【AI大模型应用开发工程师特训笔记】第04讲（第1章）：Python基础与环境搭建

本章学习目标

完成本章学习后，你将能够：

独立在个人电脑上安装并配置Python开发环境

熟练使用 VS Code 编写和运行Python程序

1.1 认识Python语言

1.1.1 什么是Python？

Python是一种解释型、面向对象 的高级编程语言，由荷兰程序员**Guido van Rossum** 于1991年首次发布。它的设计哲学强调代码的可读性 ，允许开发者用比**C++** 或**Java**更少的代码行来表达复杂逻辑。

用一个简单对比来说明 Python 的简洁性------用 Java 打印"Hello World"需要5行代码，而 Python 只需要1行：

python 复制代码

print("Hello World!")

1.1.2 Python的核心特点

特点	说明
语法简洁	代码结构清晰，使用缩进表示代码块，天然具备良好的可读性
解释执行	无需编译，修改代码后直接运行，非常适合快速迭代开发
跨平台	Windows、macOS、Linux均可运行，代码迁移成本极低
丰富的标准库	内置大量实用模块，处理文件、网络、正则表达式等无需额外安装
庞大的第三方生态	PyTorch、TensorFlow、Transformers、LangChain等AI库一应俱全

1.1.3 Python在AI大模型领域的地位

当前几乎所有主流大模型框架都是用Python编写的，包括但不限于：

模型训练：PyTorch、TensorFlow、JAX
模型应用：Transformers（Hugging Face）、LangChain、LlamaIndex
API 调用：OpenAI SDK、Anthropic SDK、国内各大模型厂商SDK

可以说，掌握了Python，就拿到了进入AI 大模型 世界的钥匙。

1.1.4 版本选择

当前Python主流版本为Python 3.10、3.11、3.12。Python 2已于2020年停止维护，请务必安装Python 3.x系列。本书所有代码均基于Python 3.10+编写，推荐使用Python 3.11或3.12。

1.2 环境选择

1.2.1 Windows 原生环境与 WSL对比

选择在 Windows 原生环境还是 WSL（Windows Subsystem for Linux） 中开发，没有绝对的对错，它更像是在便利性、 兼容性 和性能之间做权衡。

总的来说，对于你面向的 AI 大模型 应用开发 ，我更推荐你使用 WSL。

我把两者的核心对比整理成了一个表格，方便你快速理解：

对比维度	✅ Windows 原生环境	✅ WSL (Windows Subsystem for Linux)
环境一致性	与 Linux 生产环境有差异，可能导致本地运行正常、部署后却出错的问题。	高度一致。代码在 WSL 中的表现与在 Linux 服务器上几乎相同，能有效避免部署时出现意外。
工具与包管理	部分 Python 库（尤其是涉及 C 扩展的）可能在 Windows 上安装失败或存在兼容性问题。	无缝兼容。几乎所有 Linux 工具和库都能开箱即用。
性能 (Python)	原生性能，但在 I/O 和进程操作上可能不如 Linux 高效。	性能接近原生，CPU 计算任务通常能达到原生 Linux 的 95% 左右，足以应对日常开发。
GPU 支持 (AI/ ML )	原生支持最好，CUDA 驱动和 PyTorch/TensorFlow 的 GPU 版本配置最直接。	官方已支持，但可能涉及额外的配置步骤，或存在未被广泛测试的稳定性风险。
Docker 集成	基于 Hyper-V 的传统方式，资源占用大，启动慢。	最佳实践。Docker Desktop 可直接使用 WSL 2 后端，启动快、资源占用少，体验流畅。
IDE 集成	无缝集成，所有 Windows 上的 IDE 都能直接使用。	无缝集成。VS Code 和 PyCharm 专业版都能通过 "Remote - WSL" 功能直接连接。
上手门槛	低。无需学习 Linux 命令，可直接开始编码。	中。需要了解基本的 Linux 命令行操作，如 `cd`, `ls`, `mkdir` 等。
资源占用	低。只运行必要的进程。	相对较高，因为它运行了一个完整的轻量级 Linux 虚拟机。

