2026年Python+AI工具链环境搭建指南：从零到可用的完整配置

AI辅助创作 | 专栏《2026 AI编程效率革命》第02篇前言很多朋友问我你用AI写代码效率那么高是不是有什么秘诀说实话真正的秘诀不在模型本身而在于环境配置。一个标准化的AI开发环境能让你少踩80%的坑——不会因为API密钥泄露把账单干爆不会因为依赖冲突排查一整个下午更不会每次换电脑都从零开始折腾。这篇文章是我用了大半年AI编程后沉淀下来的环境搭建方案。从Python环境、VS Code AI插件到SDK配置和Docker本地服务每一步都有具体的命令和验证方法。跟着走一遍30分钟就能搭好一套即开即用的AI开发环境。一、Python环境用uv告别依赖地狱在AI开发中不同项目可能需要不同版本的依赖。用传统的pip virtualenv管理太费劲了我推荐uv——Rust写的Python包管理器速度比pip快10-100倍还自带Python版本管理。1.1 安装uvWindowsPowerShellpowershell-ExecutionPolicy ByPass-cirm https://astral.sh/uv/install.ps1 | iexmacOS / Linuxcurl-LsSfhttps://astral.sh/uv/install.sh|sh安装完成后验证uv--version# 输出示例uv 0.6.x1.2 用uv管理Python版本uv可以直接安装和管理Python解释器不再需要单独下载安装包# 安装Python 3.12uv pythoninstall3.12# 查看已安装的Python版本uv python list# 创建项目时指定Python版本uv init my-ai-project--python3.121.3 项目初始化与虚拟环境# 创建新项目uv init ai-toolchain-democdai-toolchain-demo# 添加依赖uv会自动创建虚拟环境uvaddopenai anthropic langchain-openai验证虚拟环境是否生效# 查看当前使用的Python路径应在 .venv 下uv run python-cimport sys; print(sys.executable)# 输出类似/path/to/ai-toolchain-demo/.venv/bin/python# 查看已安装的依赖uv pip list验证清单uv --version正常输出版本号uv python list能看到 Python 3.12uv run python --version输出 3.12.x项目目录下有.venv文件夹二、Continue.dev配置在VS Code里接入AI有了Python环境下一步是把AI集成到编辑器中。Continue.dev 是目前我用下来最灵活的VS Code AI插件——支持OpenAI、DeepSeek、Anthropic、本地模型等几十种后端而且配置文件完全透明。2.1 安装插件在VS Code扩展市场搜索“Continue”安装即可。安装完成后侧边栏会出现Continue图标。2.2 配置多个AI模型Continue的配置文件在用户目录下的~/.continue/config.json。以下是我的实战配置同时接入DeepSeek和OpenAI{models:[{title:DeepSeek V4,provider:deepseek,model:deepseek-chat,apiKey:${DEEPSEEK_API_KEY},apiBase:https://api.deepseek.com},{title:GPT-5.5,provider:openai,model:gpt-5.5,apiKey:${OPENAI_API_KEY}},{title:DeepSeek V4 (Coding),provider:deepseek,model:deepseek-chat,apiKey:${DEEPSEEK_API_KEY},apiBase:https://api.deepseek.com,roles:[apply,edit]},{title:GPT-5.5 (Chat),provider:openai,model:gpt-5.5,apiKey:${OPENAI_API_KEY},roles:[chat]}],tabAutocompleteModel:{title:DeepSeek Tab,provider:deepseek,model:deepseek-chat,apiKey:${DEEPSEEK_API_KEY},apiBase:https://api.deepseek.com},contextProviders:[{name:diff},{name:open},{name:terminal},{name:codebase}],slashCommands:[{name:review,description:代码审查当前文件},{name:explain,description:解释选中代码},{name:test,description:为当前函数生成测试}]}注意apiKey字段使用${DEEPSEEK_API_KEY}格式引用环境变量Continue启动时会自动展开。绝对不要把真实密钥写在配置文件中。2.3 环境变量配置根据操作系统设置环境变量WindowsPowerShell[System.Environment]::SetEnvironmentVariable(DEEPSEEK_API_KEY,sk-your-key-here,User)[System.Environment]::SetEnvironmentVariable(OPENAI_API_KEY,sk-your-key-here,User)macOS / Linux追加到~/.bashrc或~/.zshrcexportDEEPSEEK_API_KEYsk-your-key-hereexportOPENAI_API_KEYsk-your-key-here配置完成后重启VS Code在Continue对话框中输入你好如果有回复说明连接成功。