虚拟环境。
第三，在内置终端里运行代码。
1. 选择 Python 解释器
打开 VS Code 后，按 Ctrl + Shift + P，输入：
text
Python: Select Interpreter然后选择项目里的这个解释器：
text
.venv/bin/python这样 VS Code 就知道，这个项目应该使用你刚刚创建的虚拟环境。
2. 在 VS Code 终端里运行项目
打开终端，通常可以直接用：
bash
python main.py如果 VS Code 终端里已经自动识别并激活了 .venv，那么你会直接运行到正确环境；如果没有，也可以手动执行：
bash
source .venv/bin/activate
python main.py3. 安装一个第三方库试试
比如安装 requests：
bash
python -m pip install requests然后把 main.py 改成：
python
import requests
print("requests 安装成功")再运行一次，只要不报 ModuleNotFoundError，说明你的项目环境已经正常工作了。
六、把项目交给 Git 管理
项目能跑之后，下一步就是让 Git 接管它。
1. 初始化 Git 仓库
在项目目录里执行：
bash
git init2. 创建 .gitignore
新建一个 .gitignore 文件，写入：
gitignore
.venv/
__pycache__/
*.pyc这样虚拟环境和缓存文件就不会被提交到仓库里。
3. 提交第一次代码
bash
git add .
git commit -m "init python project"如果 Git 提示你还没有配置用户名和邮箱，可以先设置：
bash
git config --global user.name "你的名字"
git config --global user.email "你的邮箱"4. 推送到 GitHub
先在 GitHub 上新建一个仓库，然后执行：
bash
git remote add origin 你的仓库地址
git branch -M main
git push -u origin main这样你的第一个 Python 项目就不仅能在本地运行，还被正式放到了 GitHub 上。
七、一个最小可用的入门工作流
到这里，你已经具备一个最基础的开发工作流了：
- 创建项目目录
- 创建并激活虚拟环境
- 用 VS Code 打开项目
- 写
main.py - 安装依赖
- 本地运行代码
- 用 Git 记录变化
- 推送到 GitHub
这就是后面所有项目的基础模板。以后无论你写：
- 天气查询脚本
- 翻译 API 工具
- CSV 处理程序
- 命令行聊天机器人
- 简单后端服务
开局流程都差不多。
八、推荐你现在就固定下来的默认方案
为了避免前期在工具选择上来回摇摆，建议你先固定下面这套默认方案：
- 编辑器：VS Code
- Python 版本：3.11 或 3.12
- 虚拟环境：venv
- 包管理：pip
- 版本控制：Git
- 代码托管：GitHub
这套组合对当前阶段来说已经足够，而且非常主流。
九、总结
把大模型应用开发的入门环境理顺之后，事情其实没有那么复杂。
你只需要先接受几个最基础的事实：
- 写代码要有编辑器，入门先用 VS Code
- Python 是主力语言，先用 3.11 或 3.12
- 每个项目都应该有自己的虚拟环境
pip负责安装 Python 包，venv负责隔离项目环境- Git 记录历史，GitHub 托管代码
- Linux 上创建第一个 Python 项目，核心步骤就是：建目录、建环境、激活环境、写代码、运行代码、交给 Git 管理
走完这一遍，你后面再学 Python 语法、文件处理、API 调用和项目开发时，就不会总被环境问题打断了。