1.2.2 为什么我会更推荐 WSL？

你可能已经发现，除了"上手门槛"和"资源占用"这两个维度，WSL 在其他方面都展现出了显著优势。而这两个"短板"，其实是可以被接受或解决的。

（1）上手门槛是可控的：学习基本的 Linux 命令，是后端和 AI 开发绕不开的必修课。直接在 WSL 环境中实践，是一个很好的学习机会。

（2）资源占用问题可以优化：WSL 2 确实比原生 Windows 更吃内存，这主要是因为它的轻量级虚拟机机制。

但请注意：这并不是 WSL 独有的问题，任何虚拟机或容器环境都会有类似的开销。
解决方案 ：你可以通过一个简单的配置来限制 WSL 2 的内存使用量。在 C:\Users\<你的用户名> 目录下，创建一个名为 .wslconfig 的文件，并写入以下内容：

python 复制代码

[wsl2]
memory=4GB   # 限制最大使用4GB内存，可根据你的电脑配置调整
processors=2 # 限制使用的CPU核心数

这样设置后，WSL 2 的内存使用就会被限制在你指定的范围内，基本可以解决内存占用过大的问题。

1.2.3 一个你必须注意的"坑"：文件系统的性能陷阱

这一点非常重要，很多刚开始用 WSL 的朋友都会踩到这个坑。

错误做法 ：将项目代码放在 Windows 的磁盘（如 C:\Projects），然后在 WSL 里通过 /mnt/c/Projects 去访问。这会带来巨大的性能损耗，编译或安装依赖会慢到让你怀疑人生。
正确做法 ：将你的项目文件存储在 WSL 专属的 Linux 文件系统 中（如你的 Linux 用户主目录 /home/yourname/projects）。

1.2.4 回到 AI 大模型开发：分场景建议

结合 AI 开发的具体需求，你可以这样选择：

场景一：你的工作需要 频繁训练 或微调 大模型 （重度依赖 GPU ）
- 结论：选择 Windows 原生环境。当任务极度依赖 GPU 计算时，Windows 原生环境能提供最直接、最稳定的驱动和库支持，是你当前最稳妥的选择。
- 替代方案 ：如果你希望兼顾开发与训练，可以尝试原生 Linux 系统，它通常能提供最极致的 GPU 性能和稳定性。
场景二：你的工作主要是调用 API ，或者只是进行轻量级的本地推理
- 结论：强烈推荐 WSL。这就是我们前文讲义里所涉及的大部分工作内容。WSL 带来的环境一致性和 Docker 集成的便利性，会大大提升你的开发效率和部署的成功率。

1.2.5 总结

对于刚入门的 AI 开发者来说，我非常推荐你直接从 WSL 开始，并把项目文件放在 Linux 文件系统里。

这能让你从一开始就养成贴近生产的开发习惯。同时，如果你确实需要用到 GPU 训练，也完全可以保留 Windows 原生的 Python 环境，两个环境各司其职，互不干扰。

希望这个对比能帮你做出适合自己的选择。

1.3 搭建Python开发环境（在WSL中）

一个好的开发环境能让学习事半功倍。考虑到后续AI大模型开发大多在Linux环境下部署，我们推荐在WSL中搭建开发环境，以保证本地开发与生产环境的一致性。本节将带领你一步步完成WSL安装、Python解释器安装、VS Code配置以及虚拟环境的创建。

1.3.1 什么是WSL？为什么推荐它？

WSL（Windows Subsystem for Linux） 是微软为Windows系统开发的Linux兼容层。它允许你在Windows中运行一个完整的Linux发行版（如Ubuntu），而无需安装虚拟机。

对于AI大模型开发，推荐WSL的原因：

环境一致性：Linux是AI开发和生产环境的主流操作系统。WSL中开发的应用几乎可以无缝部署到Linux服务器，避免"本地正常、部署报错"的问题。
性能优异：WSL2基于轻量级虚拟机，CPU计算性能接近原生Linux，同时支持GPU直通。
无缝集成：VS Code通过"Remote-WSL"扩展可以直接连接到WSL环境，体验与本地开发完全一致。