验证清单Continue插件安装并显示在侧边栏config.json中模型列表能正常加载发送你好能收到模型回复选中代码后CtrlLMac:CmdL能弹出对话三、AI SDK环境用Python调用大模型编辑器里的AI助手解决的是边写边问的问题但真正批量的AI任务——代码审查、批量生成、Agent自动化——需要直接用Python SDK。3.1 安装SDK# 安装三大主流SDKuvaddopenai anthropic langchain-openai python-dotenv3.2 统一配置管理在项目根目录创建config.py和.env文件集中管理所有密钥和模型参数.env绝不提交到GitOPENAI_API_KEYsk-your-openai-keyDEEPSEEK_API_KEYsk-your-deepseek-keyANTHROPIC_API_KEYsk-ant-your-anthropic-key.gitignore.env .venv/ __pycache__/ *.pyc .DS_Storeconfig.pyimportosfromdotenvimportload_dotenv# 加载 .env 文件中的环境变量load_dotenv()# AI服务配置AI_CONFIG{openai:{api_key:os.getenv(OPENAI_API_KEY,),model:gpt-5.5,base_url:os.getenv(OPENAI_BASE_URL,),},deepseek:{api_key:os.getenv(DEEPSEEK_API_KEY,),model:deepseek-chat,base_url:https://api.deepseek.com,},anthropic:{api_key:os.getenv(ANTHROPIC_API_KEY,),model:claude-sonnet-4-20250514,},}# 通用参数DEFAULT_TEMPERATURE0.1DEFAULT_MAX_TOKENS4096defget_openai_client():获取OpenAI客户端实例fromopenaiimportOpenAI configAI_CONFIG[openai]kwargs{api_key:config[api_key]}ifconfig[base_url]:kwargs[base_url]config[base_url]returnOpenAI(**kwargs)defget_langchain_openai_llm(temperatureDEFAULT_TEMPERATURE):获取LangChain OpenAI LLM实例fromlangchain_openaiimportChatOpenAI configAI_CONFIG[openai]kwargs{api_key:config[api_key],model:config[model],temperature:temperature,}ifconfig[base_url]:kwargs[base_url]config[base_url]returnChatOpenAI(**kwargs)defvalidate_config():验证配置是否完整missing[]forprovider,cfginAI_CONFIG.items():ifnotcfg.get(api_key):missing.append(f{provider.upper()}_API_KEY)ifmissing:raiseValueError(f缺少以下环境变量:{, .join(missing)}\nf请在 .env 文件中配置。)print(✅ 所有API密钥配置完成)if__name____main__:validate_config()print(fOpenAI模型:{AI_CONFIG[openai][model]})print(fDeepSeek模型:{AI_CONFIG[deepseek][model]})print(fAnthropic模型:{AI_CONFIG[anthropic][model]})3.3 验证SDK连接# test_sdk.pyfromconfigimportget_openai_client,validate_configdeftest_connection():测试AI服务连接validate_config()clientget_openai_client()responseclient.chat.completions.create(modelgpt-5.5,messages[{role:user,content:用一句话回答AI编程最核心的能力是什么}],max_tokens100,)print(response.choices[0].message.content)if__name____main__:test_connection()运行验证uv run python test_sdk.py# 输出示例AI编程最核心的能力是将需求精确转化为Prompt的能力。验证清单uv run python config.py输出✅ 所有API密钥配置完成uv run python test_sdk.py能正常返回AI回复.env已加入.gitignore不会被提交四、Docker环境可选本地AI服务一键启动如果你希望某些任务用本地模型处理比如代码补全这种高频低延迟场景Docker是最快的方式。以下docker-compose.yml可以一键启动Ollama本地大模型服务。