1. 课程简介

在中，我们已经围绕大模型应用开发铺垫了大量文章和实践内容，涉及、、、、、等多个方向。但这些内容相对分散，还缺少一门专门的课程，将大模型应用开发的核心知识体系完整串联起来。

因此，在本门课程中，我们将从最基础的开发环境开始讲起，包括代码编辑器安装、Python 环境配置、API Key 获取、环境变量设置等内容，帮助大家完成大模型应用开发的前期准备。随后，课程将逐步推进到 Gradio、LangChain、LangSmith、LangGraph 等大模型应用开发中的核心框架与工具，带领大家从模型调用、页面构建、链式流程、RAG 知识增强、智能体开发，一直学习到工具调用、中间件机制和多智能体系统。通过这门课程，希望大家能够对大模型应用开发形成较为完整的全栈认识，理解不同技术之间的关系，并能够判断在不同应用场景下，应该选择什么样的技术来解决实际问题。

本门课程将主要包括八大模块，分别是：

• 大模型应用开发入门：环境配置、模型调用、提示词工程；
• Gradio 页面开发实战：Interface、ChatInterface、Blocks 页面构建及辅助工具使用；
• LangChain 框架核心：模型调用、提示词模板、LCEL、记忆机制、结构化输出及 LangSmith 基础；
• 基于向量数据库的 RAG 实现及优化：文档载入、文档切分、文本向量化、向量数据库构建、检索调用与效果优化；
• 智能体应用开发：原生智能体思想、LangChain Agent 构建、工具调用、流式输出与项目实战；
• 智能体中间件：模型调用中间件、工具调用中间件、模型容灾、调用限制、工具重试与安全防护；
• 智能体工具：RAG 工具、SQL 工具、Web Search 工具、MCP 工具及外部工具集成；
• 多智能体系统：SubAgents、Skills、Handoff、Router、LangGraph 以及多智能体协作机制。

整体来看，本课程将按照“环境配置 → 模型调用 → 页面开发 → 链式应用 → RAG 知识增强 → 智能体开发 → 工具与中间件 → 多智能体系统”的路径逐步展开，帮助大家从零开始建立大模型应用开发的完整知识框架，并具备独立设计和实现大模型应用项目的基础能力。

2. 环境配置

2.1 代码编辑器准备

2.1.1 什么是代码编辑器

在学习大模型应用开发之前，我们首先要解决一个基础问题：代码应该写在哪里、怎么运行、出了问题又该怎么修改。代码虽然本质上是一段文本，但在实际开发中，我们不仅要编写代码，还要管理文件、安装依赖、运行程序、查看输出和定位报错。因此，只用普通记事本来写代码，显然是不够方便的。

这时候，我们就需要借助专门的代码编辑器来完成开发任务。常见的代码编辑器包括 VSCode 和 PyCharm。可以把代码编辑器理解为程序开发的“工作台”，它能够帮助我们更方便地编写、阅读、运行和管理代码。

以 Python 开发为例，在 VSCode 中编写代码时，编辑器会用不同颜色区分关键字、变量、字符串和注释，让代码结构更加清晰；当我们输入函数名或变量名时，它也可以提供自动补全提示，减少拼写错误，提高代码编写效率。

此外，VSCode 可以通过安装插件来扩展功能。例如安装 Python、Jupyter 等插件后，我们就可以更方便地运行 Python 程序、调试代码、查看结果，甚至获得更加智能的代码辅助提示。这样一来，VSCode 就不只是一个“写代码的地方”，而是把代码编写、程序运行、问题排查和工具整合在一起的开发环境。

除了写代码，VSCode 还可以帮助我们管理整个项目。比如一个大模型应用项目中，可能会同时包含 Python 代码文件、配置文件、数据文件、网页界面文件等内容。通过 VSCode 左侧的文件目录，我们可以清楚地看到整个项目结构，知道每个文件放在哪里，以及它主要负责什么功能。

在大模型应用开发中，VSCode 的作用会更加明显。因为我们经常需要在其中完成模型 API 调用、提示词编写、Gradio 页面开发、LangChain 流程组织、RAG 数据处理等任务。同时，我们还可以直接在 VSCode 中打开终端，运行 Python 程序，查看程序输出和报错信息。

因此，VSCode 不只是一个“写代码的软件”，更像是大模型应用开发的基础开发环境。它可以帮助我们把代码、数据、配置和运行过程统一管理起来，让开发过程更加清晰、规范，也更加接近真实的软件开发流程。

当然，随着 AI 编程能力的发展，现在也出现了越来越多 AI 原生代码编辑器。例如字节推出的 Trae，以及国外较为流行的 Cursor 等，它们不再只是简单地提供代码补全功能，而是将 AI 对话、代码理解、文件修改、项目生成与调试辅助 等能力更自然地融入到编程环境中。开发者可以直接在编辑器中与 AI 进行对话，让 AI 结合当前项目上下文理解代码、解释逻辑、生成新文件或协助修改已有代码，从而提升开发效率。

不过，从技术基础来看，许多 AI 原生代码编辑器本质上也是基于开源的 VS Code 进行二次开发和增强。因此，如果我们已经熟悉 VS Code，也完全可以在 VS Code 中通过安装插件的方式使用 AI 辅助编程功能。例如，微软官方主推的 GitHub Copilot 就是目前较常见的选择之一，它可以提供代码补全、代码生成、代码解释、错误修复和对话式编程等能力。对于学生用户来说，如果通过了 GitHub 的学生认证，还可以获得相应的高级模型（如 GPT-5.5）的使用权益，从而在 VS Code 中体验更完整的 AI 辅助开发能力。

