春哥的Agent通关秘籍02：搭建环境及语言选择

匿名上传

发布时间:2026-02-03 12:54:01

很多想学 AI 开发的朋友，往往倒在了第一步：配环境。

我们要做的不是简单的“安装软件”，而是构建一个专业的数字化工作台。

在这篇文章中，我们将解释为什么 Python 是不二之选，为什么我们需要 Conda，并带你从零开始跑通第一行 AI 代码（以 DeepSeek 为例）。

一、为什么是 Python

虽然 Java、Go、JavaScript 也能写 AI 应用，但是。

在 AI Agent 开发领域，Python 是绝对的“第一公民”，它拥有无法撼动的优势：

统治级的生态：几乎所有主流 AI 框架（PyTorch, LangChain, CrewAI）都优先发布 Python 版。
胶水语言：Agent 的核心是“连接”——连接大模型、连接 API、连接本地文件。Python 写这种连接逻辑最快。
门槛低：它的语法接近英语，让你能把精力集中在“设计智能体逻辑”上，而不是纠结语法细节。

结论：想做 AI Agent，首选 Python。

尤其是学习的话，先学 python，面向最先进最全面的工具链是最优选，等python这块熟悉原理了，再按诉求辐射到自己需要的场景和语言也是非常方便的。

二、为什么要用 Miniconda？

很多新手会直接去 Python 官网下载安装包，这其实是个“大坑”。

在开发中，我们需要管理各种复杂的库（依赖）。为了防止项目 A 的库和项目 B 的库打架（版本冲突），我们需要 “虚拟环境”。

为什么不用 Docker ？

Docker虽然隔离性最好，但对初学者来说，操作文件和调试太麻烦，阻碍学习心流。
乱七八糟的环境问题会让初学者信心受挫，容易被打断学习进程。

Miniconda 有哪些优势？

Miniconda 是一个轻量级的环境管理工具。

它可以帮你一键切换 Python 版本（3.10, 3.11, 3.12 随意切）。
它能创建独立的“沙盒”，让你随意折腾而不破坏电脑系统。
它对文件系统的操作比 docker 方便一万倍，不需要挂载什么volumes映射，对初学者连贯学习更方便。

三、手把手搭建环境

第一步：安装 Miniconda及环境变量

访问 Miniconda 官网下载对应系统的安装包。地址：docs.conda.io/en/latest/m…

安装之后，记得把安装文件夹下condabin目录加入到环境变量里。（针对windows用户哈）

比如我的，就是把 D:minicondacondabin 加入到环境变量。

以 cmd 能执行：

conda --version

输出25.11.1这样的版本号就代表环境变量配置ok。

第二步：创建 AI 专属环境

打开你的终端（Windows 用户推荐 PowerShell，Mac 用户用 Terminal），输入以下命令：

# 1. 创建一个名为 ai_agent 的环境，指定使用 Python 3.11（稳定性最佳）
conda create -n ai_agent python=3.11 -y

# 2. 激活环境（看到命令行前缀变成 (ai_agent) 即成功）
conda activate ai_agent

这里 powerShell 可能会遇到一个坑：执行完 conda activate ai_agent 后没反应。

原因：PowerShell 的安全策略默认比较严格，禁止运行未签名的脚本（Conda 的激活脚本本质上是一段 PowerShell 脚本）。
解决方法：你需要赋予 PowerShell 执行权限。
- 以管理员身份打开 PowerShell。
- 运行以下命令：
```
Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser
```
- 输入 Y 确认
- 重新运行 conda init powershell，然后重启 PowerShell 窗口。

分别执行以下代码后：

conda activate ai_agent
python --version

如果能成功显示python的版本号代表ok。

四、接入Deepseek大模型

deepseek 被称为性价比之王。原因在于token单价非常划算，而且对于国内用户来说网络条件支持也是极好的，所以非常适合学习选择。

访问 platform.deepseek.com/usage 可以非常便捷地完成注册和充值，2-3块钱就足够用很久很久了。

然后在 api keys 页面创建一个 API Key，复制这个key，我们接下来会用到。

4.1 安装核心库

随便创建一个学习用的文件夹，在该文件夹里打开命令行，执行以下命令：

conda activate ai_agent
pip install openai python-dotenv pydantic

4.2 配置你的key

永远不要把 API Key 直接写在代码里！一旦你不小心截图或把代码上传 GitHub，Key 就会泄露。

我们在项目根目录下创建一个名为 .env 的文件（注意前面有个点），内容如下：

# 这里的 Key 仅作示例，请替换为你自己的
DEEP_SEEK_API_KEY=sk-xxxx
DEEP_SEEK_API_URL=

4.3 3. 编写“Hello World”测试脚本

新建一个文件 check_env.py，粘贴以下代码。这段代码会自动读取 .env 里的配置来连接 DeepSeek。

import os
from dotenv import load_dotenv
from openai import OpenAI

# 1. 加载环境变量
load_dotenv()

# 2. 从环境读取配置
api_key = os.getenv("DEEP_SEEK_API_KEY")
base_url = os.getenv("DEEP_SEEK_API_URL")

print("正在检查环境配置...")

if not api_key:
    print(" 错误：未找到 API KEY，请检查 .env 文件")
else:
    # 为了安全，只打印前几位和后几位
    print(f" API Key 读取成功: {api_key[:6]}******{api_key[-4:]}")

# 3. 尝试发起一次真实的对话请求
try:
    # DeepSeek 兼容 OpenAI SDK，只需替换 base_url
    client = OpenAI(api_key=api_key, base_url=base_url)
    
    response = client.chat.completions.create(
        model="deepseek-chat",  # DeepSeek 的模型名称
        messages=[
            {"role": "system", "content": "你是一个有用的AI助手"},
            {"role": "user", "content": "你好，请用一句话证明你已经连接成功了。"},
        ]
    )
    print("n 连接成功！大模型回复：")
    print(response.choices[0].message.content)
    
except Exception as e:
    print(f"n 连接失败: {e}")