4.1 docker-compose.yml# docker-compose.ymlversion:3.9services:ollama:image:ollama/ollama:latestcontainer_name:ai-ollamaports:-11434:11434volumes:-ollama_data:/root/.ollamarestart:unless-stoppeddeploy:resources:reservations:devices:-driver:nvidiacount:1capabilities:[gpu]# 可选Open WebUI 提供Chat界面open-webui:image:ghcr.io/open-webui/open-webui:maincontainer_name:ai-webuiports:-3000:8080volumes:-webui_data:/app/backend/dataenvironment:-OLLAMA_BASE_URLhttp://ollama:11434depends_on:-ollamarestart:unless-stoppedvolumes:ollama_data:webui_data:4.2 启动与使用# 启动服务dockercompose up-d# 拉取模型以Qwen 2.5 Coder为例约4GBdockerexec-itai-ollama ollama pull qwen2.5-coder:7b# 测试调用curlhttp://localhost:11434/api/generate-d{ model: qwen2.5-coder:7b, prompt: 写一个Python函数计算斐波那契数列, stream: false }启动open-webui后浏览器访问http://localhost:3000就能看到一个类ChatGPT的本地聊天界面。注意没有GPU也可以跑但7B以上模型用CPU推理会很慢。日常开发用云端模型为主本地模型作为离线备选方案。验证清单docker compose up -d无报错docker ps能看到 ollama 和 open-webui 两个容器http://localhost:3000可以打开WebUI五、项目模板标准化你的AI项目目录每次新建AI项目都手动搭结构很烦。我整理了一个标准模板克隆即用。5.1 推荐项目结构ai-project-template/ ├── .env # API密钥不提交 ├── .env.example # 密钥模板提交帮助新成员配置 ├── .gitignore ├── pyproject.toml # uv项目配置 ├── docker-compose.yml # 可选本地AI服务 ├── src/ │ ├── __init__.py │ ├── config.py # 统一配置上面已给出 │ └── ai_client.py # AI客户端封装 ├── prompts/ # 提示词模板 │ └── system_prompts/ │ ├── code_review.md │ └── code_explain.md ├── scripts/ # 实用脚本 │ ├── quick_test.py # SDK连接测试 │ └── setup_env.py # 环境检查脚本 ├── tests/ # 测试 │ └── test_ai_client.py └── README.md5.2 快速启动脚本#!/bin/bash# setup.sh — 一键初始化AI开发环境set-eecho 初始化AI开发环境...# 检查uv是否安装if!command-vuv/dev/null;thenecho❌ 未找到uv请先安装https://github.com/astral-sh/uvexit1fi# 安装Python如需要echo 检查Python版本...uv pythoninstall3.12# 创建项目echo 创建项目...uv init ai-project--python3.12cdai-project# 安装核心依赖echo 安装依赖...uvaddopenai anthropic langchain-openai python-dotenv# 创建目录结构echo 创建目录结构...mkdir-psrc prompts/system_prompts scripts tests# 复制 .env.example如果没有则创建cat.env.exampleEOF # 将本文件复制为 .env 并填入你的API密钥 # cp .env.example .env OPENAI_API_KEYsk-your-openai-key DEEPSEEK_API_KEYsk-your-deepseek-key ANTHROPIC_API_KEYsk-ant-your-anthropic-key EOF# 创建 .gitignorecat.gitignoreEOF .env .venv/ __pycache__/ *.pyc .DS_Store EOFechoecho✅ 环境初始化完成echo接下来echo 1. cp .env.example .env → 填入你的API密钥echo 2. uv run python src/config.py → 验证配置echo 3. 开始写代码Windows用户可以用这个PowerShell等效版本# setup.ps1Write-Host 初始化AI开发环境...-ForegroundColor Cyanif(!