2.1.2 VSCode 下载方式

那在接下来的课程里，我们将以 VSCode 为推荐的代码编辑器。那为了能够下载 VSCode，我们可以先前往官网（https://code.visualstudio.com/Download），然后根据自己本地电脑的版本下载即可：

下载完成后打开安装包选择“我同意此协议”并点击下一步：

接下来将所有附加任务都进行选择后，点击下一步：

最后点击“安装”即可：

安装完成后，点击“完成”即可：

这样我们就安装好了本门课程需要用到的代码编辑器 VSCode 了！

2.1.3 VSCode 基本操作

在正式开始项目之前，我们需要先打开 VSCode，熟悉它的基本界面和常用操作。VSCode 的初始界面主要可以分为菜单栏、活动栏、资源管理器、编辑区、终端区等几个部分。其中，初学者最常用到的是菜单栏、活动栏、资源管理器和编辑区。

对于刚开始学习编程的同学来说，了解 VSCode 的基本使用逻辑非常重要。因为后续无论是编写 Python 代码、运行程序，还是进行大模型应用开发，都离不开这些基础操作。因此，本节将按照日常使用流程，对 VSCode 的常用功能进行简单介绍。

下面我们就按照日常的使用流程来向大家进行深入的介绍。

（1）插件安装

相比普通文本编辑器，VSCode 的一个重要特点是拥有丰富的插件系统。通过安装不同插件，我们可以让 VSCode 支持更多开发功能。例如，安装中文语言包后，可以将原本英文的界面切换为中文；安装 Python 插件后，可以更方便地编写和运行 Python 代码。

首先，我们需要在左侧活动栏中找到扩展商店图标。

点击后，在搜索栏中输入需要安装的插件名称。例如输入 Chinese，就可以找到用于切换中文界面的插件。点击安装后，按照提示重启 VSCode，即可看到中文界面。

为了方便后续学习和实验，这里建议大家安装以下几个常用插件：

• Jupyter：用于打开和运行 .ipynb 格式的 Notebook 文件。

• Python：用于支持 Python 代码编写、运行、调试和解释器选择。

• Remote-SSH：用于通过 SSH 连接远程服务器，后续在云服务器或实验平台上开发时会比较常用。

这些插件可以帮助我们提升开发效率。后续如果有其他开发需求，也可以根据实际情况继续安装更多插件。

（2）工作区设置及文件编辑

在安装好常用插件之后，VSCode 已经具备了基本的 Python 开发能力。接下来，我们就需要进一步了解如何在 VSCode 中打开项目、创建文件并进行代码编辑。此时我们就需要把关注点转向 VSCode 的顶部菜单栏。

在 VSCode 顶部菜单栏中，主要包括文件、编辑、选择、查看、转到、运行、终端、帮助等内容。

对于初学者来说，这里面最常用的是文件、编辑和终端三部分内容。其中，“文件”主要用于打开文件夹、创建文件和保存文件；“编辑”主要用于复制、粘贴、撤销、查找和替换；“终端”则主要用于运行命令和执行程序。

在实际开发中，我们通常不会只写一个孤立的代码文件，而是会把一个项目相关的代码、数据和配置文件放在同一个文件夹中统一管理。因此，如果我们希望在 VSCode 中开启一个新项目，一般需要先准备一个项目文件夹，然后在 VSCode 中打开这个文件夹。

具体操作是点击菜单栏中的文件，选择打开文件夹，然后选中提前创建好的项目文件夹，最后点击选择文件夹。

打开之后，VSCode 就会进入该项目对应的工作区。

进入工作区后，我们就可以在左侧的资源管理器中看到当前项目的文件夹结构。后续项目中的代码文件、配置文件、数据文件等内容，都会在这里进行管理。

如果需要新建文件，可以在资源管理器区域右键，选择新建文件，然后输入对应的文件名。例如，我们可以新建一个 test 文件，用来编写后续的内容。

文件创建完成后，就可以在中间的编辑区中编写内容。这里需要注意一个小细节：如果文件标签旁边出现一个白点，说明当前文件还没有保存。我们可以按下 Ctrl + S 对文件进行保存。

不过，在实际开发中，如果每次修改后都手动保存，会比较麻烦，也容易忘记。因此，建议大家开启自动保存功能。可以在菜单栏中点击文件 → 自动保存。如果再次打开文件菜单时，看到“自动保存”前面已经打勾，就说明自动保存已经开启。

掌握了项目打开、文件创建和文件保存之后，我们还需要熟悉一些常用的编辑操作。比如复制、粘贴、撤销、恢复、查找和替换等，这些都是后续写代码时经常会用到的基础操作。这里建议大家记一下这些快捷键，这样能够大大加速开发的进程：

另外，在编写代码时，我们经常需要临时注释掉某些代码。除了手动输入注释符号之外，也可以直接选中需要注释的代码，然后按下 Ctrl + /，VSCode 就会自动为这部分代码添加或取消注释。这个快捷键在调试代码时非常常用，建议大家熟练掌握。

通过这一部分，我们已经完成了从“打开项目文件夹”到“创建和编辑代码文件”的基本流程。接下来，当代码写好之后，就需要进一步学习如何在 VSCode 中打开终端并运行程序。

