4、开发前的准备工作

4.1 前置知识

1、Python 基础语法
变量、流程控制、函数与参数机制、类与对象、装饰器
常用的容器（列表、元组、集合、字典）、JSON处理、异常处理
模块导入、包管理（推荐用 pip 或 conda ） 、线程与协程
LangChain 生态支持包括 Python 和 JavaScript 语言实现。其中，Python 版本仍是功
能最完整、更新最及时、社区最活跃的核心实现。
2、大语言模型基础
了解什么是 LLM、Token、Prompt、Embedding
OpenAI API 或其他模型提供商，如 Anthropic、阿里云百炼、DeepSeek等
通过浏览器或app使用过大模型（比如：豆包、千问、DeepSeek等）

4.2 相关环境安装

4.2.1 代码管理方案
相较于全局环境（系统环境） ，各个虚拟环境都有自己独立的一套：Python 解释器、pip 命令、第
三方依赖包，不和其它项目产生干扰。

虚拟环境的设置方案：
方案1-使用conda：适合“Python + 非 Python 依赖”的复杂环境
conda 不只是 Python 包管理工具，它还可以管理 Python 解释器、Python 包，以及很多非 Python 依
赖，比如： CUDA、编译器、系统库、数据库驱动、科学计算底层库等非 Python 依赖。
因此在数据科学、深度学习、AI 工程、科学计算等场景中，conda 更稳妥、优先推荐。
注意：conda 环境中可以使用 pip，但建议先用 conda 装底层依赖，再用 pip 补充 Python 包，不要
随意反复交替使用。
本套课程的选择。

方案2-使用uv：适合“纯 Python 项目”的现代包管理

uv 是一个现代 Python 包管理工具，主要管理 Python 生态依赖，不能像 conda 那样管理 CUDA、系统级数据库驱动、编译器这类通用非 Python 依赖。如果项目主要是普通 Python 开发，这类项目通常可以优先考虑 uv。例如：方案3-使用venv：Python 自带的轻量级虚拟环境工具

FastAPI 项目

LangChain 项目

脚本工具

Web 后端

普通 AI Agent 应用

RAG 应用层代码

venv 是 Python 官方自带的虚拟环境工具，不需要额外安装。
它的特点是简单、轻量：

python -m venv .venv

注意： venv 不负责安装新的 Python 解释器，只能基于当前已经安装好的 Python 解释器创建虚拟环
境。同时，venv 也不负责管理 CUDA、系统库等非 Python 依赖。
三者对比：