小提示：AI大模型开发中涉及的绝大多数工具和库（如PyTorch、LangChain、Docker等）都原生为Linux设计，在WSL中能获得最佳兼容性。

1.3.2 安装WSL与Ubuntu发行版

1、以 管理员 身份打开 PowerShell

按下键盘 Win + X，选择"Windows PowerShell（管理员）"或"终端（管理员）"
在弹出的用户账户控制窗口中点击"是"

2、安装WSL和Ubuntu

在PowerShell中输入以下命令并回车：

bash 复制代码

wsl --install

这个命令会自动完成三件事：

启用"适用于 Linux 的 Windows 子系统"和"虚拟机平台"两个 Windows功能

下载并安装最新的 Linux内核

安装默认的Ubuntu发行版

如果你想指定安装某个特定版本的Ubuntu（例如Ubuntu-22.04），可以使用：

bash 复制代码

wsl --install -d Ubuntu-22.04

3、重启 电脑并完成Ubuntu初始化

安装完成后，系统会提示你重启电脑
重启后，系统会自动弹出Ubuntu终端窗口，等待片刻后会提示你创建一个新的Linux用户名和密码
这个用户名和密码是Linux系统内部使用的，与Windows密码无关

⚠️ 重要：输入密码时屏幕不会显示任何字符（这是Linux的安全特性），正常输入后按回车即可。

4、验证WSL版本

重新打开PowerShell，输入以下命令确认WSL版本为2：

bash 复制代码

wsl -l -v

你会看到类似如下输出：

bash 复制代码

  NAME      STATE           VERSION
* Ubuntu    Running         2

如果VERSION显示为1，可以通过以下命令升级到WSL2：

bash 复制代码

wsl --set-version Ubuntu 2

转换过程可能需要几分钟。完成后，再运行 wsl -l -v 确认版本已变为2。

5、更新WSL内核（可选但推荐）

确保**WSL**的Linux内核是最新的，可以避免后续很多奇怪的兼容性问题：

bash 复制代码

wsl --update

1.3.3 在WSL中安装 Python 解释器

现在，从开始菜单打开你的**Ubuntu** 应用（或直接在PowerShell中输入 wsl 命令进入子系统）。

1、更新系统软件包列表

首先更新Ubuntu的软件包列表，确保能够获取到最新的软件版本：

bash 复制代码

sudo apt update && sudo apt upgrade -y

这个命令会要求你输入之前设置的Linux密码，输入后按回车即可。

2、安装 Python 3.12

Ubuntu 默认仓库中的**Python** 版本可能不是最新的（例如Ubuntu 22.04默认提供Python 3.10）。要安装Python 3.12，推荐使用deadsnakes PPA（个人软件包存档），这是一个社区维护的、提供新版Python的可靠源。依次执行以下命令：

bash 复制代码

# 1. 安装添加 PPA 所需的工具
sudo apt install -y software-properties-common

# 2. 添加 deadsnakes PPA
sudo add-apt-repository ppa:deadsnakes/ppa -y

# 3. 更新软件包列表
sudo apt update

# 4. 安装Python 3.12
sudo apt install -y python3.12

安装完成后，输入以下命令验证安装是否成功：

bash 复制代码

python3.12 --version

如果屏幕上显示 Python 3.12.x 或类似字样，说明安装成功。

3、设置Python 3.12为默认版本（可选）

当你输入 python3 时，系统默认可能指向旧版Python。要将Python 3.12设为默认，可以使用update-alternatives工具：

bash 复制代码

# 注册 Python 3.12 到 alternatives 系统
sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.12 1

# 选择默认版本
sudo update-alternatives --config python3

在弹出的菜单中，选择对应Python 3.12的编号即可。

替代方案 ：你也可以安装 python-is-python3 包，使得 python 命令直接指向 python3：
bash 复制代码
sudo apt install python-is-python3