（3）终端操作

在完成项目文件夹的打开、代码文件的创建和编辑之后，接下来就会遇到一个新的问题：代码写好了以后，应该在哪里运行？

对于 Python 程序来说，我们通常需要通过终端来执行代码。VSCode 的一个重要优势，就是它可以直接在软件内部打开终端。这样我们就不需要额外打开 cmd 或 PowerShell，而是可以在 VSCode 中一边写代码，一边运行程序和查看结果。

如果希望打开终端，可以点击顶部菜单栏中的终端，然后选择新建终端。

打开之后，VSCode 下方就会出现终端窗口。默认情况下，Windows 系统中一般会打开 PowerShell。当然，后续我们也可以根据需要把默认终端切换成 cmd。

在这个终端中，我们可以输入命令来运行 Python 程序。例如后续我们可以通过 python 文件名.py 的方式运行代码，也可以通过 pip install 安装需要的第三方库。也就是说，终端是我们和 Python 环境进行交互的重要入口。

在实际开发中，有时候我们可能需要同时执行多个任务。比如一个终端用于运行程序，另一个终端用于安装依赖或查看环境信息。这个时候，可以点击终端右上角的 + 号，新建一个终端。

如果某个终端已经不需要使用，也可以将鼠标移动到对应终端上，然后点击终止按钮，将它关闭。

这里我们先不展开讲太多终端命令，后面在介绍 Python 环境配置时会进一步说明。当前阶段大家只需要先理解一点：VSCode 不仅可以写代码，还可以直接打开终端运行代码、安装依赖和查看报错信息。

假如大家终端无法打开，在右下方显示以下内容：

终端进程启动失败: 启动期间发生本机异常(无法启动 conpty)。已移除 Winpty，有关更多详细信息，请参阅 https://code.visualstudio.com/updates/v1_109#_removal-of-winpty-support。还可以尝试启用 terminal.integrated.windowsUseConptyDll 设置。

此时主要的问题是 VSCode 新版本在 Windows 上启动内置终端失败。其主要原因是 VSCode 1.109 开始移除了 Winpty 支持。假如我们的电脑是下面这种比较老的版本：

Windows 10 1607
Windows 10 1703
Windows 10 1709
Windows Server 2016
Windows 10 LTSB 2016

因此这里我们最简单的办法就是卸载掉当前版本的 VSCode 装旧版本的 VSCode。我们可通过以下链接下载 1.108 版本的官方 VSCode：

https://code.visualstudio.com/updates/v1_108

这样应该就可以正常打开了，只不过后续就不能再升级新版本的 VSCode 了。不过其实还有另外一个方案就是升级 Windows 系统，那这个大家就可以请教万能的淘宝来实现了。

（4）命令面板设置

除了通过菜单栏查找功能以外，VSCode 还提供了一个非常方便的功能，叫做命令面板。可以把它理解为 VSCode 的“功能搜索框”。当我们不知道某个功能在哪里时，就可以通过命令面板直接搜索。

打开命令面板的方式很简单，只需要按下：

Ctrl + Shift + P

打开命令面板后，我们可以在输入框中输入关键词，快速找到对应功能。比如在后续 Python 开发中，一个非常常用的操作就是选择 Python 解释器。此时可以输入 Python，然后找到和解释器选择相关的命令。

点击后，VSCode 会列出当前电脑中可以使用的 Python 环境。我们需要根据实际情况，选择当前项目要使用的 Python 环境。

这一步非常重要。因为后续运行 Python 程序时，VSCode 会根据我们选择的解释器来执行代码。如果解释器选错了，就可能出现程序无法运行、第三方库找不到、环境不一致等问题。

除了选择 Python 解释器，命令面板还可以完成很多其他常用操作。比如，如果想选择默认终端，可以搜索：

Terminal: Select Default Profile

这个命令可以用来选择 VSCode 默认打开的是 cmd、PowerShell，还是其他终端。

如果想打开 VSCode 设置，可以搜索：

Preferences: Open Settings

如果想让当前代码格式更加整齐，可以搜索，当然在使用前我们需要先安装对应的程序：

Format Document

简单来说，Ctrl + Shift + P 不是用来写代码的，而是用来快速调用 VSCode 中各种功能命令的。以后如果不知道某个功能在哪里，可以先打开命令面板搜索一下。

通过前面几部分内容，我们已经大致熟悉了 VSCode 的基本使用流程：先安装必要插件，再打开项目文件夹，接着创建和编辑代码文件，然后通过终端运行程序，最后借助命令面板快速调用功能。掌握这些基础操作后，后续进行 Python 环境配置和大模型应用开发时，就会更加顺畅。

2.2 Python 环境准备

2.2.1 Python 环境准备概述

在完成代码编辑器 VSCode 的下载和安装后，我们已经有了一个比较方便的代码编写工具。通过 VSCode，我们可以创建项目文件夹、编写代码文件、管理项目结构，也可以打开终端来运行程序、查看输出和定位报错。

但是，VSCode 本身只是一个代码编辑和项目管理工具，它并不等于程序的运行环境。也就是说，代码虽然可以写在 VSCode 里，但真正让代码运行起来的，是电脑中安装好的编程语言环境。接下来，我们就需要准备本课程主要使用的编程语言环境，也就是 Python 环境。

前面我们在 VSCode 插件商店中安装的 Python 插件，并不是 Python 本身。它只是让 VSCode 更好地支持 Python 开发，例如提供语法高亮、代码补全、运行按钮、调试功能以及 Python 解释器选择等辅助能力。真正运行 Python 代码的，仍然是我们接下来要在电脑中安装的 Python 程序。

