AGI旅程 之 环境搭建

admin管理员组

文章数量:1541757

阅读完本文你可以：完成python开发环境搭建。

本机系统环境：macOS 12.6.2

安装项：

• Python 3.11.8
• Anaconda 2.5.0
• Visual Studio Code 1.86.0

Python

目前调用大模型的API并不限制特定编程语言，但是Python因其丰富的数据科学和机器学习库而广受欢迎，在自然语言处理（NLP）和AI开发领域尤为普遍，比如通过Hugging Face Transformers库可以轻松调用各种预训练大模型API。对于初学者或快速原型开发，Python通常更为便捷。

python下载地址：www.python/downloads/

根据自己的环境选择对应的安装包，我的环境是mac使用的是 3.11.8，安装使用默认配置，直接一路“继续”就好。

安装完成后，执行命令查看是否安装成功。

python -V

如果输出“Python 3.11.8”则表示安装成功。

Anaconda

Anaconda 是一个流行的开源数据科学平台，它提供了便于安装、管理和使用 Python 和 R 等语言的数据科学软件包的环境。Anaconda已经自带了很多版本的python环境，也可以只安装Anaconda然后选择其自带的python环境。

Anaconda 主要包含以下组件：

1. Conda：一个开源的包管理系统和环境管理器，用来创建、管理和切换不同的Python环境，我们常用的组件
2. Anaconda Navigator：一个图形用户界面，可以直观地管理环境、安装包、启动Jupyter Notebook、Spyder等开发工具，我们常用的组件
3. Anaconda Distribution：预装了许多常用的数据科学和机器学习库，如NumPy、Pandas、Scikit-Learn、Matplotlib等，同时也支持R语言的统计和图形化工具。
4. Jupyter Notebook（或JupyterLab） ：一个基于Web的交互式计算环境，支持混合代码、文本、数学表达式、富媒体输出等形式，极大地方便了数据清理、探索性分析和结果展示等工作。

Anaconda下载地址：www.anaconda/download

配置

安装成功后就可以创建运行环境了，点击桌面上的Anaconda Navigator图标，打开Anaconda Navigator界面

Anaconda Navigator内，点击左下的“Create”按钮，输入自定义的环境名称，勾选Python环境，并选择对应的python版本，我这里选择的是3.11.8，点击弹窗内“Create”后会开始创建环境，这需要一段时间。环境创建好后，会在右侧看到当前环境的所有已安装的依赖包。

Conda常用命令

• 创建同时指定Python版本的新环境 conda create --name myenv python=3.9
• 激活名为myenv的环境 conda activate myenv
• 列出所有已创建的环境 conda env list
• 退出当前激活的Conda环境 conda deactivate
• 删除名为myenv的环境 conda remove --name myenv --all
• 在当前环境安装包 conda install package_name
• 在激活的conda环境中使用pip安装包 conda activate myenv && pip install package_name
• 更新当前环境中的所有包 conda update --all
• 更新指定包至最新版本 conda update package_name
• 从当前环境卸载包 conda remove package_name
• 导出当前环境配置到environment.yml文件 conda env export > environment.yml
• 根据environment.yml文件创建新环境 conda env create -f environment.yml
• 查看当前Conda环境的详细信息 conda info
• 列出当前环境中已安装的所有包 conda list
• 添加新的conda频道 conda config --add channels channel_name
• 查看当前conda版本号 conda --version

这些命令工具在Anaconda Navigator内大部分都可以界面化操作。

Visual Studio Code

Visual Studio Code (简称VSCode) 是一款由微软开发的开源、跨平台的源代码编辑器，适用于Windows、Linux和macOS操作系统。VSCode以其轻量级、高度可定制性和丰富的扩展生态系统而广受欢迎，尤其适合Python及其他多种编程语言的开发。

下载地址：code.visualstudio/Download

配置

安装python扩展

点击“Install”（安装）按钮开始安装扩展。

激活并选择conda环境

• 方式一：点击右下角的解释器，选择conda环境
• 方式二：过按 Cmd+Shift+P（Mac）或 Ctrl+Shift+P（Windows/Linux）可以打开命令面板，输入 "Python: Select Interpreter"后回车，选择conda环境

安装“通义灵码”扩展

通义灵码，是阿里云出品的一款基于通义大模型的智能编码辅助工具，提供行级/函数级实时续写、自然语言生成代码、单元测试生成、代码注释生成、代码解释、研发智能问答、异常报错排查等能力。

可用于日常辅助开发，但是有些公司基于安全性考虑禁止在公司内部使用。

安装方式与其它扩展方式相同。

安装Jupyter扩展

Jupyter 是一个开源的交互式计算环境，最初称为 IPython notebook，用于数据清理、转换、可视化、数值模拟、统计建模、机器学习等多个领域。它提供了一个基于Web的笔记本界面，用户可以在其中编写和运行代码、查看实时结果、制作图表、撰写叙述性的文本等。

如果习惯使用Jupyter编辑器，可以安装该扩展

如果使用Jupyter编辑器需要注册conda的环境切换按钮在编辑器的右上角

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

😝有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

😝有需要的小伙伴，可以Vx扫描下方二维码免费领取==🆓

本文标签： 旅程环境AGI