0.2 环境准备

先少装。目标只有一个：进入一个文件夹，能运行 Python，用 Git 保存代码，并留下足够证据，让别人也能复现你的工作。

在面向工作的 AI 项目里，环境准备不是杂事。它是第一份证明：你的项目可以从自己的电脑，迁移到审阅者、队友或部署环境里。

现在只装这些

工具	用途
浏览器	打开课程、Colab、GitHub、AI 工具
VS Code	编辑文件
Python 3.11	运行示例
Git	保存检查点

Docker、CUDA、向量数据库和大型框架以后再装。太早装太多东西，会让新手更难定位错误。

选择一个 Python 命令

不同机器启动 Python 的命令可能不同。先找到第一个能用的命令，然后在笔记里固定使用它。

系统	先试	不行再试
macOS / Linux	python3 --version	python --version
Windows PowerShell	py -3.11 --version	python --version
Colab	不需要本地安装	使用 Notebook runtime

后面课程如果写 python，你可以替换成自己机器上能用的命令。

五分钟验证

python3 --version
git --version
mkdir ai-learning-lab
cd ai-learning-lab
python3 -m venv .venv
source .venv/bin/activate
python -c "print('AI course environment is ready')"
git init
git status

Windows PowerShell 激活虚拟环境：

py -3.11 -m venv .venv
.\.venv\Scripts\Activate.ps1

看到类似输出即可：

AI course environment is ready
Initialized empty Git repository ...

git status 应该能说明你已经在一个仓库里。现在不需要提交代码，重点是确认这个文件夹已经可以追踪工作。

如果验证失败

现象	先做什么	留下什么证据
找不到 python3	试上面的命令表，再安装 Python 3.11	命令和完整报错
虚拟环境激活失败	检查 shell：zsh/bash 用 source，PowerShell 用 Activate.ps1	shell 名称和激活命令
找不到 git	安装 Git，重开终端，再试 git --version	版本输出或报错
权限错误	把项目放在用户目录，不要放系统保护目录	pwd 显示的当前目录

如果仍然失败，先用 Colab 继续学，学完第 1 章再回来。达标线很简单：进入文件夹、运行 Python、初始化 Git。

有经验的人要检查什么

如果你已经有环境，也不要完全跳过。确认你能解释：

• 这个课程项目到底用哪个解释器运行。
• 依赖会安装到哪里。
• 怎样在另一台机器上重建环境。
• 哪些文件应该提交，哪些应该留在本地。

环境也是课程产出的一部分。一个项目如果只能在你电脑上运行，还不算完成。更强的项目会有简短环境说明、明确 Python 版本、依赖方案，以及一个证明基础运行时可用的命令。

留下的证据

学完这一页，至少保留这张证据卡：

机器状态

OS、Python/Node 版本、编辑器、终端和包管理器

验证记录

运行的命令、打印的版本和第一段脚本输出

调试说明

安装错误、路径问题、权限问题或环境不匹配

恢复计划

在继续前重试的精确命令或文档页面

期望产出

一个可复现项目文件夹、成功命令输出和一个已知回退方案