在大模型应用开发领域，常见的开发语言主要有两类：一类是 JavaScript，常用于网页前端、Node.js 后端和全栈应用开发；另一类就是 Python，它在人工智能、大模型应用开发、数据处理、自动化脚本等方向中使用非常广泛。本课程之所以选择 Python 作为主要开发语言，是因为很多大模型相关工具和框架都对 Python 支持较好。例如后面会学习的 Gradio、LangChain、LangGraph、向量数据库调用、模型 API 调用等内容，大多都可以通过 Python 来完成。对于初学者来说，Python 的语法也相对简洁，代码可读性较强，更适合作为大模型应用开发的入门语言。

在实际开发中，我们通常会通过终端来运行 Python 程序。例如在 Windows 系统中，可以使用 cmd 或 PowerShell 输入命令，执行 Python 文件并查看运行结果。后续我们在 VSCode 中运行代码时，本质上也是通过调用电脑中的 Python 环境来完成程序执行。

因此，在正式进入模型调用、页面开发、RAG 知识库和智能体开发之前，我们需要先完成 Python 环境的准备。只有电脑中正确安装了 Python，后续才能在终端中执行 Python 命令，运行 Python 代码，并安装课程中需要用到的各种第三方工具包。

对于安装 Python 环境而言，最直接的安装方式就是前往 Python 官网下载对应系统的安装包（https://www.python.org/downloads/ ）。打开官网后，根据自己电脑的操作系统选择对应版本即可。对于本课程来说，建议大家选择兼容性较好的 Python 3.12 版本。这样既能满足后续课程开发需求，也能减少部分第三方库因为版本过新而出现的不兼容问题：

2.2.2 环境管理工具简介

前面我们已经了解了 Python 的作用，也知道了要想运行 Python 代码，就需要先在电脑中安装 Python 环境。对于刚开始学习的同学来说，直接安装一个 Python，然后在终端中运行代码，是最容易理解的一种方式。

但是在真实项目开发中，仅仅使用一个全局 Python 环境往往是不够的。因为不同项目可能需要不同版本的 Python，也可能需要安装不同版本的第三方库。例如，在后续课程中，我们会用到 Gradio、LangChain、LangGraph、OpenAI、DashScope、Chroma、FAISS 等工具包，用来完成页面开发、模型调用、RAG 知识库构建和智能体开发。

如果所有项目都共用同一个 Python 环境，一开始可能还能正常运行。但随着安装的工具包越来越多，就很容易出现依赖冲突和版本不兼容的问题。例如，一个项目需要新版 LangChain，另一个项目可能依赖旧版 LangChain；一个项目需要某个版本的 NumPy，另一个项目又可能需要不同版本。如果这些依赖全部混在一起，后续程序一旦报错，就很难判断到底是代码问题，还是环境问题。

因此，在实际开发中，我们通常会为不同项目创建相对独立的 Python 环境。可以简单理解为：每个项目都有自己单独的一套 Python 工具箱。这个项目需要什么工具，就安装到对应的环境中，不同项目之间尽量互不影响。

目前常见的 Python 环境管理方案主要有两类：venv 和 Anaconda / Miniconda。

第一类是 venv。venv 是 Python 官方自带的虚拟环境工具，主要用于为项目创建相对独立的 Python 运行环境。使用 venv 创建环境后，我们可以在该环境中安装当前项目所需的第三方库，从而避免不同项目之间的依赖相互影响。它的优点是轻量、简单，不需要额外安装复杂工具，适合普通 Python 项目和入门级开发场景。

第二类是 Anaconda / Miniconda。它们都属于 Conda 系列环境管理方案，可以用来创建独立的 Python 环境，也可以管理不同版本的 Python 和一些复杂依赖。与 venv 相比，conda 在人工智能、数据分析和深度学习领域使用更加广泛，尤其适合需要安装 NumPy、Pandas、Jupyter、PyTorch、Transformers 等工具的开发场景。其中，Anaconda 更像是一个“完整工具箱”，安装后会自带较多常用工具和科学计算相关库，使用起来比较方便，但安装包较大，占用空间也更多；Miniconda 则可以理解为 Anaconda 的轻量版本，它主要提供 conda、Python 和少量基础组件，不会一次性安装大量额外软件包，后续需要什么再单独安装什么。

不过对于本课程来说，我们主要需要的是 Conda 的环境管理和包管理能力，并不需要 Anaconda 自带的大量软件和工具。因此，后续课程中会推荐大家安装 Miniconda。安装完成后，我们会先创建一个独立的课程环境，然后在这个环境中按需安装 Gradio、LangChain、LangGraph、向量数据库以及用于调用大模型平台的 Python 工具包，为后续的大模型应用开发实践做好准备。

另外需要注意的是，Anaconda 的免费使用范围是有条件的。根据 Anaconda 官方说明，Anaconda Distribution Installer 可以供个人用户、学生、教学机构以及员工或承包商少于 200 人的公司免费使用；如果组织规模达到 200 人及以上，通常需要购买商业授权后再使用 Anaconda Distribution 或访问其默认软件仓库。也就是说，如果是在大型公司或组织中使用 Anaconda，不能简单地按照个人学习软件来处理，而应先确认公司是否已经购买相应授权，避免产生软件合规风险。

2.2.3 miniconda 下载

要想下载 miniconda，我们首先需要前往 Anaconda 官网的下载位置（https://www.anaconda.com/download），然后点击 Skip Registration 跳过注册：