(Get-Commanduv-ErrorAction SilentlyContinue)){Write-Host❌ 未找到uv请先安装https://github.com/astral-sh/uv-ForegroundColor Redexit1}uv python install 3.12 uv init ai-project--python 3.12Set-Locationai-project uv add openai anthropic langchain-openai python-dotenvNew-Item-ItemType Directory-Force-Path src,prompts/system_prompts,scripts,tests|Out-Null # 将本文件复制为 .env 并填入你的API密钥 OPENAI_API_KEYsk-your-openai-key DEEPSEEK_API_KEYsk-your-deepseek-key ANTHROPIC_API_KEYsk-ant-your-anthropic-key |Out-File-FilePath.env.example-Encoding UTF8 .env .venv/ __pycache__/ *.pyc .DS_Store |Out-File-FilePath.gitignore-Encoding UTF8Write-HostWrite-Host✅ 环境初始化完成-ForegroundColor GreenWrite-Host 1. cp .env.example .env → 填入API密钥Write-Host 2. uv run python src/config.py → 验证配置六、常见问题我踩过的坑下面5个问题是我在实际搭建中遇到的每一个都踩了至少一次。坑1uv虚拟环境不生效现象uv add安装了包但python命令导入报ModuleNotFoundError。原因直接用了系统Python而非uv管理的虚拟环境。解决始终用uv run python替代python# ❌ 错误可能调用系统Pythonpython script.py# ✅ 正确使用uv虚拟环境中的Pythonuv run python script.py坑2Continue.dev连不上DeepSeek现象配置文件写好了但Continue对话报错401 Unauthorized。排查步骤# 1. 确认环境变量已设置echo$DEEPSEEK_API_KEY# Linux/Mac# 或echo$env:DEEPSEEK_API_KEY# PowerShell# 2. 确认Continue读取到了环境变量# 在Continue对话框中输入 /config 查看当前加载的配置# 3. 如果环境变量在配置插件后才添加需要完全重启VS Code# (不是reload窗口是 File → Exit然后重新打开)关键教训Continue在VS Code启动时读取环境变量。如果先开VS Code、后设环境变量必须退出重开不是CtrlShiftP → Reload Window。坑3.env文件被提交到Git现象git push后发现.env被推上去了API密钥暴露。急救步骤# 1. 立即从仓库删除文件gitrm--cached.envgitcommit-mchore: remove .env from tracking# 2. 立即使所有密钥失效去对应平台重新生成# OpenAI: https://platform.openai.com/api-keys# DeepSeek: https://platform.deepseek.com/api_keys# Anthropic: https://console.anthropic.com/settings/keys# 3. 确认 .gitignore 生效gitstatus# 不应再看到 .env预防项目初始化时就创建.gitignore并且把.env放在第一行。坑4langchain-openai导入报错现象from langchain_openai import ChatOpenAI报ImportError。原因安装了langchain但没装langchain-openai或者装了但版本不匹配。解决# 卸载旧版重新安装uv remove langchain langchain-openai uvaddlangchain-openai# 会自动拉取langchain作为依赖# 验证uv run python-cfrom langchain_openai import ChatOpenAI; print(OK)坑5Ollama Docker容器GPU不可用现象docker compose up正常但模型推理只用CPU速度极慢。检查与修复# 1. 确认nvidia驱动正常nvidia-smi# 2. 确认安装了nvidia-container-toolkit# Ubuntu/Debian:sudoaptinstallnvidia-container-toolkitsudosystemctl restartdocker# 3. 测试GPU是否在容器中可见dockerrun--rm--gpusall nvidia/cuda:12.1.0-base-ubuntu22.04 nvidia-smi# 4. 如果以上都正常确认docker-compose.yml中有deploy.resources配置总结这篇文章我们从零搭建了一套完整的AI开发环境覆盖了Python环境用uv管理Python版本和依赖告别 pip 地狱Continue.devVS Code中多模型切换环境变量管理密钥AI SDK统一config.py一行代码切换OpenAI/DeepSeek/AnthropicDocker本地服务Ollama一键启动离线也能用项目模板标准化目录结构setup脚本一键初始化常见问题5个真实踩坑记录帮你绕过别人走过的弯路有了这套环境后面专栏中的MCP协议、Prompt工程、Agent协作等内容你都可以在自己的机器上直接跑起来。下一篇我们将进入正题——Prompt工程实战教你用8个模板让AI生成代码的准确率翻倍。这些模板我已经在生产项目中验证过可以直接复制使用。 实战交流你在搭建AI开发环境时遇到过什么坑评论区聊聊我整理了常见报错速查表留言环境我私发你。觉得有用的话点赞收藏支持一下免责声明本文为AI辅助创作内容文中涉及的软件版本以官方最新文档为准。代码示例仅供学习参考API密钥请妥善保管不要提交到公开仓库。专栏《2026 AI编程效率革命》| 第02篇发布日期2026-05-03