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:\miniconda\condabin 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=https://api.deepseek.com
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}")
4.4 运行验证
在终端运行：
python check_env.py
如果你看到 “🎉 连接成功！” 以及 DeepSeek 的回复，恭喜你！你已经拥有了一个可以随时调用的 AI 大脑，并且搭建好了专业的 Python 开发环境。
下一步预告
环境搭好了，只会聊天可不行。
在下一篇 《AI Agent 编程入门 03：结构化输出》 中，我们将学习如何通过 Prompt 工程 和 结构化数据（JSON），强迫 AI 不再“胡言乱语”，而是像程序一样精准输出我们需要的数据格式。
敬请期待！