然后就可以根据自己的电脑类型下载右边的 Miniconda 了：

下载完成后点击 “Next“：

然后点击 ”I Agree“：

然后点击“Just Me”：

选择一个合适的文件夹存放后，点击 “Next”：

接下来可以按照默认只选择第一条，这四条具体的意思是：

• Create shortcuts：创建 Miniconda 的快捷方式，方便后续从开始菜单打开 Anaconda Prompt 或 Anaconda PowerShell Prompt。
• Add installation to my PATH environment variable：把 Miniconda 加入系统环境变量，让普通终端也能直接识别 conda 命令，但容易和已有 Python 环境冲突，一般不建议勾选。但假如之前都没有安装过 Conda 的话可以勾选上，这样后续就不需要手动设置环境变量了。
• Register Miniconda3 as my default Python 3.13：把 Miniconda 自带的 Python 注册为系统默认 Python，可能会影响 VSCode 、PyCharm 等工具识别 Python 版本，一般不建议勾选。但假如之前没有安装过 python 的话也可以考虑勾选上。
• Clear the package cache upon completion：安装完成后清理缓存文件，释放一部分磁盘空间，通常可以勾选。

选择完后就可以点击“Install”进行安装：

安装完成后点击“Next”后即可完成安装：

安装完成后我们就可以搜索 Anaconda Prompt：

假如能够正常显示 (base) 的话就代表下载完成了，初次使用的话可能需要同意一个协议，后续就可以正常打开了：

2.2.4 系统环境变量设置

在前面的步骤中，我们只是将 Miniconda 安装到了本地电脑。如果希望在 Windows 自带的 cmd 或 PowerShell 中直接使用 conda 命令，就需要为 Miniconda 配置系统环境变量。配置完成后，无论是在普通终端、PowerShell，还是后续的 VSCode 终端中，都可以正常识别和使用 Conda 环境。

当然，如果你在安装 Miniconda 时已经勾选了 Add installation to my PATH environment variable，并且打开 PowerShell 后已经能够看到 (base) 环境提示，那么通常就不需要再手动配置环境变量。

为了能够做到这一点，首先我们要获取到 Conda 环境的安装位置，比如我刚刚安装在：

D:\miniconda

需要注意的是，每个人的安装位置可能不一样。如果你安装时没有修改路径，一般会在类似下面的位置：

C:\Users\你的用户名\miniconda3

如果你和我一样修改了安装路径，那就以你自己安装时选择的文件夹为准。

接下来，在 Windows 搜索框中搜索 环境变量，点击 编辑系统环境变量：

打开后，点击右下角的 环境变量：

在环境变量窗口中，我们找到下方的 系统变量，然后选中里面的 Path，点击 编辑：

接下来点击 新建，把下面几个路径添加进去，并且最后上移到最前面。这里需要把 D:\miniconda 换成你自己电脑里的 Miniconda 安装路径：

D:\miniconda
D:\miniconda\Scripts
D:\miniconda\Library\bin
D:\miniconda\condabin

这几个路径的作用可以简单理解为：

• D:\miniconda：让系统能够找到 Miniconda 自带的 Python。
• D:\miniconda\Scripts：让系统能够找到 pip、conda 等相关命令。
• D:\miniconda\Library\bin：让系统能够找到一些运行 Python 包时需要用到的底层依赖文件。
• D:\miniconda\condabin：让系统能够识别 Conda 的基础命令。

添加完成后，点击 确定 保存即可。然后要一路点 确定 直到退出环境变量的编辑界面。

保存完成后，需要重新打开 cmd 或 PowerShell，因为已经打开的终端不会自动读取最新的环境变量。重新打开 PowerShell 后，就可以看到界面上出现 (base) 添加在最前面了：

此时就代表我们成功配置好了环境了。假如没有出现的话建议检查一下是不是路径有问题，或者可以向 AI 求助一下。

类似的，我们也可以尝试打开 VSCode 的终端看看是否成功连接，假如能够看到 base 的话其实也是一样的：

2.2.5 Conda 常用环境指令

在配置好 Conda 环境后，接下来我们需要学习一些常用的 Conda 指令。Conda 的核心作用是帮助我们管理不同的 Python 环境。比如，在一个项目中我们可以使用 Python 3.12，在另一个项目中使用 Python 3.10，不同项目之间互不影响。后续在学习大模型应用开发时，不同框架可能对 Python 版本和第三方库版本有不同要求，因此学会使用 Conda 创建和管理虚拟环境非常重要。

（1）创建新的 Conda 环境

如果我们想创建一个新的 Python 环境，可以使用下面的命令：

conda create -n ai python=3.12 -y

其中：

• conda create 表示创建一个新的环境；
• -n ai 表示环境名称为 ai；
• python=3.12 表示该环境使用 Python 3.12；
• -y 表示自动确认安装过程中的提示。

执行完成后，电脑中就会新增一个名为 ai 的 Python 环境。

（2）激活 Conda 环境

创建好环境后，需要先进入该环境，才能在其中运行 Python 程序或安装工具包：

conda activate ai

激活成功后，命令行前面通常会出现当前环境名称，例如：

(ai) PS D:\project>

这说明我们当前已经进入了 ai 环境。后续安装的第三方库，也会默认安装到这个环境中。

（3）退出当前 Conda 环境

如果不想继续使用当前环境，可以通过下面的命令退出：

conda deactivate

退出后，命令行前面的环境名称会发生变化。比如从：

(ai) PS D:\project>

变回：

(base) PS D:\project>

或者直接回到普通终端状态。

（4）切换虚拟环境

如果当前已经处于某个 Conda 环境中，例如 ai 环境，此时想切换到另一个环境，例如 langchain 环境，并不需要先执行 conda deactivate 退回到 base 环境，再重新激活 langchain。