1.3.4 安装 VS Code 并配置WSL集成

1、在Windows中安装VS Code

访问 https://code.visualstudio.com/
下载对应Windows的安装包并安装
安装时建议勾选"添加到PATH"和"将Code打开操作添加到资源管理器上下文菜单"

2、安装"WSL"扩展

VS Code通过Remote-WSL扩展来连接WSL环境：

打开VS Code，点击左侧活动栏的扩展图标 （或按 Ctrl+Shift+X）
搜索 "WSL"
找到由Microsoft 发布的"WSL"扩展，点击安装

注意：这个扩展与前面讲的"Python"扩展是两个不同的扩展，两个都需要安装。

3、安装Python扩展（在WSL中）

WSL扩展安装后，你还需要在WSL环境中安装Python扩展：

按 Ctrl+Shift+P 打开命令面板
输入 WSL: Connect to WSL 并选择（或点击VS Code左下角的绿色按钮，选择"Connect to WSL"）
VS Code会自动打开一个新窗口，标题栏会显示 [WSL: Ubuntu]
在这个WSL连接的窗口中，再次打开扩展市场，搜索"Python"并安装（这个安装会自动部署到WSL中）

1.3.5 创建你的第一个Python项目（在WSL中）

1、新建项目文件夹

在WSL终端中（可以直接在VS Code的终端中操作），执行：

bash 复制代码

# 进入你的Linux主目录
cd ~

# 创建项目文件夹
mkdir python_learning
cd python_learning

⚠️ 非常重要 ：一定要把项目文件放在WSL的Linux文件系统中（如 ~/python_learning），不要放在 Windows挂载的目录下（如 /mnt/c/...）。后者会导致文件性能下降、权限异常等问题。

2、用VS Code打开该文件夹

在WSL终端中，输入：

bash 复制代码

code .

这个命令会自动打开VS Code（在WSL连接模式下），并加载当前文件夹。

3、新建Python文件

在左侧资源管理器中，点击新建文件图标（或右键空白处选择"新建文件"）
输入文件名 hello.py（注意后缀必须是 .py）

4、编写测试代码

python 复制代码

print("欢迎来到Python世界！")
print("我将从这里开启AI大模型开发之旅。")

5、运行程序

点击右上角的 ▶️ 运行按钮
或者按 Ctrl + F5
此时VS Code底部会出现一个终端面板，显示程序输出结果

小提示 ：此时终端显示的前缀应该是类似 user@DESKTOP-XXX:~/python_learning$，这说明你正在WSL的Linux环境中运行。

1.2.6 理解和使用虚拟环境（在WSL中）

1、为什么需要 虚拟环境 ？

假设你同时在开发两个Python项目：

项目A需要 numpy==1.24.0
项目B需要 numpy==2.0.0

如果将所有包都安装在全局环境中，就会产生版本冲突。虚拟环境 为每个项目创建一个独立的Python运行环境，不同项目之间的包互不影响。这是Python开发的重要实践，强烈建议从一开始就养成使用虚拟环境的习惯。

2、创建 虚拟环境

（1）确保终端当前路径在项目文件夹内

终端提示符应该显示类似 user@DESKTOP-XXX:~/python_learning$

（2）安装venv模块（如果尚未安装）

python 复制代码

sudo apt install python3.12-venv

（3）执行创建命令

python 复制代码

python3.12 -m venv venv

命令解释：

-m venv 表示运行Python内置的 venv 模块
最后一个 venv 是虚拟环境文件夹的名字（可以自定义，但业界习惯命名为 venv 或 .venv）

3、激活 虚拟环境

在WSL（Linux环境）中，使用 source 命令激活虚拟环境：

python 复制代码

source ~/ai_large_model/python_study/venv/bin/activate

4、确认激活成功

激活后，终端提示符前面会出现 (venv) 标识：

python 复制代码

(venv) user@DESKTOP-XXX:~/python_learning$

此时通过 pip install 安装的任何包都会安装到该虚拟环境中。

5、VS Code自动识别 虚拟环境

按 Ctrl+Shift+P 打开命令面板
输入 Python: Select Interpreter
选择列表中带有 venv 字样的解释器路径（例如 Python 3.12.3 ('venv': venv)）
之后VS Code的运行和调试都会自动使用该虚拟环境