我们可以直接在当前环境中执行：

conda activate langchain

执行后，Conda 会自动从当前环境切换到 langchain 环境。此时终端前面的环境名称也会发生变化，例如：

(langchain) PS D:\project>

这说明当前已经成功进入了 langchain 环境。也就是说，conda activate 不仅可以用于进入某个环境，也可以用于在不同 Conda 环境之间直接切换。

（5）查看已有 Conda 环境

如果想查看当前电脑中已经创建了哪些 Conda 环境，可以使用：

conda env list

或者：

conda info --envs

执行后会显示当前电脑中的所有 Conda 环境，例如：

# conda environments:
#
base                  *  D:\miniconda
ai                       D:\miniconda\envs\ai
rag                      D:\miniconda\envs\rag

其中带有 * 的环境，表示当前正在使用的环境。

（6）删除 Conda 环境

如果某个环境不再使用，可以将其删除：

conda env remove-n ai-y

其中：

• conda env remove 表示删除一个 Conda 环境；
• n ai 表示删除名为 ai 的环境；
• y 表示自动确认删除。

需要注意的是，删除环境前最好先退出该环境。例如当前正在 ai 环境中，就先执行：

conda deactivate

然后再删除：

conda env remove -n ai -y

2.2.6 第三方库安装与依赖管理

需要注意的是，创建好虚拟环境之后，我们还需要在环境中安装第三方库。这时候常用的工具包括 pip 和 uv。其中，pip 是 Python 中最常用的第三方包安装工具；uv 是近几年比较流行的新型包管理工具，特点是安装速度较快，也可以配合 venv 环境使用。

也就是说，虚拟环境负责隔离项目环境，安装工具负责往环境中安装第三方库。比如我们创建了一个名为 ai 的 Conda 环境，这个环境刚创建时通常只有 Python 和一些基础工具。如果后续要开发大模型应用，就还需要安装 gradio、langchain、openai、chromadb 等第三方库，这些库通常都可以通过 pip install 进行安装。

（1）第三方库安装

在安装第三方库之前，建议先确认自己已经进入了正确的虚拟环境。例如：

conda activate ai

进入环境后，再安装需要的工具包：

pip install gradio

如果要一次性安装多个工具包，也可以写在同一条命令中：

pip install gradio langchain openai

这样安装的第三方库就会被安装到当前激活的 Conda 环境中，而不会影响其他环境。

在实际安装过程中，我们还经常会看到一些额外参数。例如：

pip install -U gradio

其中，-U 是 --upgrade 的简写，表示升级安装。如果当前环境中还没有安装 gradio，它会直接安装；如果已经安装过 gradio，则会尝试将其升级到较新的版本。

也可以写成完整形式：

pip install --upgrade gradio

两种写法作用相同，只是 -U 更简洁。

如果想指定安装某一个版本，可以使用 ==：

pip install gradio==5.9.1

这表示安装指定版本的 gradio。在实际项目中，有时为了保证代码能够稳定运行，会指定某些第三方库的版本，避免因为版本变化导致代码报错。

如果想安装大于或等于某个版本的工具包，可以写成：

pip install "gradio>=5.0.0"

这表示安装 5.0.0 或更高版本的 gradio。需要注意的是，在 Windows 的 PowerShell 中，带有 >=、< 这类符号的版本条件，建议用英文引号包起来，避免被终端错误解析。

（2）镜像源配置

默认情况下，pip 会从官方 PyPI 仓库下载第三方库。但是在国内网络环境下，直接访问官方源有时会比较慢，甚至可能出现下载失败的情况。

为了解决这个问题，我们可以使用国内镜像源，例如清华大学开源软件镜像站提供的 PyPI 镜像。清华镜像站官方说明中也提供了 pip 临时使用和设为默认源的配置方式，并提醒 simple 路径不能省略，且需要使用 https。

可以简单理解为镜像源就是国内服务器同步了一份 Python 第三方库仓库，我们从国内镜像下载，速度通常会更快、更稳定。

如果只是某一次安装想使用镜像源，可以在 pip install 后面加上 -i 参数。例如，使用清华源安装 gradio：

pip install gradio -i https://pypi.tuna.tsinghua.edu.cn/simple

对于临时配置而言，其只对当前这一次安装生效。下次再执行 pip install 时，如果不加 -i 参数，仍然会使用默认源。

如果不想每次安装都手动加 -i 参数，可以把清华源设置为 pip 的默认下载源：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

配置完成后，以后直接执行：

pip install gradio

就会默认从配置好的镜像源下载，不需要每次都写完整的镜像地址。

如果想查看当前 pip 的配置信息，可以输入：

pip config list

如果看到类似下面的内容：

global.index-url='https://pypi.tuna.tsinghua.edu.cn/simple'

就说明镜像源已经配置成功。

如果后续不想继续使用镜像源，也可以取消当前配置：

pip config unset global.index-url

取消后，pip 会重新使用默认的官方源。

（3）导出当前环境依赖

当我们在某个环境中安装了很多第三方库后，可以把当前环境中的依赖导出为一个文件，方便后续重新安装或分享给其他同学。常用命令是：

pip freeze > requirements.txt

这条命令会把当前环境中安装的 Python 包及其版本记录到 requirements.txt 文件中。

例如文件内容可能类似：

gradio==5.9.1
langchain==1.0.0
openai==1.59.6

这个文件可以理解为项目的“依赖清单”，它记录了当前项目运行所需要的第三方库。

（4）根据 requirements.txt 安装依赖

当别人拿到我们的项目后，如果项目中已经提供了 requirements.txt 文件，就可以先创建并激活一个新的环境：

conda create -n ai python=3.12 -y
conda activate ai

然后在项目目录下执行：

pip install -r requirements.txt

这条命令会根据 requirements.txt 文件中的内容，一次性安装项目所需的所有第三方库。

如果希望安装时也使用清华源，可以写成：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

这样可以在配置新环境时减少手动安装每个库的麻烦。

2.2.7 Python 文件运行

在完成 VSCode、Miniconda 和 Python 环境配置之后，我们就可以正式开始运行 Python 代码了。前面我们已经知道，VSCode 主要负责编写代码和管理项目，而真正执行 Python 程序的，是我们在电脑中配置好的 Python 环境。

在 VSCode 中，常见的 Python 文件主要有两种形式：一种是普通的 .py 文件，另一种是 Jupyter Notebook 使用的 .ipynb 文件。

这两种文件都可以运行 Python 代码，但适合的场景略有不同：

因此，后续我们既要会运行 .py 文件，也要会使用 .ipynb 文件。下面分别进行介绍。

（1）.py 文件运行

.py 文件是最常见的 Python 代码文件。只要文件名以 .py 结尾，系统和 VSCode 就会把它识别为 Python 程序文件。例如：

test.py
app.py
main.py

这里需要注意，文件名后面一定要带上 .py 后缀。比如 test.py 表示这是一个 Python 文件；如果只写成 test，VSCode 可能只会把它当成普通文本文件，后续运行时也容易出错。

在运行 .py 文件之前，我们首先需要在 VSCode 中打开一个项目文件夹。可以点击菜单栏中的文件 → 打开文件夹，选择提前创建好的项目目录。打开之后，左侧资源管理器中就会显示当前项目的文件结构。

进入项目文件夹后，我们可以在资源管理器中右键，选择新建文件，输入文件名，例如：

test.py

创建完成后，就可以在编辑区中编写 Python 代码。比如可以先写一个最简单的测试程序：

print("Hello Python")

写完代码后，需要先保存文件。可以按下：

Ctrl + S

如果前面已经开启了自动保存，那么 VSCode 会自动帮我们保存文件。

文件保存之后，接下来就需要通过终端运行程序。可以点击菜单栏中的终端 → 新建终端，打开 VSCode 内置终端。

在运行代码之前，还需要确认当前终端使用的是合适的 Python 环境。如果我们使用的是 Conda 环境，可以先激活对应环境，例如：

conda activate ai

这里的 ai 是环境名称，大家需要根据自己创建的环境名称进行替换。激活成功后，终端前面一般会显示当前环境名称，例如：

(ai) PS D:\project>

这说明当前终端已经进入了 ai 这个 Conda 环境。后续运行 Python 程序时，就会使用该环境中的 Python 和第三方库。

接下来，就可以使用 python 文件名.py 的方式运行程序。例如当前终端已经位于 test.py 所在文件夹中，可以直接输入：

python test.py

如果运行成功，终端中就会输出：

这说明当前 Python 文件已经能够被正常执行。

不过，在实际运行时，很多同学会遇到一个问题：明明已经创建了 test.py 文件，但是输入 python test.py 后却提示找不到文件。出现这种情况，通常不是代码本身的问题，而是终端当前所在位置不对。

终端运行文件时，需要知道文件在哪里。如果终端当前就在 test.py 所在文件夹中，可以直接运行：

python test.py

如果终端不在这个文件夹中，就需要先使用 cd 命令切换到对应目录。例如：

cd D:\project
python test.py

其中，cd 的作用是切换终端所在目录。进入项目文件夹后，再运行 python test.py，终端就能找到这个文件。

除了使用相对路径运行文件，也可以使用绝对路径。路径一般可以分为两类：相对路径和绝对路径。

相对路径是相对于当前终端所在位置的路径。比如终端当前就在 test.py 所在文件夹中，那么可以直接运行：

python test.py

绝对路径是文件在电脑中的完整位置。例如：

python D:\project\test.py

如果不确定文件路径，可以在 VSCode 左侧资源管理器中右键对应文件，选择复制路径。这样可以避免手动输入路径时出现拼写错误。

需要补充的是，VSCode 有时也会在右上角显示运行按钮，点击后也可以运行当前 Python 文件。但对于初学阶段，建议大家优先掌握终端运行方式。因为通过终端运行时，我们可以更清楚地看到当前所在目录、使用的 Conda 环境、执行的文件路径以及程序输出信息，后续排查问题也会更加方便。

简单来说，运行 .py 文件的一般流程是：

打开项目文件夹 → 新建 .py 文件 → 编写代码 → 保存文件 → 打开终端 → 激活 Conda 环境 → 输入 python 文件名.py 运行

对于后续的大模型应用开发来说，.py 文件会非常常用。例如模型 API 调用、Gradio 页面开发、LangChain 项目代码，通常都会以 .py 文件的形式进行编写和运行。

（2）.ipynb 文件运行

掌握了 .py 文件运行之后，我们再来看另一种常见的 Python 文件形式：.ipynb 文件。

.ipynb 是 Jupyter Notebook 的文件格式。它最大的特点是可以把代码、运行结果和文字说明放在同一个文件中。因此，它非常适合用于课堂演示、实验记录、数据分析和模型测试。