6、退出 虚拟环境

python 复制代码

deactivate

1.2.7 安装第一个第三方库

我们来体验一下pip安装第三方库的流程。在激活虚拟环境的状态下，执行：

python 复制代码

python -m pip install requests

以后在这个虚拟环境里，养成用 python -m pip 的习惯，可以完全避免 PATH 干扰。

requests 是一个用于发送HTTP请求的库，稍后的案例中会用到它。

⚠️ 常见问题与排错指南

问题	解决方法
`wsl --install` 失败	确保Windows已更新至最新版本，并检查BIOS中是否开启了虚拟化技术
WSL中 `sudo apt update` 报错	可能是网络问题，尝试更换国内镜像源（如清华源或阿里云源）
`python3.12: command not found`	确认已添加deadsnakes PPA并执行了 `sudo apt update`
pip安装包时提示权限不足	请不要使用 `sudo pip install`，确保已激活虚拟环境后再安装
VS Code无法连接WSL	检查WSL扩展是否已安装，尝试在PowerShell中执行 `wsl --shutdown` 后重新连接

1.4 综合案例：从零开始创建你的第一个Python项目

前面我们完成了WSL、Python、VS Code以及虚拟环境的安装配置。接下来，我们将通过一个完整的小案例，把前面学到的所有知识串联起来，从零开始创建一个真实可运行的Python项目。这个案例会模拟AI大模型开发中常见的任务：调用一个公共 API 获取数据并处理结果。

1.4.1 案例目标

我们将编写一个简单的天气查询程序。用户输入城市名称，程序会调用免费的公共天气API，返回该城市的当前温度、天气状况等信息。通过这个案例，你将实践：

在WSL中创建项目目录
使用VS Code打开并编辑项目
创建并激活Python虚拟环境
使用pip安装第三方库（requests）
编写Python代码实现API调用
运行并调试程序

1.4.2 步骤一：在WSL中创建项目目录

打开Windows终端（PowerShell或CMD），输入wsl进入Ubuntu环境。或者直接从开始菜单打开Ubuntu应用。

bash 复制代码

# 进入用户主目录：python_study

# 创建项目文件夹（建议全部使用小写字母和下划线）
mkdir weather_app
cd weather_app

# 验证当前位置
pwd
# 输出应为 /home/你的用户名/weather_app

⚠️ 提醒：请确认路径在/home/下，而不是/mnt/c/。这是WSL性能最佳实践的关键。

1.4.3 步骤二：用VS Code打开项目

在WSL终端中，确保当前位于~/weather_app目录下，输入：

bash 复制代码

code .

VS Code 会自动启动，并以**WSL** 模式打开当前文件夹。你会在VS Code左下角看到绿色的远程连接标识 >< WSL: Ubuntu，这表示你现在正在WSL的Linux环境中工作。

1.4.4 步骤三：创建虚拟环境

在VS Code中，打开一个新的终端（快捷键 Ctrl + `` 或者通过菜单"终端"->"新建终端"）。终端会自动定位到当前项目目录。

执行以下命令创建虚拟环境（我们使用Python 3.12）：

bash 复制代码

python3.12 -m venv venv

命令执行后，项目文件夹中会出现一个venv子目录，里面包含了一个独立的Python运行环境。

1.4.5 步骤四：激活虚拟环境并安装依赖

在同一个VS Code终端中，激活虚拟环境：

bash 复制代码

source venv/bin/activate

激活成功后，终端提示符前面会出现(venv)标识：

bash 复制代码

(venv) user@DESKTOP-XXX:~/weather_app$

现在安装我们需要用到的第三方库------requests，它用于发送HTTP请求调用天气API：

bash 复制代码

python -m pip install requests

小提示 ：使用python -m pip而不是直接pip，可以确保安装到当前激活的虚拟环境中，避免PATH混淆。

1.4.6 步骤五：编写Python代码

在VS Code左侧资源管理器中，点击新建文件图标，命名为weather.py。输入以下代码：

python 复制代码

"""
一个简单的天气查询程序
使用 wttr.in 提供的免费公开API（无需注册）
"""

import requests

def get_weather(city):
    """根据城市名称获取天气信息"""
    # wttr.in 是一个面向开发者的极简天气API
    # 参数：?format=3 表示返回简洁的单行文本格式
    url = f"https://wttr.in/{city}?format=3"
    
    try:
        response = requests.get(url, timeout=5)
        # 检查HTTP状态码是否正常（200表示成功）
        response.raise_for_status()
        return response.text.strip()
    except requests.exceptions.RequestException as e:
        return f"查询失败：{e}"

def main():
    print("=== 简易天气查询工具 ===")
    city = input("请输入城市名称（英文或拼音，例如：Beijing）：")
    
    if not city.strip():
        print("城市名不能为空！")
        return
    
    print(f"正在查询 {city} 的天气...")
    weather_info = get_weather(city)
    print("查询结果：", weather_info)

if __name__ == "__main__":
    main()

1.4.7 步骤六：运行程序

你有两种方式运行这个程序：

方法一：使用VS Code的运行按钮

点击代码编辑器右上角的绿色三角形 ▶️ 运行按钮
或者按快捷键 Ctrl + F5

方法二：在终端中手动运行

确保终端中虚拟环境仍处于激活状态（有(venv)提示符），然后输入：

python 复制代码

python weather.py

运行后，程序会等待你输入城市名称。例如输入London，输出类似：

python 复制代码

正在查询 London 的天气...
查询结果： London: 🌦  +7°C

你也可以尝试Beijing、NewYork等城市。wttr.in支持中文城市名（拼音）和英文名。

1.4.8 步骤七：让 VS Code 自动识别虚拟环境（可选但推荐）

关闭当前的VS Code窗口，然后重新在终端中进入~/weather_app目录，再次执行code .。这次VS Code会自动检测到项目中的venv虚拟环境，并在右下角弹出提示："是否将此文件夹中的虚拟环境用于工作区？" 点击"是"即可。

你也可以手动选择解释器：

按 Ctrl+Shift+P 打开命令面板
输入 Python: Select Interpreter
选择列表中带有 venv 字样的路径（例如 ./venv/bin/python）

之后，VS Code的代码补全、运行和调试都会自动使用这个虚拟环境。

1.4.9 案例小结

通过这个小案例，你完成了以下关键实践：

实践内容	对应命令/操作
创建项目目录	`mkdir weather_app && cd weather_app`
WSL中启动VS Code	`code .`
创建虚拟环境	`python3.12 -m venv venv`
激活虚拟环境	`source venv/bin/activate`
安装第三方库	`python -m pip install requests`
编写Python脚本	在VS Code中新建`.py`文件并编写代码
运行程序	点击运行按钮或 `python weather.py`

这些步骤构成了**Python**项目开发的标准工作流。无论你将来是开发Web应用、数据分析脚本，还是AI大模型的调用程序，都将遵循相同的模式。建议你多练习几次，直到能够熟练地独立完成整个流程。

1.4.10 常见问题与改进方向

如果查询返回"Unknown city" ：尝试使用更精确的城市英文名，例如查询"上海"可以输入Shanghai。也可以尝试使用国家+城市格式，如London,UK。
网络连接问题 ：由于wttr.in服务器在国外，国内用户可能偶尔超时。可以将URL中的https改为http，或者后续学习配置HTTP代理。
扩展练习：试着修改代码，让用户可以选择不同的输出格式（例如返回完整的天气预报），或者将查询结果写入文件保存。这些都可以利用Python的文件操作和字符串处理轻松实现。

至此，你已经成功搭建了完整的Python开发环境，并通过一个小案例验证了环境配置的正确性。接下来的章节，我们将正式进入Python语法和AI大模型开发的核心内容。