和 .py 文件不同，.py 文件通常是一次性运行整个程序，而 .ipynb 文件可以把代码拆成多个单元格，一段一段运行。这样我们就可以边写代码、边查看结果、边补充说明文字。

在 VSCode 中使用 .ipynb 文件之前，需要先安装 Jupyter 插件。如果前面已经安装过，就可以直接创建 Notebook 文件。

首先，同样需要在 VSCode 中打开一个项目文件夹。然后在左侧资源管理器中右键，选择新建文件，输入文件名，例如：

test.ipynb

创建完成后，VSCode 会自动以 Notebook 的形式打开该文件。

打开 .ipynb 文件后，首先要做的一件事是选择内核。内核可以理解为 Notebook 运行代码时使用的 Python 环境。简单来说，Notebook 选择哪个内核，就代表它使用哪个 Python 环境来执行代码。

例如，如果我们选择的是 ai 环境，那么这个 Notebook 后续运行代码时，就会使用 ai 环境中的 Python 和第三方库。这一步和 .py 文件中执行 conda activate ai 的作用比较接近，都是为了指定当前代码使用哪个 Python 环境。

因此，点击页面右上角的选择内核后，建议选择和当前项目一致的 Conda 环境。如果内核选择错误，可能会出现代码无法运行、第三方库找不到、环境不一致等问题。

选择好内核后，就可以开始添加代码单元。在代码单元中输入 Python 代码，例如：

print("Hello Jupyter")

然后点击单元格左侧或上方的运行按钮，就可以运行当前代码。也可以使用快捷键运行当前单元格：

Ctrl + Enter

运行当前单元格后，执行结果会直接显示在代码单元下方。这也是 .ipynb 文件非常适合实验、演示和教学讲解的原因：代码和运行结果可以放在同一个页面中，方便我们边写、边运行、边观察效果。相比普通的 .py 文件，Notebook 更适合用来分步骤测试代码、记录实验过程和展示运行结果。

另外，如果我们希望在代码单元中执行一些终端命令，也可以在命令前面加上英文感叹号 !。这样，Jupyter 就会把这一行内容当作终端命令来执行，而不是当作 Python 代码来运行。例如：

! python --version

这条命令可以查看当前 Notebook 所使用的 Python 版本。如果需要在 Notebook 中安装依赖包，也可以这样写：

除了代码单元，.ipynb 文件还可以添加 Markdown 单元。Markdown 单元主要用来写说明文字，比如实验标题、步骤说明、运行结果分析等。这样 Notebook 就不只是代码文件，也可以变成一份完整的实验记录。

在使用 .ipynb 文件时，还可以对单元格进行新增、删除和调整顺序。比如右上角或单元格旁边通常会有删除按钮，可以删除不需要的单元格。也可以在代码单元和 Markdown 单元之间切换，方便组织实验内容。具体的快捷操作如下所示：

Ctrl + Enter：运行当前单元格
Shift + Enter：运行当前单元格，并跳到下一个单元格
A：在当前单元格上方新建单元格
B：在当前单元格下方新建单元格
M：将当前单元格切换为 Markdown
Y：将当前单元格切换为 Code
DD：删除当前单元格

其中，A、B、M、Y、DD 这些快捷键通常需要在命令模式下使用，也就是先点击单元格左侧空白区域，让单元格处于选中状态后再按快捷键。

此外，需要注意的是，如果是第一次在某个新环境中运行 Notebook，VSCode 可能会提示安装 Jupyter 相关依赖。这是正常现象，按照提示安装即可。

简单来说，运行 .ipynb 文件的一般流程是：

打开项目文件夹 → 新建 .ipynb 文件 → 选择内核 → 添加代码或 Markdown → 运行单元格 → 查看结果

通过这一节，我们已经了解了 Python 文件的两种常见运行方式。.py 文件更适合编写完整程序，后续开发项目时会经常使用；.ipynb 文件更适合分步骤实验、课堂演示和结果记录。掌握这两种文件的运行方式后，后续无论是进行 Python 基础练习，还是开发大模型应用项目，都会更加方便。

3. 总结

通过本章的学习，我们完成了大模型应用开发所需的基础环境准备。首先，我们认识并安装了 VSCode，掌握了插件安装、项目文件夹管理、代码编辑、终端使用、命令面板以及 Python 解释器选择等基本操作，初步建立了规范的项目开发流程。随后，我们学习了 Python 运行环境与代码编辑器之间的区别，并通过 Miniconda 创建和管理独立的 Conda 虚拟环境，避免不同项目之间出现依赖冲突。

在此基础上，我们进一步掌握了使用 pip 安装和升级第三方库、配置国内镜像源，以及通过 requirements.txt 导出和恢复项目依赖的方法。同时，我们分别学习了 .py 文件和 .ipynb 文件的创建与运行方式，理解了前者更适合完整项目开发，后者更适合课堂演示、分步实验和过程记录。至此，我们已经完成了从代码编写、环境管理、依赖安装到程序运行的完整准备工作，为后续开展大模型 API 调用、Gradio 页面开发、LangChain 应用、RAG 知识库和智能体项目奠定了基础。

下一节课，我们将正式进入大模型应用开发的第一个核心环节，学习如何申请和配置 API Key，并通过 Python 接入不同大模型厂商提供的 API，完成大模型的调用、参数配置与对话交互。

-- 完 --

机智流推荐阅读：

1. ‍

2. 

3. 

4.